पोंगौ पर्वतीय बचाव सेवा के अनुसार, शनिवार को साल्ज़बर्ग के पास ऑस्ट्रियाई आल्प्स में दो हिमस्खलनों में पाँच ऑफ-पिस्ट स्कीयरों की मौत हो गई। ये हिमस्खलन क्षेत्र में भारी बर्फबारी के बाद हुए।

स्थानीय पर्वतीय बचाव अधिकारियों ने बताया कि पोंगौ क्षेत्र में सात स्कीयरों के एक समूह पर एक हिमस्खलन आया, जिसमें चार की मौत हो गई और एक गंभीर रूप से घायल हो गया। यह घटना स्थानीय समयानुसार लगभग 14:00 बजे (13:00 जीएमटी) हुई। लगभग डेढ़ घंटे पहले, उसी सामान्य इलाके में एक अलग हिमस्खलन में एक महिला स्कीयर बह गई।

पोंगौ पर्वतीय बचाव सेवा के जिला प्रमुख गेरहार्ड क्रेमसर ने कहा, "हमारी गहरी संवेदनाएं परिवारों के साथ हैं। यह त्रासदी दर्दनाक रूप से दर्शाती है कि वर्तमान हिमस्खलन की स्थिति कितनी गंभीर है।" क्रेमसर के बयान में वर्तमान परिस्थितियों में ऑफ-पिस्ट स्कीइंग से जुड़े बढ़े हुए जोखिम पर प्रकाश डाला गया है।

हाल की मौतें पिछले सप्ताह आल्प्स में हिमस्खलन से संबंधित मौतों की बढ़ती संख्या में योगदान करती हैं, जिसका कारण खराब मौसम की स्थिति है। पोंगौ क्षेत्र में दोपहर के आसपास आगे हिमस्खलन दर्ज किए गए, लेकिन उन घटनाओं में कोई घायल नहीं हुआ।

ये घटनाएं ऑफ-पिस्ट स्कीइंग के अंतर्निहित खतरों को रेखांकित करती हैं, खासकर भारी बर्फबारी के बाद। हिमस्खलन पूर्वानुमान जटिल डेटा विश्लेषण पर निर्भर करता है, जिसमें अक्सर जोखिम स्तरों की भविष्यवाणी करने के लिए मशीन लर्निंग एल्गोरिदम शामिल होते हैं। ये एल्गोरिदम हिमपात की स्थिरता, मौसम के पैटर्न और इलाके की विशेषताओं जैसे कारकों का विश्लेषण करके हिमस्खलन जोखिम आकलन उत्पन्न करते हैं। हालाँकि, पर्वतीय वातावरण की अप्रत्याशित प्रकृति का मतलब है कि यहां तक कि परिष्कृत एआई-संचालित मॉडल भी पूर्ण सटीकता की गारंटी नहीं दे सकते हैं।

हिमस्खलन पूर्वानुमान में एआई का उपयोग महत्वपूर्ण सामाजिक निहितार्थों को उठाता है। जबकि एआई जोखिम आकलन की सटीकता और दक्षता में सुधार कर सकता है, यह प्रौद्योगिकी पर निर्भरता भी पैदा करता है जो हमेशा विश्वसनीय नहीं हो सकती है। इसके अलावा, एआई-जनित जोखिम आकलन की व्याख्या और संचार महत्वपूर्ण है। इन आकलनों की गलत व्याख्या या उन पर अत्यधिक निर्भरता से जोखिम भरा व्यवहार हो सकता है।

एआई-संचालित हिमस्खलन पूर्वानुमान में हाल के विकास में वास्तविक समय में हिमपात की स्थिति की निगरानी के लिए उपग्रह इमेजरी और रिमोट सेंसिंग डेटा का उपयोग शामिल है। ये प्रौद्योगिकियां मशीन लर्निंग मॉडल को प्रशिक्षित करने और मान्य करने के लिए मूल्यवान डेटा प्रदान करती हैं। हालाँकि, विभिन्न डेटा स्रोतों को एकीकृत करने और ऐसे मॉडल विकसित करने में चुनौतियाँ बनी हुई हैं जो विभिन्न इलाकों और मौसम की स्थिति में हिमस्खलन जोखिम की सटीक भविष्यवाणी कर सकें। पोंगौ पर्वतीय बचाव सेवा स्थिति की निगरानी करना और स्कीयरों और स्नोबोर्डर्स को चेतावनी जारी करना जारी रखती है।