자연재해 관리에서의 AI

허리케인, 지진, wildfires, 홍수는 모두 자연의 일부입니다. 하지만 최근 몇 년 동안 이러한 자연재해의 발생 빈도가 증가하는 것을 목격해 왔습니다. 점점 더 심각해지고 빈번해지는 자연재해로 인해 많은 사람들이 집과 생계, 목숨을 잃었습니다. 기후 관련 재해는 지난 30년 동안 3배로 증가했습니다. 유엔(UN) 보고서에 따르면, 개발도상국이 이러한 재해에 적응하고 coping with these disasters하는 데 드는 비용은 2030년까지 연간 1,400억~3,000억 달러에 이를 것으로 추산됩니다.

하지만 AI와 같은 최근 기술의 발전 덕분에 자연재해 관리는 더욱 효율적으로 변하고 있으며, 재해 예측부터 복구 작업 지원까지 모든 측면이 개선되고 있습니다. 이 글에서는 자연재해 관리에 대해 깊이 있게 살펴보고, AI가 프로세스의 각 단계를 어떻게 개선하는지, 그리고 우리를 안전하게 지켜주는 AI 애플리케이션을 탐구해보겠습니다.

Fig 1. 1900년부터 2019년까지의 자연재해 증가를 보여주는 그래프.

선제적 위험 관리를 위한 재해 예측에서의 AI 활용#

AI 기반의 재해 예측 및 조기 탐지 시스템은 자연재해로 인한 피해를 줄이는 데 도움을 줄 수 있습니다. 이러한 시스템을 사용하면 지역 주민과 구조 대원들에게 조기에 경고하여 재해의 영향을 완화할 수 있습니다. AI 도구는 방대한 양의 데이터를 정밀하게 검토하고 정확한 예측을 수행하여 허리케인이나 산불과 같은 자연재해가 발생하기 전에 미리 대비할 수 있도록 합니다.

머신러닝 및 computer vision과 같은 AI 기술은 심층 neural networks을 활용하며, 이는 satellite imagery, weather data, historical records 등 다양한 출처의 방대한 datasets을 분석하는 데 사용됩니다. 이러한 네트워크에는 잠재적인 재해로 이어지는 패턴과 이상 징후를 식별할 수 있는 상호 연결된 인공 신경원이 포함되어 있습니다. 빅데이터 분석과 같은 도구를 사용하여 수집된 대규모 데이터를 처리하고 분석함으로써, AI 모델을 학습시켜 조기 경보 시스템을 제공하고 자연재해의 영향을 줄이는 데 도움을 줄 수 있습니다.

예를 들어, AI는 지진 데이터를 처리하여 지진 여진을 예측하는 데 사용될 수 있습니다. 구글(Google)과 하버드(Harvard)는 13만 1,000건의 지진 및 여진 데이터를 분석하는 AI system을 개발했습니다. 3만 건의 지진 사건을 대상으로 테스트했을 때, 이 AI 시스템은 기존 방식에 비해 여진 위치를 예측하는 데 더 높은 정확도를 보였습니다. 아래에 표시된 여진 예측 예시에서 여진이 발생할 것으로 예상되는 지역은 빨간색으로 표시되어 있습니다. 검은색 점은 관측된 여진의 위치를 나타내며, 노란색 선은 본진 중에 파열된 단층을 보여줍니다.

Fig 2. 여진 예측의 결과를 보여주는 이미지.

재해 대비를 위한 AI 기반 시스템#

재해가 예측되면 자연재해 관리의 다음 단계는 대비하는 것입니다. 재해와 관련된 위험에 대한 시기적절하고 정확한 정보를 제공하는 AI 시스템을 통해 인명 및 경제적 피해를 예방할 수 있습니다. 이러한 통찰력은 당국이 비상 사태에 대비하고 인명을 구하기 위해 신속하게 행동할 수 있도록 돕습니다. 예를 들어, farmers, fishers, foresters는 자연재해와 관련하여 가장 취약한 커뮤니티 중 일부이며, AI solutions은 이러한 커뮤니티가 피해를 방지하도록 도울 수 있습니다.

Computer vision 및 이미지 분석 솔루션은 실시간으로 위성 이미지를 처리하여 기상 패턴을 모니터링하고 추적하는 데 도움을 줄 수 있습니다. (사이클론과 같은) 이러한 재해의 경로를 모니터링함으로써, 영향을 받을 수 있는 지역이 이에 더 잘 대비할 수 있습니다. 예를 들어, NASA는 위성 사진에 클라우드 컴퓨팅과 딥러닝 기술을 사용하여 하비(Harvey) 및 플로렌스(Florence)와 같은 허리케인을 track했습니다. 이들의 시스템은 표준 방식보다 6배 뛰어난 성능을 보여주어, 기존 방식의 6시간마다 추적하는 것과 달리 매시간 허리케인을 추적할 수 있게 했습니다.

Fig 3. 딥러닝을 이용한 허리케인 플로렌스 모니터링 및 추적 (Source).

재해 대응에서의 AI: 구조 팀을 위한 실시간 데이터 강화#

자연재해 관리에서 AI의 또 다른 중요한 응용 분야는 대응 팀을 지원하는 것입니다. AI 시스템은 피해 평가 및 조난자 위치 추적과 같은 가치 있는 실시간 데이터를 재해 대응 팀에 제공하여 구호 자원을 보다 효율적으로 할당할 수 있도록 돕습니다. 또한 피해 지역 주민들에게 구호품이 전달되는 속도를 가속화하고, front-line relief workers의 의사결정과 행동을 개선하는 데 도움을 줄 수 있습니다.

예를 들어, 모든 자연재해 발생 시 긴급 전화(911 등)에는 구조 요청 전화가 쇄도합니다. 모든 전화가 상담원에게 연결될 경우 대응 팀이 중요한 세부 사항을 놓칠 수 있습니다. AI를 활용하면 기록적인 시간에 대량의 전화와 메시지를 관리하고, speech-to-text 및 natural language processing (NLP)과 같은 기능을 사용하여 여러 작업을 수행할 수 있습니다. 이러한 기능은 모든 응급 전화의 맥락을 추출하여 긴급 상황의 정확한 성격과 발신자의 위치에 대한 정확한 정보를 얻을 수 있게 해줍니다.

이러한 통찰력은 통화 시간을 단축하고 비상 대응을 가속화합니다. 동일한 시스템이 computer vision 및 NLP와 같은 AI 도구의 도움을 받아 소셜 미디어 플랫폼에도 적용될 수 있습니다.

social media 플랫폼은 자연재해 대응에 어떻게 도움이 될 수 있을까요? 자연재해 발생 직후 소셜 미디어 플랫폼에는 즉시 실행 가능한 중요한 정보가 포함될 수 있습니다. 예를 들어, 피해 지역 주민들이 소셜 미디어를 통해 text, audio, images, video 정보를 게시할 수 있습니다. 특히 매 초가 중요한 상황에서 이 모든 정보를 수동으로 관리하고 처리하는 것은 쉽지 않습니다. AIDR (Artificial Intelligence Digital Response) 플랫폼과 같은 도구를 사용하면 소셜 미디어 게시물을 자동으로 처리하여 대응 지연을 줄일 수 있습니다. 이 플랫폼은 트윗(또는 기타 소셜 미디어 플랫폼)의 텍스트와 이미지를 분석하여 관련 인도주의적 정보를 얻습니다. 재해 대응 조직은 추출된 실시간 데이터를 활용하여 행동 방향을 정하고 노력의 효율성을 높일 수 있습니다.

AI innovations can also assist rescue teams directly from the front lines. Computer vision models like Ultralytics YOLOv8 can help assess the damages done to the affected area using satellite images and methods like semantic segmentation, which classifies each pixel in an image into specific categories. For example, during the aftermath of the earthquake in Turkey, the U.S. Department of Defense used semantic segmentation and satellite imagery to identify and categorize the severity of infrastructure and building damage in disaster areas at a rate much faster than traditional detection methods. Using such methods, they accelerated the process to hours or minutes, and the control center and the rescue teams were able to respond faster in affected areas for recovery.

Fig 4. semantic segmentation을 사용한 피해 평가.

정신 건강 지원을 통한 자연재해 복구에서의 AI#

자연재해 이후의 복구 단계는 커뮤니티를 재건하고 더 강하게 만드는 것을 목표로 합니다. 이를 수행하는 가장 좋은 방법 중 하나는 피해 지역 사람들에게 정신 health 지원을 제공하는 것입니다. 생존자들은 이러한 재해 이후 외상 후 스트레스 장애(PTSD)와 같은 정신 건강 문제를 겪을 수 있습니다. 재해 후 PTSD 발병률은 최대 40%에 이를 수 있습니다. AI 도구는 피해 개개인을 돕는 데 사용될 수 있습니다. 예를 들어, Omdena는 AI 챗봇을 사용하여 정신 건강 지원을 제공하는 기업입니다.

Fig 5. PTSD 환자를 돕기 위한 AI 챗봇.

AI는 정신 health research 및 지원도 도울 수 있습니다. AI 시스템은 인간 전문가와 동일한 정확도로 electronic health records을 분석하여 정신 건강문제를 예측하는 데 사용될 수 있습니다. 예를 들어, 연구원들은 트라우마를 겪은 청소년들의 AI to analyze social media data and gauge stress levels in young adults을 분석하는 데 AI를 사용했습니다. 연구에 따르면 동일한 기술이 단기 및 장기적으로 climate crises 및 자연재해가 정신 건강에 미치는 영향을 이해하는 데에도 적용될 수 있습니다.

재해 관리에서 AI 활용의 장단점#

이제 AI가 자연재해 관리의 다양한 과정에 어떤 영향을 미칠 수 있는지 논의했으니, 관련된 장단점을 살펴보겠습니다. 재해 관리에 AI를 사용할 때의 장점은 다음과 같습니다.

• 조율 개선: AI 시스템은 재해 대응에 관련된 여러 기관과 조직 간의 조율을 개선하여 지연 및 비효율성을 줄이는 데 사용될 수 있습니다.

• 작업 자동화: AI는 데이터 입력 및 분석과 같은 automate repetitive tasks을 자동화하여, 매 초가 중요한 자연재해 시 보다 중요한 활동을 위해 인적 자원을 확보할 수 있게 해줍니다.

• 장기적인 기후 변화 적응: AI는 기후 변화의 영향을 식별하고 평가하여 전 세계 공동체가 장기적인 적응 전략을 개발할 수 있도록 돕습니다.

많은 이점에도 불구하고, 자연재해 관리에서 AI와 관련된 한계점들도 염두에 두어야 합니다. 다음은 자연재해 관리에서 AI가 가진 주요 도전 과제입니다.

• 높은 구현 비용: 재해 관리를 위한 AI 시스템을 개발하고 구현하는 것은 investments in hardware, 소프트웨어 및 AI 전문성에 상당한 투자를 수반하는 경우가 많기 때문에 비용이 많이 들 수 있습니다.

• 데이터 프라이버시 우려: AI 시스템은 재해 발생 시 피해를 평가하고 사람들을 track하기 위해 지리 공간 위성 데이터, 소셜 미디어 및 긴급 전화 통신 데이터 등 다양한 소스를 사용합니다. 이는 개인 정보의 동의 없는 사용 및 잠재적 감시에 대한 프라이버시 우려를 불러일으킵니다.

• 데이터 품질 의존성: AI 모델의 predictions은 모델이 학습한 quality and quantity of data만큼만 정확할 수 있습니다. AI models이 부정확한 데이터로 학습된 경우, 특히 위기 상황에서 효과가 떨어지는 결과로 이어질 수 있습니다.

자연재해 관리에서의 AI에 대한 최종 생각#

우리는 AI가 어떻게 자연재해로부터 사람들의 생명을 구하는 데 도움이 될 수 있는지 살펴보았습니다. AI는 우리가 재해를 더 효과적으로 예측하고, 대비하고, 대응하고, 복구할 수 있게 돕습니다. AI 도구는 지진을 예측하고 허리케인을 추적하며 재해 대응 및 복구 노력을 개선할 수 있습니다. 이를 통해 사람과 기반 시설 모두에 미치는 재해의 영향을 최소화할 수 있습니다. AI는 더 빠른 대응과 더 나은 조율과 같은 많은 이점을 제공하지만, 높은 비용, 데이터 개인정보 보호 문제, 정확한 데이터의 필요성과 같은 몇 가지 도전 과제도 가지고 있습니다. 이러한 도전 과제를 해결하고 대응한다면, 자연재해를 효과적으로 관리하는 데 있어 AI의 영향력을 극대화할 수 있을 것입니다.

자세히 알아보려면 당사의 GitHub repository를 방문하고 당사 community에 참여하세요. 솔루션 페이지에서 manufacturing 및 agriculture 분야의 AI 애플리케이션을 살펴보세요. 🚀