في كيمتانغ، وهي قرية جبلية في وسط نيبال، تتحرك الأرض ببطء شديد ولكن بشكل مستمر: تظهر الشقوق على درجات المنازل، وتنمو الأشجار بشكل ملتوي، وتتراكم عمليات النزوح التي لا يمكن رؤيتها بالعين المجردة لتتحول إلى كوارث محتملة. وعرضت أنطوانيت تورديسيلاس، عالمة الرياضيات من جامعة ملبورن، صورة ملونة عبر الأقمار الصناعية عبر رابط فيديو - من بين التلال الزرقاء بأكملها، تم تحديد مساحة كبيرة عند سفح القرية باللون الأحمر المبهر بواسطة نظام الذكاء الاصطناعي، مما يعني أن هذا المنحدر الذي زرعه السكان وعاشوا فيه لأجيال في حالة من عدم الاستقرار الخطير وقد يتطور إلى انهيار أرضي مدمر في أي وقت. ومن المفارقات أنه تم نقل جميع سكان قرية جينتانغ بسبب انهيار أرضي قريب في عام 2019، ولكن تم تقييم موقع إعادة التوطين الجديد من قبل منظمة العفو الدولية باعتباره أكثر قطعة أرض غير مستقرة في المنطقة بأكملها.
في الانطباع التقليدي، غالبًا ما تكون الانهيارات الأرضية كوارث لحظية دون سابق إنذار، لكن صور الأقمار الصناعية الرادارية تكشف صورة أخرى: قبل أيام أو أسابيع أو حتى سنوات من حدوث انهيار واسع النطاق، بدأت جزيئات السطح في "الانفصال بشكل فضفاض" ببطء على مستوى المليمتر، كما لو أن الراقصين يتحركون وفقًا لنوع من "الكوريغرافيا غير المرئية". ومن خلال مراقبة هذه التشوهات الصغيرة مع مرور الوقت، يمكن للذكاء الاصطناعي التقاط علامات الكارثة التي تكون غير مرئية للعين المجردة قبل وقت طويل من حدوثها. تظهر الأبحاث أنه تحت تأثير عوامل متعددة مثل تغير المناخ، وبناء البنية التحتية والتعدين، فإن وتيرة الانهيارات الأرضية العالمية آخذة في التزايد. ففي الولايات المتحدة وحدها، تقتل الانهيارات الأرضية ما بين 25 إلى 50 شخصاً كل عام وتتسبب في خسائر اقتصادية بمليارات الدولارات؛ على مستوى العالم، يصل عدد الوفيات كل عام إلى "عشرات الآلاف". وفي أكتوبر 2025، حدثت انهيارات أرضية متعددة في جبال نيبال، مما أسفر عن مقتل حوالي 60 شخصًا، مما يسلط الضوء مرة أخرى على مدى ضعف الدولة الواقعة في أعالي الجبال.
ويكاد يكون من المستحيل تحديد "حالة ما قبل الكارثة" على نطاق واسع من خلال القوة البشرية وحدها. ويعتمد فريق توديسيلاس على القمر الصناعي الراداري الأوروبي "Sentinel-1" - حيث يصدر هذا القمر الصناعي نبضات رادارية إلى السطح بتردد حوالي 2000 مرة في الثانية للحصول على معلومات التضاريس الدقيقة والإزاحة. وحدث أن هذا القمر الصناعي طار فوق منطقة جينتانغ عدة مرات بزاوية سقوط مناسبة، مما يوفر للذكاء الاصطناعي ما يكفي من البيانات عالية الجودة "لقراءة" المنحدر النشط للغاية من الصور الضخمة. أحدث الصور المستخدمة للتحليل تعود إلى يناير 2025. وحتى الآن، لم تحدث أي انهيارات أرضية واسعة النطاق في المنطقة، لكن الإنذار المبكر عالي المخاطر الذي قدمه الذكاء الاصطناعي سمح لفريق البحث بالتدخل مقدمًا والعمل مع القرويين والحكومات المحلية لصياغة خطط مراقبة أرضية ومناقشة طرق الإخلاء المحتملة ونقاط التجمع في حالات الطوارئ.
إن خريطة المخاطر التي تم إنشاؤها بواسطة الذكاء الاصطناعي لا تشير إلى المخاطر فحسب، بل تساعد أيضًا في العثور على "مراسي" آمنة نسبيًا. على سبيل المثال، أظهرت الخوارزمية أن المدرسة المتوسطة المحلية في جينتانغ تقع في واحدة من أكثر المناطق استقرارًا على المنحدر. وقد أبلغ الباحثون رئيس القرية والمسؤولين الحكوميين بهذه المعلومات بوضوح كأساس مهم لتجنب حالات الطوارئ في المستقبل وتخصيص الموارد. أكد تودسيلاس أنهم استخدموا التعلم الآلي مع القيود المادية: قام فريق البحث بدمج سنوات من فهم "الآلية الفيزيائية لعدم استقرار المنحدر" في النموذج، بدلاً من ترك المهمة بالكامل إلى "الصندوق الأسود" لتقليل مخاطر سوء التقدير. ومع ذلك، لا يزال من الممكن أن يرتكب الذكاء الاصطناعي الأخطاء، لذا فإن المفتاح هو المعايرة المستمرة والتأييد بقياسات الحقيقة الأرضية.
ويتم استخدام تقنيات مماثلة في تحقيقات المخاطر الجيولوجية واسعة النطاق. يستخدم أليساندرو نوفيلينو من هيئة المسح الجيولوجي البريطانية (BGS) الذكاء الاصطناعي لمعالجة بيانات الرادار Sentinel-1 التي تغطي جزيرة بريطانيا العظمى بأكملها، وتحليل تشوه ما يقرب من 300000 منحدر. وأظهرت النتائج أن حوالي 3000 من المنحدرات لديها "حركة بطيئة مستمرة". وتبلغ الإزاحة السنوية ملليمترات فقط وتكاد تكون غير محسوسة بالعين البشرية، ولكنها قد تشير إلى خطر حدوث انهيارات أرضية واسعة النطاق في المستقبل. وحتى لو لم تنهار هذه المنحدرات بشكل كامل، فإن التشوه المستمر يكفي للتأثير بشكل خطير على البنية التحتية لوسائل النقل لسنوات عديدة - تشير تقديرات الأبحاث إلى أن مثل هذه المنحدرات النشطة ترتبط بحوالي 14000 كيلومتر من الطرق السريعة و360 كيلومترًا من أقسام السكك الحديدية، ويجب إدراجها في تخطيط الصيانة والتعزيز مسبقًا.
وأشار نوفيلينو إلى أنه إذا قارن المحللون صور الأقمار الصناعية هذه وفسروها واحدة تلو الأخرى، فسيتم قياس عبء العمل بـ "سنوات"، لكن نظام التعلم الآلي يمكنه إكمال المهمة نفسها في دقائق إلى ساعات، مما يؤدي إلى ظهور "علم جديد كان من المستحيل القيام به ببساطة في الماضي". ولا يستخدم هذا العمل الحالي البيانات في الوقت الحقيقي لأن الوصول إليها في الوقت الحقيقي باهظ التكلفة، ولكن البيانات التاريخية منذ عام أو عامين لا تزال ذات قيمة: فما دام الاتجاه الطويل الأجل واضحا، فمن الممكن أن يوفر الأساس لتقييم المخاطر المتوسطة والطويلة الأجل. وفي سيناريوهات أخرى، ستقوم BGS أيضًا بتعبئة أحدث بيانات الاستشعار عن بعد بسرعة بعد وقوع الكارثة للمساعدة في الاستجابة لحالات الطوارئ. على سبيل المثال، بعد وقوع انهيار أرضي مميت في سومطرة بإندونيسيا، أكملوا رسم الخرائط التلقائية لنحو 4000 انهيار أرضي في فترة قصيرة من الزمن، مما زود البحث العلمي المحلي والهيئات الحكومية بمراجع رئيسية حول الطرق التي لا تزال صالحة للعمل والمناطق الأكثر تضررا.
كما بدأ مشغلو البنية التحتية في النظر إلى الذكاء الاصطناعي باعتباره "عدسة مكبرة" للأمن الجيولوجي. قالت Network Rail، المسؤولة عن معظم شبكة السكك الحديدية في بريطانيا العظمى، إنها تستخدم "التحليل المدعوم بالذكاء الاصطناعي" لدمج البيانات من أجهزة الاستشعار على جانب المسار، وعمليات التفتيش بالطائرات بدون طيار، وقطارات الفحص المخصصة وعمليات التفتيش اليدوية لتحديد وإدارة مخاطر الانهيارات الأرضية وعدم استقرار الأساس على طول الخطوط، مما يسمح لفرق الصيانة باكتشاف المشكلات مقدمًا والتدخل بسرعة، مما يقلل من احتمالية انقطاع الخطوط أو حتى حوادث الخروج عن القضبان.
وفي المناطق الجبلية العالية، تم أيضًا زرع تقنيات مماثلة في مجال الإنذار بالانهيارات الثلجية. وفي الشتاء الماضي، أدت الانهيارات الجليدية في جبال الألب الأوروبية وحدها إلى مقتل أكثر من 100 شخص. وفي منطقة بحيرة تاهو في كاليفورنيا بالولايات المتحدة، أودى انهيار جليدي بحياة تسعة متزلجين في فبراير الماضي. لاحظ جيمس فوكس، طالب الماجستير في مدرسة الفنون التطبيقية الفيدرالية في لوزان، وجود كاميرات ويب في جميع أنحاء جبال الألب. قام هو ومعاونوه بتطوير نظام للتعرف على الصور يعتمد على التعلم العميق من أجل "التقاط" لحظة الانهيارات الجليدية تلقائيًا من صور المراقبة العامة هذه. لتدريب النظام، قاموا يدويًا بتعليق حوالي 4000 صورة للانهيارات الثلجية، مما سمح للشبكة العصبية بتعلم كيفية تحديد الخطوط العريضة للانهيارات الجليدية والميزات الديناميكية في المناظر الطبيعية الجبلية المعقدة.
وقال فوكس إن التعلم العميق له مزايا واضحة في مثل هذه المهام البصرية التي "يصعب تجريدها إلى قواعد بالعين المجردة"، ولكن يجب ألا يكون النظام "غير مراقب" تمامًا. وشدد على أنه ينبغي استخدام نتائج التعرف على الذكاء الاصطناعي كإشارات إنذار مبكر، والتي يجب الحكم عليها يدويًا قبل اتخاذ قرار بشأن بدء الإنقاذ، بدلاً من السماح "للكمبيوتر بالإنذار تلقائيًا". تم اختبار هذه التقنية ميدانيًا في خدمة التحذير من الانهيارات الجليدية في تيرول النمساوية. وعلى الرغم من أن الوكالة المحلية تعتقد أن لديها "آفاق واعدة"، إلا أن معدل الإنذارات الكاذبة الحالي لا يزال مرتفعا. ومن السهل بشكل خاص أن نخطئ في التعرف على الصخور المكشوفة بعد ذوبان الثلوج باعتبارها انهيارات ثلجية. ولذلك، لا تزال هناك حاجة إلى التحسين المستمر والتعاون بين الإنسان والآلة على المدى القصير.
ومع استمرار ظاهرة الاحتباس الحراري في إضعاف التربة الصقيعية في جبال الألب، يتزايد خطر الانهيارات الجليدية والانهيارات الصخرية والانهيارات الأرضية، ومن المتوقع أن تصبح أدوات الذكاء الاصطناعي واحدة من الوسائل الأساسية لرصد هذا "المسرّع الخفي". ومن خلال المقارنة طويلة المدى لتغيرات الصور في الجبال والأنهار الجليدية والجدران الصخرية وغيرها من المناطق، يمكن للباحثين اكتشاف علامات تخفيف الجليد وتشقق طبقات الصخور في وقت سابق، وبالتالي تعديل طرق التسلق أو إغلاق الأقسام الخطرة أو تعزيز المرافق الرئيسية.
والأمر المثير للاهتمام هو أن الذكاء الاصطناعي لا يقتصر على "رسم المزيد من الخطوط الحمراء". وفي بعض الأماكن، يساعد المدن على "تخفيف القيود". قام فريق إنجري ناتاليا جوميز ميراندا، المهندس في جامعة باسكوال برافو في كولومبيا، بجمع وتحليل أكثر من 180 سجلًا للانهيارات الأرضية والإحداثيات الجغرافية الدقيقة في ميديلين من عام 1981 إلى عام 2019، واستخدم التعلم الآلي لإعادة رسم المناطق الحضرية المعرضة للانهيارات الأرضية وتقسيمها حسب مستوى المخاطر. وتظهر النتائج أن بعض المنحدرات التي تم تصنيفها منذ فترة طويلة على أنها "مناطق محظورة للبناء" تظهر مخاطر أقل في النموذج المحدث ويمكن إعادة فتحها للبناء بموجب لوائح صارمة، مما يوفر المزيد من مساحة الأراضي القانونية والآمنة للمدن التي تعاني من نقص شديد في المساكن.
ولكن بالنسبة للعلماء الذين تعاملوا لفترة طويلة مع بيانات الانهيارات الأرضية، فإن التغييرات الأكثر عمقا قد تكون "نفسية". واكتشفوا أن الجبال التي اعتاد الناس على رؤيتها على أنها "أبدية" هي في الواقع ترتفع وتهبط ببطء دائمًا - القشرة تتصادم وترتفع، والتآكل يضعف، ويتم إعادة توزيع الجاذبية. هذه العمليات لا تتوقف أبدًا، ولكن بسرعة بطيئة للغاية. وقال توديسيلاس: "الآن، في كل مرة أسافر فيها إلى نيبال، يصعب علي الاسترخاء التام". الآن عندما تنظر إلى الجبال، لم يعد بإمكانها اعتبارها مجرد مشهد ثابت، بل أشبه بنص جيولوجي يقلب الصفحات ببطء. إنه يتطلب فقط "العدسة المكبرة" للذكاء الاصطناعي حتى يتمكن البشر من فهم التيارات الخفية.