네팔 중부의 산간 마을 킴탕(Kimtang)에서는 땅이 극도로 느리지만 지속적으로 움직이고 있다. 집 계단에 균열이 생기고, 나무가 삐딱하게 자라고, 육안으로 감지할 수 없는 이동이 쌓여 잠재적인 재난이 되고 있다. 멜버른 대학의 수학자 앙투아네트 토르데시야스(Antoinette Tordesillas)는 동영상 링크를 통해 컬러 위성 이미지를 보여줬다. 푸른 언덕 전체 중 마을 기슭의 넓은 지역이 인공지능 시스템에 의해 눈부시게 붉은색으로 표시됐다. 이는 주민들이 대대로 농사를 짓고 살아온 이 경사면이 심각한 불안정 상태에 빠져 언제든지 파괴적인 산사태로 발전할 수 있음을 의미한다. 아이러니하게도 2019년 인근 산사태로 인해 진탕 마을 주민들 전체가 이주하게 되었는데, 새로운 정착지는 AI에 의해 전체 지역에서 가장 불안정한 토지로 평가되었습니다.

전통적인 인상에서 산사태는 경고 없이 즉각적인 재난인 경우가 많지만 레이더 위성 이미지는 또 다른 그림을 보여줍니다. 대규모 붕괴가 발생하기 며칠, 몇 주, 심지어 몇 년 전에 표면 입자가 마치 댄서가 일종의 "보이지 않는 안무"에 따라 움직이는 것처럼 밀리미터 수준에서 천천히 "느슨하게 분리"되기 시작했습니다. 시간이 지남에 따라 이러한 작은 변형을 모니터링함으로써 인공 지능은 육안으로 볼 수 없는 재해가 발생하기 오래 전에 징후를 포착할 수 있습니다. 연구에 따르면 기후 변화, 인프라 건설, 광업 등 다양한 요인의 영향으로 전 세계 산사태 빈도가 증가하고 있는 것으로 나타났습니다. 미국에서만 산사태로 인해 매년 25~50명이 사망하고 수십억 달러의 경제적 손실이 발생합니다. 전 세계적으로 매년 사망자 수는 "수만 명"에 달합니다. 2025년 10월, 네팔 산간 지역에서 다수의 산사태가 발생해 약 60명이 사망하는 등 고산 국가의 취약성이 다시 한번 부각되었습니다.

인간의 힘만으로는 이러한 '재난 전 상태'를 대규모로 파악하는 것이 거의 불가능합니다. Todesilas 팀은 유럽의 "Sentinel-1" 레이더 위성에 의존하고 있습니다. 이 위성은 미세한 지형 및 변위 정보를 얻기 위해 초당 약 2,000회의 빈도로 표면에 레이더 펄스를 방출합니다. 이 위성은 적절한 입사각으로 진탕 지역 상공을 여러 번 비행하여 AI가 거대한 이미지에서 극도로 활동적인 경사면을 "읽을" 수 있는 충분한 고품질 데이터를 제공했습니다. 분석에 사용된 최신 이미지는 2025년 1월의 사진이다. 현재 해당 지역에서는 대규모 산사태가 발생하지 않았지만 AI가 제공하는 고위험 조기 경보를 통해 연구팀은 사전에 개입하고 마을 주민 및 지방자치단체와 협력하여 지상 모니터링 계획을 수립하고 가능한 대피 경로 및 비상 집결 지점을 논의할 수 있었다.

인공지능이 생성한 위험 지도는 위험을 지적할 뿐만 아니라 비교적 안전한 '닻'을 찾는 데도 도움이 된다. 예를 들어, 알고리즘은 진탕(Jintang)에 있는 지역 중학교가 경사면에서 가장 안정적인 지역 중 하나에 위치하고 있음을 보여주었습니다. 이 정보는 연구원들이 향후 긴급 상황 방지 및 자원 할당을 위한 중요한 기반으로 촌장과 정부 공무원에게 명확하게 전달되었습니다. Todesillas는 물리적 제약이 있는 기계 학습을 사용했다고 강조했습니다. 연구팀은 오판의 위험을 줄이기 위해 작업을 완전히 "블랙 박스"에 맡기는 대신 "경사 불안정성의 물리적 메커니즘"에 대한 수년간의 이해를 모델에 통합했습니다. 그럼에도 불구하고 AI는 여전히 실수를 할 수 있으므로 핵심은 실측 측정을 통한 지속적인 보정 및 확증입니다.

대규모 지질 위험 조사에도 유사한 기술이 사용되고 있습니다. BGS(British Geological Survey)의 Alessandro Novellino는 AI를 사용하여 영국 섬 전체를 포괄하는 Sentinel-1 레이더 데이터를 처리하고 약 300,000개 경사면의 변형을 분석하고 있습니다. 결과는 약 3,000개의 경사면이 "지속적으로 느린 움직임"을 가지고 있음을 보여줍니다. 연간 변위량은 밀리미터에 불과해 사람의 눈으로는 거의 감지할 수 없지만, 향후 대규모 산사태가 발생할 위험이 있음을 시사할 수도 있습니다. 이러한 경사면이 완전히 붕괴되지는 않더라도 지속적인 변형은 수년 동안 교통 인프라에 심각한 영향을 미칠 수 있습니다. 연구에 따르면 이러한 활성 경사면은 약 14,000km의 고속도로 및 360km의 철도 구간과 연관되어 있으며 사전 유지 관리 및 보강 계획에 포함되어야 합니다.

노벨리노는 분석가들이 이러한 위성 이미지를 하나씩 비교하고 해석하면 작업량은 '수년' 단위로 측정되지만 머신러닝 시스템은 동일한 작업을 몇 분에서 몇 시간 내에 완료할 수 있어 '과거에는 단순히 불가능했던 새로운 과학'이 탄생하게 된다고 지적했습니다. 현재 작업에서는 실시간 액세스 비용이 많이 들기 때문에 실시간 데이터를 사용하지 않지만, 1~2년 전의 과거 데이터는 여전히 가치가 있습니다. 장기적인 추세가 명확한 한 중장기 위험 평가의 기초를 제공할 수 있습니다. 다른 시나리오에서 BGS는 재난 발생 후 긴급 대응을 지원하기 위해 최신 원격 감지 데이터를 신속하게 동원합니다. 예를 들어 인도네시아 수마트라에서 치명적인 산사태가 발생한 후 짧은 시간 내에 약 4,000건의 산사태에 대한 자동 매핑을 완료하여 지역 과학 연구 및 정부 기관에 아직 통행 가능한 도로와 가장 큰 피해를 입은 지역에 대한 주요 참고 자료를 제공했습니다.

인프라 운영자들은 또한 AI를 지질 안전을 위한 '돋보기'로 간주하기 시작했습니다. 영국 철도 네트워크의 대부분을 담당하는 Network Rail은 "AI 기반 분석"을 사용하여 선로 측 센서, 드론 검사, 전용 검사 열차 및 수동 검사의 데이터를 통합하여 선로를 따라 산사태 및 기초 불안정의 위험을 식별하고 관리함으로써 유지 관리 팀이 문제를 사전에 감지하고 신속하게 개입하여 선로 중단 또는 탈선 사고의 가능성을 줄일 수 있다고 밝혔습니다.

고산지대에서는 눈사태 경보 분야에도 유사한 기술이 이식됐다. 지난 겨울, 유럽 알프스에서만 눈사태로 인해 100명 이상이 사망했습니다. 지난 2월 미국 캘리포니아주 레이크 타호 지역에서 눈사태가 발생해 스키어 9명이 목숨을 잃었습니다. Ecole Polytechnique Fédérale de Lausanne의 석사 과정 학생인 James Fox는 알프스 전역에 웹캠이 있다는 사실을 발견했습니다. 그와 그의 동료들은 이러한 공공 감시 이미지에서 눈사태의 순간을 자동으로 "캡처"하기 위해 딥 러닝을 기반으로 한 이미지 인식 시스템을 개발했습니다. 시스템을 훈련시키기 위해 그들은 약 4,000장의 눈사태 사진에 수동으로 주석을 달았으며 이를 통해 신경망은 복잡한 산 풍경에서 눈사태 윤곽선과 동적 특징을 식별하는 방법을 학습할 수 있었습니다.

Fox는 딥 러닝이 "육안으로 규칙을 추상화하기 어려운" 시각적 작업에서 분명한 이점을 갖고 있지만 시스템이 완전히 "무인"이어서는 안 된다고 말했습니다. 그는 AI 인식 결과를 '컴퓨터가 자동으로 경보를 울리도록' 허용하는 것이 아니라 구조 개시 여부를 결정하기 전 수동으로 판단해야 하는 조기 경보 신호로 활용해야 한다고 강조했다. 이 기술은 오스트리아 티롤 눈사태 경보 서비스에서 현장 테스트를 거쳤습니다. 현지 기관에서는 '유망한 전망'이 있다고 믿고 있지만, 현재 오경보 비율은 여전히 ​​높다. 특히 눈이 녹은 후 노출된 암석을 눈사태로 오인하기 쉽습니다. 따라서 단기적으로는 지속적인 최적화와 인간-기계 협업이 여전히 필요합니다.

기후 온난화로 고산 영구 동토층이 계속 약화되면서 눈사태, 낙석, 산사태 위험이 증가하고 있으며, AI 도구는 이 '숨겨진 가속기'를 모니터링하는 핵심 수단 중 하나가 될 것으로 예상됩니다. 산, 빙하, 암벽 등의 지형 변화를 장기적으로 비교함으로써 연구원들은 얼음이 풀리고 암석층이 갈라지는 징후를 조기에 감지하여 등반 경로를 조정하고 위험 구간을 폐쇄하거나 주요 시설을 보강할 수 있습니다.

흥미로운 점은 인공지능이 단순히 “빨간 선을 더 그리는 것”에 그치지 않는다는 점이다. 어떤 곳에서는 도시가 “제한을 완화”하는 데 도움이 됩니다. 콜롬비아 파스쿠알 브라보 대학교(University of Pascual Bravo)의 엔지니어인 잉그리 나탈리아 고메즈-미란다(Ingry Natalia Gómez-Miranda) 팀은 1981년부터 2019년까지 메데인에서 180개 이상의 산사태 기록과 정확한 지리적 좌표를 수집 및 분석했으며 머신러닝을 사용하여 도시 산사태가 발생하기 쉬운 지역을 다시 그려 위험 수준별로 분류했습니다. 결과에 따르면 오랫동안 "공사 금지 구역"으로 지정된 일부 경사면은 업데이트된 모델에서 위험이 더 낮으며 엄격한 규정에 따라 건설을 위해 재개방되어 주택 부족이 심한 도시에 더 합법적이고 안전한 토지 공간을 제공할 수 있습니다.

그러나 오랫동안 산사태 데이터를 다루어온 과학자들에게 가장 심오한 변화는 '심리적'일 수 있습니다. 그들은 사람들이 "영원한" 것으로 보았던 산들이 실제로 항상 천천히 오르락내리락하고 있다는 것을 발견했습니다. 지각은 충돌하고 오르고, 침식은 약화되고, 중력은 재분배됩니다. 이러한 프로세스는 결코 멈추지 않지만 매우 느린 속도로 진행됩니다. 토데실라스는 “이제 네팔을 여행할 때마다 완전히 긴장을 풀기가 힘들다”고 말했다. 이제 산을 보면 더 이상 정적인 풍경이 아니라 천천히 페이지를 넘기는 지질학적 대본처럼 여겨진다. 인간이 저류를 이해할 수 있도록 하려면 AI의 "돋보기"가 필요할 뿐입니다.