क्या भूकंप की भविष्यवाणी वास्तव में संभव नहीं है? AI द्वारा सुनी गई "भूकंप से ठीक पहले की फुसफुसाहट" ─ क्योटो विश्वविद्यालय द्वारा "कुछ सेकंड पहले की दुनिया" में चुनौती

क्या AI भूकंप को "कुछ सेकंड पहले" महसूस कर सकता है

――क्योटो विश्वविद्यालय द्वारा "पूर्व संकेत" की दृश्यता और इसके आगे की आशा और सतर्कता

"भूकंप की पूर्वानुमान क्षमता प्राप्त करना" ―― यह एक सपना है जिसे मानवता ने लंबे समय से संजोया है।
हालांकि, वास्तविकता में, जानवरों के असामान्य व्यवहार या "भूकंप बादल" जैसे कई संकेत जो अब तक "पूर्व संकेत" माने जाते थे, उनके पास वैज्ञानिक समर्थन की कमी है, और वर्तमान भूकंप विज्ञान में यह माना जाता है कि "बड़े भूकंप लगभग बिना किसी चेतावनी के होते हैं।"फिजियोलॉर्ग

इस आम धारणा में एक छोटी सी दरार डालने वाला क्योटो विश्वविद्यालय की शोध टीम द्वारा 2025 नवंबर में प्रस्तुत किया गया नवीनतम शोध है। उन्होंने मीटर स्केल के विशाल चट्टान प्रयोग उपकरण का उपयोग करके, और उस डेटा को मशीन लर्निंग में डालकर, "प्रयोगशाला में भूकंप" के ठीक पहले दिखाई देने वाले बहुत ही सूक्ष्म संकेतों का पता लगाने में सफलता प्राप्त की।फिजियोलॉर्ग

मीटर-स्तरीय "कृत्रिम फॉल्ट" पर प्रयोग

शोध का मंच वह मीटर आकार का चट्टान परीक्षण यंत्र है, जो वास्तविक फॉल्ट के व्यवहार को पुन: उत्पन्न करने के लिए बनाया गया है। चट्टान के ब्लॉकों को मजबूती से दबाया जाता है और धीरे-धीरे खिसकाया जाता है, जिससे घर्षण के कारण "फिसलन" की स्थिति बनती है। जब यह सीमा को पार कर जाता है, तो चट्टान अचानक "गक" से फिसलती है और कंपन उत्पन्न होता है। यह प्रयोगशाला में पुन: उत्पन्न "स्टिक-स्लिप भूकंप" है।फिजियोलॉर्ग

इस उपकरण में उच्च संवेदनशीलता वाले सेंसर लगाए गए हैं, जो चट्टान के विकृति, ध्वनि (अकूस्टिक एमिशन), और कतरनी तनाव में परिवर्तन को उच्च समय विभेदन क्षमता के साथ रिकॉर्ड करते हैं। वहां मशीन लर्निंग को लागू किया गया, ताकि "भूकंप के ठीक पहले के कुछ सेकंड से लेकर कुछ दर्जन सेकंड तक के समय में, डेटा में कहां विशेष परिवर्तन छिपे हैं" का पता लगाया जा सके।फिजियोलॉर्ग

कुंजी "शांत फिसलन क्षेत्र" के तनाव परिवर्तन में

पहले भी, सेंटीमीटर स्केल के छोटे प्रयोगों में, मशीन लर्निंग द्वारा भूकंप के समय को उच्च सटीकता से अनुमानित करने की रिपोर्ट की गई थी। हालांकि, प्राकृतिक फॉल्ट कहीं अधिक बड़े और जटिल संरचना वाले होते हैं। इसलिए, "क्या बड़े प्रयोग स्केल पर भी इसी तरह से पूर्वानुमान किया जा सकता है" एक बड़ा सवाल था।फिजियोलॉर्ग

क्योटो विश्वविद्यालय की टीम ने, प्रयोग डेटा और भौतिक मॉडल के संख्यात्मक सिमुलेशन की तुलना करके, यह पता लगाने की कोशिश की कि मशीन लर्निंग किस "संकेत" का उपयोग कर रही है। परिणामस्वरूप, यह पाया गया कि फॉल्ट के समग्र औसत तनाव के बजाय, कुछ हिस्सों में धीरे-धीरे फिसलने वाले "क्रीप क्षेत्र" में कतरनी तनाव का परिवर्तन, टूटने के ठीक पहले का महत्वपूर्ण संकेत है।फिजियोलॉर्ग

दूसरे शब्दों में, सतह पर शांत दिखाई देने वाले स्थानों में, धीरे-धीरे तनाव की सीमा के करीब पहुंचने की प्रक्रिया को AI पहले से महसूस कर रहा है ―― यह एक प्रकार की छवि है। यह जानकारी, "फॉल्ट को औसत रूप से देखने" की पारंपरिक सोच से "कहां और कैसे फिसल रहा है" पर ध्यान केंद्रित करने की दिशा में भूकंप अनुसंधान के दृष्टिकोण को स्थानांतरित कर रही है।फिजियोलॉर्ग

फिर भी "भूकंप की भविष्यवाणी हो गई" ऐसा नहीं कहा जा सकता

यहां ध्यान देने योग्य बात यह है कि यह उपलब्धि "कल कहां बड़ा भूकंप होगा यह जानने में सक्षम हो गए हैं" का मतलब बिल्कुल नहीं है।

• प्रयोग कृत्रिम चट्टान उपकरण के अंदर ही किया गया था

• स्केल मीटर स्तर का है, जो वास्तविक फॉल्ट की तुलना में अभी भी छोटा है

• दर्जनों किलोमीटर नीचे स्थित वास्तविक फॉल्ट में, इसी तरह के सूक्ष्म संकेतों का अवलोकन किया जा सकेगा यह निश्चित नहीं है

आदि, कई बाधाएं हैं। शोधकर्ता स्वयं इसे "लघु अवधि के भूकंप पूर्वानुमान की ओर भौतिक समझ को गहरा करने का एक महत्वपूर्ण कदम" मानते हैं, और "अभी तुरंत व्यावहारिक" के स्वर में नहीं हैं।फिजियोलॉर्ग

फिर भी, "तत्काल भौतिक प्रक्रिया को AI और भौतिक मॉडल दोनों से समझा जा सका" यह एक बड़ी बात है। मशीन लर्निंग के निर्णय के आधार को, जो अब तक "ब्लैक बॉक्स" बनता रहा है, भौतिक तंत्र से जोड़कर, भूकंप वैज्ञानिकों के लिए इसे समझने योग्य रूप में चर्चा को आगे बढ़ाने में मदद मिली है।फिजियोलॉर्ग

SNS पर उठने वाली "उम्मीद" और "सतर्कता" की आवाजें (संभावित प्रतिक्रियाएं)

जब यह खबर प्रकाशित होगी, तो SNS पर विभिन्न प्रतिक्रियाएं देखने को मिल सकती हैं। यहां, कुछ संभावित प्रतिक्रियाओं को संक्षेप में प्रस्तुत किया गया है (ये वास्तविक पोस्ट नहीं हैं, बल्कि प्रवृत्तियों को दिखाने के लिए काल्पनिक टिप्पणियां हैं)।

1. आशा की बात करने वाले सकारात्मक लोग

• "AI के साथ भूकंप पूर्वानुमान वास्तविकता की ओर बढ़ रहा है...! यह गर्व की बात है कि यह जापान का शोध है"

• "अगर कुछ सेकंड पहले भी पता चल जाए, तो एलेवेटर रोकने और शिंकानसेन की गति कम करने की सटीकता और बढ़ सकती है"

हंसिन-अवाजी भूकंप और पूर्वी जापान भूकंप के अनुभव से, "एक सेकंड पहले भी जानना" की गंभीर इच्छा रखने वाले लोगों के लिए, यह शोध एक मजबूत आशा की किरण के रूप में देखा जाएगा। विशेष रूप से, जापान के विश्वविद्यालय द्वारा नेतृत्व किए जाने के कारण "आपदा प्रबंधन राष्ट्र के रूप में जिम्मेदारी निभाने" की उम्मीद भी जुड़ी होगी।

2. "उत्तेजक रिपोर्टिंग" से सावधान रहने वाले शांत लोग

दूसरी ओर, ऐसी सतर्क आवाजें भी कल्पना की जा सकती हैं।

• "फिर से 'AI के साथ भूकंप पूर्वानुमान' की हेडलाइन अकेले चल सकती है"

• "प्रयोगशाला की बात और वास्तविक भूकंप बिल्कुल अलग हैं, यह सही से बताया जाना चाहिए"

देश या स्थानीय सरकार की आपदा प्रबंधन जानकारी से सीधे जुड़ने वाले संवेदनशील विषय के कारण, "अत्यधिक उम्मीदें बढ़ाने वाली हेडलाइंस" के फैलने को लेकर चिंतित लोग भी होंगे। "AI" शब्द के जुड़ने से विषय की लोकप्रियता बढ़ती है, लेकिन इसकी जादुई छवि गलतफहमियों को जन्म दे सकती है।

3. क्षेत्र के विशेषज्ञों और इंजीनियरों का दृष्टिकोण

भूकंप वैज्ञानिकों और आपदा प्रबंधन इंजीनियरों के बीच, अधिक तकनीकी चर्चा जोर पकड़ सकती है।

• "वास्तविक क्षेत्र में समान प्रकार के अकूस्टिक एमिशन को प्राप्त करने के लिए किस प्रकार के सेंसर नेटवर्क की आवश्यकता होगी"

• "मौजूदा भूकंप माप नेटवर्क के डेटा का उपयोग करके, समान मॉडल का परीक्षण नहीं किया जा सकता?"

• "भौतिक मॉडल के साथ संगति बनाए रखना अच्छा है। अगला कदम मल्टी-स्केल पर कैसे जोड़ना है"

यहां, "बज़" की बजाय, "कैसे वास्तविक अवलोकन नेटवर्क और इंफ्रास्ट्रक्चर में इसे लागू किया जाए" का व्यावहारिक दृष्टिकोण सामने आएगा।

4. "AI सर्वशक्तिमान सिद्धांत" के प्रति असहमति

इसके अलावा, AI के प्रति उम्मीद के साथ-साथ, "सर्वशक्तिमान उपकरण" के रूप में इसे देखने के प्रति असहमति व्यक्त करने वाली आवाजें भी कल्पना की जा सकती हैं।

• "AI अद्भुत नहीं है, बल्कि यह सही प्रयोग डेटा और भौतिक मॉडल की वजह से है"

• "AI 'संकेत खोजने वाला सहायक' है, और भूकंप को समझना मानव का काम है"

इस शोध को "AI + भौतिकी" के समन्वय के रूप में देखा जा सकता है। मशीन लर्निंग अकेले नहीं चल रही है, बल्कि भौतिक सिमुलेशन के साथ मिलकर "क्यों यह सही है" को समझाया जा रहा है, और इस संतुलन की सराहना करने वाली टिप्पणियां भी अधिक हो सकती हैं।

यह शोध किस भविष्य की ओर ले जाता है

तो, यह शोध भविष्य में किस दिशा में आगे बढ़ेगा?

1. अवलोकन डेटा का अनुप्रयोग
   सबसे पहले, प्राकृतिक भूकंप के अवलोकन डेटा पर इस शोध के समान विधि को लागू करने की संभावना की जांच की जाएगी। मौजूदा भूकंप माप नेटवर्क के साथ, अधिक संवेदनशील सेंसर और बोरहोल अवलोकन को मिलाकर, "प्रयोगशाला में देखे गए पूर्वानुमान पैटर्न" को वास्तविकता में भी पता लगाया जा सकता है या नहीं, यह महत्वपूर्ण होगा।

2. "कुछ सेकंड से लेकर कुछ दर्जन सेकंड पहले" का उच्च उपयोग
   यदि लघु अवधि के पूर्वानुमान का पता लगाया जा सकता है, तो भी, यह संभवतः "कुछ सेकंड से लेकर कुछ दर्जन सेकंड पहले" की बहुत छोटी समय सीमा होगी। हालांकि, इस थोड़े समय में भी, शिंकानसेन की स्वचालित रोक, कारखाना उपकरण की आपातकालीन रोक, अस्पताल में ऑपरेशन के दौरान प्रतिक्रिया आदि, सामाजिक इंफ्रास्ट्रक्चर में कई जगहों पर इसका उपयोग किया जा सकता है।

3. भूकंप जोखिम मूल्यांकन के साथ एकीकरण
   आगे चलकर, दीर्घकालिक भूकंप संभावना मॉडल और लघु अवधि के पूर्वानुमान का संयोजन करके, "कब, कहां, और कितना नुकसान हो सकता है" का बहुस्तरीय मूल्यांकन करने की रूपरेखा खोजी जाएगी। इस प्रक्रिया में, "AI के आउटपुट को ब्लैक बॉक्स के रूप में उपयोग नहीं करना" की इस बार की नीति महत्वपूर्ण होगी।
   
   
   

हमें अभी क्या जानना चाहिए

अंत में, इस लेख को पढ़ने के बाद हमें "अभी से क्या करना चाहिए" को संक्षेप में प्रस्तुत किया गया है।

• "भूकंप की भविष्यवाणी हो गई" ऐसा जल्द