[황승진 AI칼럼] 환경보호와 AI
AI는 환경보호 노력에도 크게 기여한다. 대표적 예가 아마존 우림 보호 운동이다 (엘리엇 스미스, Source LATAM). 아마존 우림은 거대하다. 브라질과 콜롬비아를 포함한 9개국에 걸쳐 놓여있으며, 그 크기가 한국 영토의 60배, 미국 본토 48개주를 합친 것과 비슷하다. 아마존은 산소를 발산하고 이산화탄소를 흡수하니 '지구의 허파'라는 별명이 어울린다. 또 그 지역의 기후를 좌지우지한다. 만약 아마존에 큰 변화가 생기면 그 지역의 기후 환경의 균형이 깨져 어떤 자연 재해가 생길지, 그 다음 지구 전체에 어떤 일이 일어날 지 예측 불허다. 게다가 이곳에 지구 생태계의 80% 동식물이 살고 있다. 인간의 횡포에서 벗어나 살만한 남은 곳 중의 하나다. 그들에게는 이 곳이 인간이 득실거리는 정글에서 벗어나 살 수 있는 안식처다. 이들을 보호해야 한다. 이런 중요성에도 불구하고 엄청난 양의 불법 벌채가 일어나고 있다. 2023년 한 해에만 우리나라 면적의 10% 정도의 삼림이 사라졌다. 불법으로 행하는 벌채, 광산, 농업 활동이 주된 요인이었다. 이런 추세를 방치하면 멀지 않아 지구촌은 재앙을 맞이할 것이다. 허나, 당장 내 발등에 떨어지지 않은 불똥이라, 각 국가가 적극적으로 개입할 인센티브가 약하다. 작은 자원과 노력으로 거대한 삼림 벌채를 막기 위해 최근 빅데이터 기술과 AI/ML이 동원된다. 마이크로소프트과 아마존 같은 AI 업체가 정부와 NGO들과 협조함으로 가능했다. 환경 문제를 접근함에 있어 탐사, 분석 및 예측이 첫 단계 임무이다. 이를 위한 데이터를 얻기 위해 인공위성, 드론, 카메라와 도청장치가 동원된다. 플래넷 랩, 센티넬이나 랜드셋 같은 공급자로부터 인공위성 사진을 거의 일별로 받는다. 구름이 낀 날에도 SAR라는 기술을 사용해 양질의 영상을 받는다. 문제는 그 다음 단계로, 이를 분석해 아마존 숲의 변화를 정확히 추적하는 것이다. 센티넬 같은 저궤도 위성이 아마존을 사진 찍는 데는 몇 초 내지 몇 분이 걸리나 이를 인간이 기본 IT 장비로 분석하는 데는 몇 년이 걸린다 한다. 따라서 설령 매일 혹은 매달 사진을 찍어 나른다 해도 분석이 감당을 못한다. 혹자는 “왜 그리 자주 찍나?” 라고 물을 지 모른다. 만약 6개월을 기다린다면 벌채꾼이 들어와 숲 안에 길을 내고 집 짓고 편하게 나무 자르는 시간을 줄 것이니 감시당국이 할 일을 못 할 것이다. 반면에 CNN으로 학습된 이미지 처리 알고리즘은 즉석에서 이미지에 있는 '인간' '차량' '길' 같은 패턴을 찾아 낸다. 이미지를 여러 개의 사각형으로 나눈 후, 각 사각형의 지형적 상태를 들여다본다. 숲이 잘 숨쉬고 살아 있는지, 벌채되었는지, 수목이 해충으로 감염되었는지, 누가 거기에 가축을 키우는지, 불에 타버렸는지를 자동으로 파악하고, 지난 번 사진과의 차이점을 발견한다. 의심점이 발견되면 감시당국과 정보를 공유한다. 이를 매일 수행하면 효과적인 벌채 방지 수단이 될 것이다. 한 발작 더 나아가, 이러한 위성 테이터와 ML을 이용해 브라질의 파라 주(州)는 SeloVerde(녹색인증)라는 감사 플랫폼을 만들었다. 숲의 주변에 살며 가축을 키우거나 콩 같은 농산물을 재배하는 농축산가를 상대로 불법적 벌채나 농사 행위를 감시하고 합격점을 받은 농가는 정부의 인증을 받고 시장에서 합당한 대접을 받는 제도다. 슬쩍 숲의 공지로 불법 확장하지 않는지, 허가된 농산물 종을 허가된 장소에 심는지, 토지를 혹사시키지 않고 여러 종으로 돌려 심는지, 농지를 불로 태워 준비하는지, 시설물을 허가 받은 대로 짓는 지 등을 위성과 AI로 감시한다. 아마존에서는 비전 외에 오디오도 벌채 방지에 한 몫 한다. 벌채 과정에서 생기는 체인톱, 차량 소리, 사람 목소리, 동물 울음소리 변화가 보조적으로 벌채활동을 노출시킨다. 이를 위해 당국은 수많은 녹음기를 숲에 설치해 전송케 한다. 이 데이터는 숙련된 ML이 분석한다. 더 흥미롭게도, AI는 다음 벌채가 일어날 지역을 '예측'할 수 있다. 지난 강화학습 칼럼에서 이야기한 화재 방향 예측과 같은 원리로 작동한다. 벌채가 일어날 가능성은 돈 되는 큰 나무가 많이 있고, 대형 차량이 움직일 큰 길이 근처에 있고, 지형적으로 사람이 들어 다니기 수월한 장소일 것이다. 이 복잡한 요소를 과거 기록과 합쳐서 신경망에 수학 공식화한 결과다. 이를 근거로 감시당국은 요주의 지역을 집중적으로 감시할 것이다. 벌채꾼이 벌채를 하려면 먼데 채산성 떨어지는 데로 가야 한다. 벌채를 완전히 막을 수는 없어도 비싸고 힘들게 할 것이다. 벌채 방지 외에도 AI는 '동식물의 생태계 보존'에도 큰 역할을 한다. 아마존의 여러 지역에 무인 몰래 카메라를 설치해 동물의 존재와 개체군을 추적한다. 야행성 동물을 겨냥해 나이트 비전도 갖추었다. 이 이미지 데이터는 캡쳐되어 전송 즉시, 종 별로 분석되어 DB에 기록된다. 일부 카메라는 비디오 카메라로 오디오를 동시에 녹화한다. 이 경우 분석에 이용되는 ML 모델은 비디오-오디오 멀티모달 LLM이다. 오디오 자체도 중요한 역할을 한다. 숲의 환경에 변화가 생겼을 때, 동물들은 소리를 내어 반응한다. 소리 데이터로 변화를 유추하게끔 ML은 훈련된다. 예로, 새로운 종의 새의 등장은 무언가 규명해야 할 스토리를 경고한다. 소리의 부재 역시 환경 변화에 대한 중요한 정보를 준다. 이러한 위성, 드론, 카메라, 도청기에 기반한 AI/ML은 아마존 지역 뿐 아니라 다른 지역에서도 환경운동에 활용된다. 북가주의 MBARI 해양 연구소는 몬터레이 배이의 해양 자원을 연구하며 해양 생태계의 보존을 추구한다. 예를 들어, 드론 사진을 ML로 분석해 배이에 사는 어종별 개체수를 파악한다. 사실, LLM은 물건 세기를 잘 한다. 하늘에 가득한 새들의 사진을 주며, “여기 새가 몇 마리?” 하고 물으면 금방 답한다. 이를 기반으로, 어린 물고기는 배이 북쪽에 머물다가 나이가 들면 남쪽으로 간다는 등 어류의 행동까지 유추한다. 게다가, 그들의 키와 허리 둘레를 AI로 재 기록해 그들의 건강을 체크한다. 그들에게 프라이버시 걱정이 없으니 다행이다. 이렇게 AI는 환경보호에 널리 쓰인다.
