메뚜기 떼는 동아프리카의 농작물을 파괴하고 옥수수 뿌리벌레는 미국 중서부 지역을 혼란에 빠뜨린다. 브라질에서 고무나무를 파괴하고 인도 남부에서 감자를 황폐화시키는 마름병. 기후 변화로 인한 예측 불가능하고 불규칙한 날씨 패턴은 이러한 문제를 악화시킬 뿐이며 과학자들은 작물 질병이 더 많이 발생하여 심각한 피해를 입힐 수 있다고 말한다.
한 번의 따뜻한 겨울은 해충이 새로운 영역을 침범할 수 있게 한다. 날씨가 따뜻해지면서 옥수수와 기장을 갉아먹는 진딧물과 과일과 채소를 먹는 테프리티드 초파리가 새로운 지역으로 퍼졌다. 떼를 지어 농작물 전체를 파괴하는 사막 메뚜기는 이동 경로를 변경하면서 새로운 지역을 강타할 것으로 예상된다. 2021년 약 7억에서 8억 명으로 추정되는 사람들이 기아에 직면하고 세계 인구가 더욱 증가할 것으로 예상되는 세계에서 심각한 문제이다.
게인즈빌(Gainesville)에 있는 플로리다 대학교의 식물 병리학자인 Karen Garrett은 인공지능(AI)이 이러한 역병과 싸우는 데 엄청난 가치가 있을 수 있다고 믿는다. 농업이 개발 초기에 농작물 질병과 해충 침입을 식별할 수 있는 비용 효율적인 AI 도구를 갖추고 있다면 재배자와 다른 사람들은 문제가 발생하여 실제 피해를 입히기 전에 문제를 포착할 수 있다고 그녀와 동료들은 2022년에 식물 병리학의 연례 검토에서 탐구한 주제라고 말했다. 이 대화는 길이와 명확성을 위해 편집되었다.
당신은 식물 질병 연구를 전문으로 하고 있으므로 그 각도에서 이 주제에 대해 자세히 살펴보겠다. 환경과 기후의 변화는 식물과 식물 질병의 출현에 어떤 영향을 미칠까?
대부분의 병원체는 자신에게 유리한 온도 범위를 가지고 있다. 병원균의 관점에서 어떤 해는 다른 해보다 나을 수 있다. 때로는 혹독한 겨울이나 긴 가뭄이 병원균을 죽인다. 그러나 온화한 해에는 그렇지 않을 것이다. 따라서 병원균이 번성하고 다음 계절에 더 많은 질병이 발생할 수 있다.
감자 역병을 고려해보자. 이것은 1840년대 중반 유럽 사회에 큰 영향을 미쳤던 식물 질병의 유명한 예이다. 역병은 아일랜드 감자 기근의 원동력 중 하나였으며, 이로 인해 아일랜드 사람들이 대이동 했다.
역병에 감염된 감자 잎, 또는 Phytophthora infestans.(Björn Andersson (SLU) / Wikimedia)
먼저 병원체가 도입되었다. 그런 다음 병원체를 강력하게 선호하는 날씨 조건(서늘하고 습한 날씨)을 가진 몇 년이 있었다. 그 결과 병원균이 번성하여 농작물에 큰 피해를 입혔다. 그 기간 동안 백만 명이 사망하고 백만 명이 나라를 탈출한 것으로 추산된다.
고도가 더 높고 지구의 극지방과 같이 기온이 점점 온화해지는 오늘날, 온화한 조건에 유리한 병원균이 새로운 지역으로 이동하여 더 파괴적일 수 있다.
새로운 농작물 질병이 발생했을 때 기후 변화와 관련이 있다고 누가 확신할 수 있을까?
주어진 농작물 전염병은 일종의 폭풍과 같다. 개별 폭풍이 기후 변화로 인한 것인지 아닌지는 말하기 어렵지만 결론을 도출할 수 있다.
식물 병리학자들이 항상 이야기하는 한 가지는 "질병의 삼각형"이다. 질병에 걸리려면 세 가지가 필요하다. 감염할 수 있는 병원체, 이로운 환경, 감염될 수 있는 숙주 식물이다. 예를 들어 기후 변화를 통해 환경이 변하면 병원체에게 유리한 날씨가 더 흔해지고 병원체가 더 쉽게 번성하고 더 많은 식물을 공격할 수 있다. 식물 질병을 관리하는 방법에 대한 사람들의 결정은 또 다른 차원이다. 종종 이러한 구성 요소 중 몇 가지가 동시에 변경되므로 전염병의 피해가 기후 변화로 인한 것인지 말하기는 어렵다.
이 토론에 인공지능을 추가해 본다. AI가 작물에 대한 병원균의 위협을 완화하는 데 어떻게 도움이 될 수 있을까?
인공지능은 더 많은 정보를 얻을수록 예측 능력을 계속 향상시킬 수 있는 학습 알고리즘이 장착된 컴퓨터 시스템과 같이 기계가 생산하는 지능이다. 이러한 도구는 매우 발전되어 몇 초 안에 막대한 양의 정보를 처리할 수 있다. 농작물 탄력성을 위해 AI는 농작물 감시를 위한 더 나은 도구를 만들고, 살충제나 수확을 제공하는 더 나은 로봇을 설계하고, 질병 저항성 및 가뭄 내성과 같은 특성을 위한 번식을 돕는 더 나은 소프트웨어를 만들어 도움을 줄 수 있다. 농부와 정책 입안자가 현명한 결정을 내리는 데 도움이 될 수 있으므로 강력한 사회적 각도를 가지고 있다.
이것들을 각각 분해해보자. AI는 감시 기술에 어떻게 사용되었으며 기존 기술은 무엇일까? 설명해 주시겠는가?
한 지역에서 전염병이 발생하는 것을 생각하면 초기 단계에서 질병은 몇 군데에만 있다. 그리고 나중에는 빠르게 성장하기 시작할 것이다. 병원균에 감염된 농지에서 농작물의 위치를 식별할 수 있는 드론 및 위성 이미지와 같은 원격 감지 기술을 사용하는 감시에 대한 가능성이 있다. AI 도구는 이미 이미지 분석을 사용하여 잎, 꽃 또는 과일의 색상 변화, 심지어 모양이나 크기까지 발견할 수 있다.
질병을 식별하고 조기에 조치를 취하면 전염병을 훨씬 쉽게 관리할 수 있다. 과거에는 위성 데이터가 매우 거칠었다. 문제를 진단하기에 충분히 높은 해상도를 얻을 수 없었다. 하지만 해상도는 계속 좋아지고 있다. 결과적으로 감시에 사용할 수 있는 잠재력이 커졌다.
AI는 이러한 도구에서 이미지 분석을 정확히 어떻게 사용할까?
글쎄, 처음에는 많은 일이 있다. 첫째, 사람들은 다양한 조건에서 건강하고 병든 식물의 이미지 수천 개를 수집하고 선별해야 한다. 따라서 이러한 이미지를 수집하고 큐레이팅하려면 시간과 투자가 필요하다. 그런 다음 건강하고 병든 식물의 이미지에서 학습하여 질병의 징후를 식별하는 알고리즘이 개발된다.
많은 질병에는 시각적으로 감지할 수 있는 독특한 증상이 있다. 예를 들어 넓은 들판에 가서 이미지를 찍을 수 있는 드론이 있다면 AI를 사용하여 이미지를 비교하고 분석하여 눈에 보이는 농작물 질병을 효율적으로 진단할 수 있다.
예를 들어 콜롬비아의 공동 저자인 Michael Selvaraj는 바나나의 질병을 식별하기 위해 이 기술을 연구하고 있다. 플로리다에서는 일부 재배자들이 감시용 드론에 투자했다. 현재 일부 재배자는 과수원을 빠르게 보기 위해 드론 자체에서 이미지를 스캔한다. 이것은 이미지 분석이 더 발전하고 병든 식물을 효율적으로 찾을 수 있게 됨에 따라 과수원 비디오의 자동 이미지 분석으로 점차 대체될 것이다.
그러나 계획되지 않은 드론 사용은 대중에게도 안전 위험을 초래할 수 있기 때문에 안전 규정 문제도 있다. 아직은 젊은 산업이다. 하지만 장점이 많은 만큼 국민을 보호하는 것과 농업에 혜택을 주는 것 사이에서 균형을 맞추는 정책으로 확대될 수밖에 없다고 생각한다.
그리고 로봇 도구와 함께 AI를 사용하여 농작물 탄력성을 어떻게 도울 수 있을까?
농업용 로봇 공학은 현재 성장하고 있는 분야이다. 이미 존재하는 흥미로운 AI 사례는 건강한 과일을 병원균에 감염되었거나 손상된 과일과 분리하는 것이다.
과일은 종종 색과 모양에 따라 질병 여부를 구분할 수 있다. 이러한 AI 도구는 이러한 이미지를 훨씬 더 빠르고 일관되게 처리하여 종종 병원균에 감염되는 변색되고 품질이 낮은 과일을 자동으로 분리할 수 있다.
또한 이미지를 수집하고 분석한 다음 분석을 기반으로 즉각적인 조치(예: 살충제 살포 결정)를 수행할 수 있는 드론을 사용하는 아이디어도 있다. 나는 이러한 도구가 가까운 장래에 더 널리 사용될 준비가 되어 있고 좋은 정책이 다시 필요할 것이라고 생각한다.
AI 도구가 식물 육종과 보다 탄력적인 품종을 만드는 데 어떻게 도움이 될 수 있는지 자세히 알려 주시오.
형질을 위해 번식할 때 식물을 번식시키고 많은 개별 자손을 처리해야 하기 때문에 식물 번식을 부분적으로 숫자 게임으로 생각할 수 있다. 농작물 육종가들은 이러한 자손들 사이에서 더 나은 발달을 위한 좋은 특성을 찾기 위해 검색한다.
식물 육종가는 AI 도구를 사용하여 특정 기후에서 어떤 식물이 빨리 자랄지, 어떤 유전자가 그곳에서 번창하는 데 도움이 될지, 어떤 식물 부모 사이의 교배가 더 나은 특성을 낳을지 예측할 수 있다. 특성은 성장 속도, 요리 특성, 수확량 및 병원균에 대한 저항성과 관련될 수 있다. 작물 육종가는 자손에게 병원균을 접종하고 어떤 것이 저항성이 있는지, 어떤 유전자가 저항성과 관련이 있는지 확인한다.
AI는 이러한 특성과 관련된 많은 수의 유전자 서열 분석 속도를 높이고 바람직한 특성에 필요한 DNA 서열의 올바른 조합을 찾을 수 있다. 그리고 이미지 분석은 밀, 옥수수, 대두와 같은 주요 경제 작물을 위한 육종 프로그램에서 자손을 특성화하는 데 점점 더 많이 사용되고 있다.
농부들은 전 세계적으로 AI 도구를 어떻게 통합해 왔는가?
사람들은 농부들이 식물의 사진을 찍은 다음 전화를 사용하여 평가를 받을 수 있도록 질병의 이미지 분석 도구를 개발해 왔다. 예를 들어 PlantVillage Nuru는 이미지 분석을 사용하여 작물의 잠재적인 질병을 진단하는 전화 애플리케이션이다. 전 세계 전문가가 수집한 수천 개의 작물 질병 이미지와 머신러닝을 사용한다. 이미지는 AI에 의해 분석되고 재배자가 작물 관리에 대한 정보에 입각한 결정을 내릴 수 있도록 지원한다.
질병 진단을 위한 이미지 분석은 일반적으로 100% 정확하지는 않지만 재배자가 작물 질병을 진단하고 불확실성을 이해하는 데 도움이 되는 수준의 신뢰를 제공할 수 있다.
이러한 종류의 AI 도구를 개발하는 데 관련된 몇 가지 과제는 무엇인가?
우선, AI 시스템이 학습하려면 많은 데이터가 필요하다. 진단을 위한 이미지 분석 도구를 만들려면 다양한 모양과 색상을 가질 수 있는 대표적인 작물 품종 세트를 포함해야 한다. 한 가지 큰 과제는 이미지 분석 도구가 학습하는 데 사용할 수 있도록 올바르게 레이블이 지정된 이러한 이미지를 충분히 확보하는 것이다.
또 다른 큰 문제는 비용이다. 원하는 작업을 수행하는 많은 도구가 있을 수 있지만 비용을 투자할 가치가 있을 만큼 충분히 큰 이점이 있을까? 이미 유용한 AI 도구가 많이 있다고 생각하지만 아직 농부에게는 수익성이 없을 수 있다. 현재 많은 응용 프로그램은 수확 후 과일 처리 및 작물 육종과 같이 매우 고가의 재료를 처리하는 경우에 사용된다.
또 다른 종류의 과제는 그러한 도구의 사용이 한 전문가에 의존하지 않고 더 광범위하게 사용되도록 교육 및 역량 구축이다. AI와 일반적으로 신기술의 과제는 비용과 혜택이 사회에 공정하게 분배되도록 하는 것이다.
미래를 위한 기후 탄력적 식량 안보 시스템을 확보하기 위한 이상적인 비전은 무엇일까?
기후 변화에 탄력적으로 대처하려면 새로운 도전에 신속하게 대응할 수 있도록 식품 시스템을 설계해야 한다. 우리는 몇 가지 미래의 문제를 예측할 수 있지만 일부 변화는 놀라운 일이 될 수 있다. 교육 및 역량 구축은 지역 및 전 세계적으로 효과적인 협력과 함께 회복력의 핵심이다. 식물 질병에 대한 글로벌 감시 시스템에 대한 국제적 제안은 고무적인 비전이다.
일반적으로 식량 안보를 위해서는 과학 교육과 역량 강화를 지원하고 현재 기술을 최대한 활용하고 더 나은 기술 개발을 지원해야 한다. 우리는 농업이 황무지에 미치는 부정적인 영향을 최소화하고 인간 건강에 대한 혜택을 극대화하는 식품 시스템을 위해 노력해야 한다.
