해양 산업 및 보전 활동의 AI

해양 산업은 국제 무역을 촉진하고 상업적 어업을 통해 식량 안보를 제공하며 전 세계 수백만 개의 일자리를 뒷받침하는 세계 경제의 핵심 축입니다. 이 산업은 시간이 흐르면서 크게 발전해 효율성과 지속 가능성을 높이기 위해 첨단 기술을 도입해 왔습니다.

해양 보전 활동은 처음에는 기본적인 관찰 연구에 초점을 맞췄습니다. 시간이 흐르면서 원격 감지, 유전자 분석, 생태계 모델링과 같은 정교한 방법을 포함하도록 발전했습니다. 보전 활동은 단순한 보호 구역에서 종합적인 해양 공간 계획으로 확대되었으며, 여기에는 해양 보호 구역(MPA) 조성과 핵심 서식지 복원이 포함됩니다. 오늘날에는 해양 생물다양성을 더욱 효과적으로 모니터링하고 보호하기 위해 인공지능(AI)을 활용하고 있습니다.

AI는 남획, 불법 어업, 환경 영향과 같은 문제를 해결함으로써 어업 산업을 혁신할 잠재력이 있습니다. 또한 AI는 수중 보호 구역 모니터링부터 해양 연구 지원까지 해양 보전 활동에서 중요한 역할을 할 수 있습니다.

이 글에서는 어업 부문과 해양 보전에 미치는 영향에 초점을 맞춰 AI가 해양 산업을 어떻게 변화시키는지 살펴보고, 그에 따른 이점과 과제를 함께 다룹니다.

어업 산업에서의 AI#

기술은 항상 해양 산업에서 중요한 역할을 해 왔습니다. 선박 탑재 레이더와 같은 장비부터 첨단 항법 시스템 개발까지, 해양 분야는 다양한 작업을 개선하고 간소화하기 위해 새로운 기술을 꾸준히 도입해 왔습니다. 이러한 발전에도 불구하고 산업은 여전히 여러 과제에 직면해 있습니다. 그렇다면 AI는 어떻게 도움이 될 수 있을까요?

이 섹션에서는 어업의 여러 과제와 AI 기술을 통해 이러한 문제를 해결하는 방법을 살펴보겠습니다. 현재 어업은 다음과 같은 여러 문제에 직면해 있습니다.

혼획#

혼획은 목표 어종이 아닌 종이 의도치 않게 포획되는 것으로, 생태계에 해를 끼치고 자원을 낭비할 수 있습니다. 혼획 보고서에 따르면 전 세계 어획량 중 혼획이 차지하는 비중은 최대 40%로, 연간 총 630억 파운드에 이를 수 있습니다. 이렇게 막대한 혼획은 많은 비목표 종의 폐사로 이어져 해양 생태계를 교란하고 자원을 낭비합니다.

예를 들어 Ultralytics YOLOv8과 같은 컴퓨터 비전 모델은 이 문제를 완화하는 데 도움이 됩니다. 이러한 AI 모델을 어구에 설치된 카메라와 통합하면 목표종과 비목표종을 실시간으로 식별하고 구별할 수 있습니다. 이 기술은 객체 탐지와 세그멘테이션과 같은 작업에 맞게 학습시켜 어민에게 즉각적인 피드백을 제공하고, 부수 어획을 줄이도록 조업 방식을 조정할 수 있게 합니다.

그림 1. 다양한 해양 생물을 식별하는 Ultralytics YOLOv8 모델.

어족 자원 평가 및 관리#

효과적인 어업 관리를 위해서는 어족 자원의 정확한 평가가 필수적이지만, 기존 방식은 대개 느리고 정밀도가 낮습니다. AI 모델은 수중 드론, 소나, 원격 감지와 같은 출처에서 얻은 대규모 데이터셋을 처리해 어류 개체 수를 정확히 추정할 수 있습니다. 이를 통해 적절한 어획 한도를 설정하고 어족 자원을 더욱 효과적으로 관리할 수 있습니다.

YOLOv8과 같은 모델이 어족 자원 평가와 관리에 기여하는 또 다른 사례는 어류 개체 수를 실시간으로 추적하고 계수하는 것입니다. 수중 영상을 분석하면 이러한 모델은 다양한 종을 정확히 식별하고 개체 수를 집계하여 어족 자원 관리에 필요한 핵심 데이터를 제공할 수 있습니다.

그림 2. 어류를 추적하고 계수하는 YOLOv8.

플라스틱 오염#

해양 플라스틱 오염은 해양 생물에 영향을 미치는 주요 문제 중 하나로, 산호초와 해초 군락 등의 서식지에 큰 피해를 주고 해양 동물에게도 해를 끼칩니다. 해양 보전 자선단체인 Surfers Against Sewage의 보고서에 따르면 매년 약 1,200만 톤의 플라스틱이 바다에 버려집니다.

AI는 높은 정밀도로 바다의 플라스틱 물체를 신속하게 식별하여 적시에 정화 작업을 수행할 수 있게 함으로써 이 문제 해결에 중요한 역할을 할 수 있습니다. 이러한 선제적 접근 방식은 환경에 미치는 영향을 완화하고 해양 생태계를 더욱 효과적으로 보호하는 데 도움이 됩니다.

그림 3. 플라스틱 오염을 감지하는 컴퓨터 비전.

AI와 해양 보전#

해양 보전은 해양 생태계와 해양 생물을 보호하고 보존하는 활동입니다. 해양 연구부터 서식지 복원, 오염 관리, 종 보호까지 다양한 측면과 역할을 포함합니다. 어업 산업에서 AI의 역할을 살펴보았으니, 이제 AI가 해양 보전에 어떻게 크게 기여할 수 있는지 알아보겠습니다.

수중 보호 구역 모니터링#

AI 기술은 수중 보호 구역을 모니터링하는 방식을 변화시키고 있습니다. AI 기반 자동화 시스템의 도움으로 해양 보전 활동가들은 데이터를 더욱 효율적이고 정확하게 수집하고 분석할 수 있습니다. 이러한 고급 도구를 사용하면 광활한 해양 공간을 높은 해상도로 모니터링하고, 센서와 위성 같은 원격 출처의 데이터를 빠르게 처리할 수 있습니다.

예를 들어 AI는 위성 이미지와 센서 데이터를 신속하게 분석해 불법 어업이나 기름 유출과 같이 보호 구역과 해양 생태계 전반에 해를 끼칠 수 있는 환경 변화 또는 인간 활동을 나타내는 패턴을 식별할 수 있습니다. 이 기술은 해양 보호 구역(MPA)의 건강을 유지하는 역량을 강화해 적시에 개입하고 보전 활동의 효과를 높일 수 있습니다. 영국에 기반을 둔 비영리 단체 Ocean Mind는 5년에 걸쳐 핏케언 제도 해양 보호 구역 내에서 잠재적인 불법·비보고·비규제(IUU) 어업 위험을 식별하는 데 성공적으로 기여했습니다.

그림 4. 해양 환경을 모니터링하는 컴퓨터 비전.

해양 연구 지원#

AI 기술은 해양 연구에서 중요한 도구로 자리 잡고 있으며, 해양 생태계에 대한 이해와 관리 역량을 크게 높이는 다양한 기능을 제공합니다. AI가 해양 연구를 지원하는 주요 방법은 다음과 같습니다.

• 생물다양성 평가: AI 기반 이미지 및 소리 분석은 사진, 동영상, 음향 녹음에서 해양 종을 정확하게 식별할 수 있습니다. 이 기술은 종 개체 수를 추적하고 생물다양성을 평가하는 데 필수적입니다. 또한 AI는 해양 서식지의 상세 지도를 생성해 생태적으로 중요한 지역을 강조하고 보전 활동이 필요한 지역을 식별할 수 있습니다.
• 예측 모델 개선: AI는 머신러닝 알고리즘을 활용해 해양 생태계의 변화를 예측하는 모델을 생성할 수 있습니다. 이러한 모델은 연구자가 기후 변화와 오염 같은 환경 스트레스 요인의 영향을 예상하고 완화하는 데 도움이 됩니다. 해양 플라스틱 제거에 주력하는 비영리 단체인 The Ocean Cleanup은 Deeper Insights와 협력해 해양 생물을 감지하고 보호하는 첨단 AI 시스템을 개발했습니다. 이 시스템에는 해양 생태계용 예측 분석 모델이 포함될 예정입니다.

전반적으로 AI는 데이터 처리와 관리의 효율성과 효과성을 높여 보전 활동에 크게 기여합니다. 생태 데이터를 수집하고 분석하는 작업을 자동화하면 현장 데이터를 실행 가능한 인사이트로 전환하는 데 걸리는 시간을 줄일 수 있습니다. 이를 통해 보전 관리자는 신속하게 정보에 입각한 결정을 내리고, 실시간으로 필요한 조치를 조정하며, 자원을 더 효과적으로 배분할 수 있습니다.

해양 산업에서 AI의 중요성#

해양 산업에서 AI의 역할을 살펴볼 때는 이점과 과제를 모두 고려하는 것이 중요합니다. AI는 모니터링 강화, 데이터 정확도 향상, 지속가능한 관행을 지원하지만, 높은 비용, 윤리적 우려, 기술 의존성도 수반합니다. AI가 해양 부문에 미치는 영향을 종합적으로 이해할 수 있도록 장단점을 살펴보겠습니다.

먼저 주요 이점부터 살펴보겠습니다.

모니터링 및 집행 강화#

• 실시간 추적 및 규정 준수: AI는 당국이 선박의 움직임을 실시간으로 추적하고 불법 어업 활동을 감지하는 등 규정 준수 여부를 모니터링하는 역량을 높일 수 있습니다.
• 포괄적인 데이터 분석: AI는 위성, 드론, 센서의 데이터를 사람보다 빠르고 정밀하게 분석해 철저한 환경 감독과 보호를 지원할 수 있습니다.

데이터 정확도 및 의사 결정 개선#

• 정밀한 데이터 처리: AI는 대규모 데이터셋을 높은 정밀도로 처리해 정확한 데이터 수집을 지원하고 오류를 최소화하며, 정보에 기반한 의사 결정을 위해 신뢰할 수 있는 분석 결과를 제공합니다.
• 예측 모델 및 규제 지원: AI는 어류 개체군의 역학과 환경 변화를 분석해 정확한 추정치를 제공함으로써 지속 가능한 어획 한도 설정과 효과적인 보전 전략 수립을 돕습니다. AI는 환경 추세를 예측할 뿐 아니라 어류 개체 수도 정밀하게 계수해 규제 조치가 신뢰할 수 있는 데이터에 기반하도록 합니다. 이러한 이중 역량은 해양 자원을 지속 가능하게 관리하는 능력을 강화합니다.
• 선제적 관리: AI가 생성한 인사이트는 인적 오류를 줄이고 선제적인 의사 결정을 지원해 정확하고 최신인 데이터와 예측 분석을 바탕으로 적시에 개입할 수 있도록 합니다.

지속 가능한 관행 촉진#

• 운영 최적화 및 혼획 감소: AI는 어업에 최적인 시간과 장소를 예측해 어업 운영을 최적화하고 환경 영향을 줄이며, 혼획을 최소화하고 더욱 선별적이고 지속 가능한 어획을 보장합니다.
• 친환경 기술 개발: AI는 친환경적인 방법과 기술의 개발을 지원해 효율적이고 책임감 있는 어업 관행을 장려합니다. 여기에는 정밀 양식 기술 개발과 건강한 해양 생태계 유지를 위한 서식지 복원 활동 촉진이 포함됩니다.

이러한 이점은 해양 산업의 지속 가능성과 효과를 높이는 AI의 혁신적 잠재력을 보여줍니다. 그러나 AI 기술을 도입하면 다음과 같은 몇 가지 중대한 과제가 발생합니다.

높은 초기 도입 비용#

• 투자 요건: 해양 산업에 AI 기술을 도입하려면 하드웨어, 소프트웨어, 교육에 상당한 초기 투자가 필요합니다. 초기 비용은 소규모 조직과 개발도상국에 부담이 될 수 있어 광범위한 도입을 제한합니다.
• 인프라 개발: 데이터 수집 시스템, 고속 인터넷, 컴퓨팅 성능 등 AI에 필요한 인프라를 구축하면 재정적 부담이 커집니다. 특히 외딴 지역이나 저개발 지역에서는 상당한 장벽이 될 수 있습니다.

기술 의존성과 잠재적 장애#

• 신뢰성 문제: 해양 산업이 AI 기술에 의존하면 시스템 장애나 오작동과 관련된 위험이 발생합니다. 기술적 결함은 심각한 운영 중단과 재정적 손실로 이어질 수 있습니다.
• 기술 격차: AI 시스템의 도입과 유지 관리에는 전문 지식과 기술이 필요합니다. 인력이 AI 기술을 효과적으로 관리하고 활용할 수 있도록 지속적인 교육과 훈련이 필요합니다.
• 적응성: AI 기술의 발전이 빠르기 때문에 시스템이 금세 구식이 될 수 있습니다. AI 시스템의 관련성과 효과를 유지하려면 지속적인 업데이트와 조정이 필요하며, 이는 어렵고 많은 자원이 소요될 수 있습니다.

윤리 및 개인정보 보호 문제#

• 데이터 개인정보 보호: AI 시스템은 방대한 양의 데이터에 의존하므로 민감한 정보의 개인정보 보호와 보안에 대한 우려가 제기됩니다. 해양 산업에서는 선박 이동, 어업 활동, 환경 모니터링 관련 데이터를 수집하고 사용하는 과정에서 개인정보 보호 문제가 발생할 수 있습니다. 개인, 기업, 독점 정보를 보호하려면 데이터 수집과 사용이 개인정보 보호 법률 및 규정을 준수하도록 하는 것이 중요합니다. 야생 생물 데이터는 공개될 수 있지만, 선박의 운영 데이터와 구체적인 어업 방식에 관한 정보는 민감할 수 있으므로 신중하게 처리해야 합니다.

이러한 과제는 해양 산업에 AI를 성공적으로 통합하기 위해 신중한 계획과 관리가 필요하다는 점을 보여줍니다. 위험을 완화하면서 AI의 잠재력을 최대한 활용하려면 이러한 문제를 해결하는 것이 중요합니다.

해양 산업에서 AI의 미래#

자율 운항 선박#

가까운 미래에 현실화될 수 있는 흥미로운 아이디어 중 하나는 AI 기반 자율 선박의 개발입니다. 이는 사람의 개입 없이 독립적으로 운항할 수 있는 선박을 개발하고, 항해, 의사결정, 운항에 고급 AI 시스템을 활용하는 것을 의미합니다. 이러한 선박은 효율성을 높이고 인적 오류를 줄이며 환경 영향을 최소화함으로써 해운업과 어업을 변화시킬 잠재력이 있습니다. 이 프로젝트를 선도하는 기업 중 하나인 Rolls-Royce는 Ship Intelligence 프로그램을 통해 기술 발전을 추진하고 있습니다. 또한 미국 비영리 단체인 ProMare는 IBM과 협력해 “The Mayflower”라는 자율 선박 프로젝트를 시작했습니다.

그림 5. 자율 운항 연구선 “Mayflower”.

환경 모니터링 개선#

실시간 객체 탐지 모델 제품군인 Ultralytics YOLO(You Only Look Once) 모델과 같은 컴퓨터 비전 모델의 발전은 해양 환경 모니터링을 개선할 수 있습니다. 이러한 발전을 통해 불법 어업과 오염 같은 환경 위협을 적시에 감지하여 더욱 효과적으로 대응하고 해양 생태계를 보호할 수 있습니다.

결론#

AI는 모니터링, 규제 집행, 데이터 정확도, 지속가능한 관행을 강화하여 해양 산업을 변화시키고 있습니다. 실시간 추적, 예측 분석, YOLOv8과 같은 고급 모델을 통해 해양 환경에 대한 더 깊은 인사이트를 얻을 수 있습니다.

그러나 이러한 기술 발전을 수용하는 동시에 보전 활동과 균형을 이루는 것이 중요합니다. 지속 가능하고 효과적인 해양 자원 관리를 위해서는 기술이 피해를 일으키지 않으면서 보전을 지원하고 강화하도록 해야 하며, 이를 통해 미래 세대를 위해 바다를 지킬 수 있습니다. AI와 보전의 시너지는 더욱 건강한 해양의 미래를 약속합니다.

컴퓨터 비전의 발전이 궁금하신가요? 커뮤니티에 참여하고 최신 소식을 확인하려면 Ultralytics 문서나 GitHub를 살펴보세요. AI 응용 분야에 대해 더 알아보려면 자율주행과 의료 같은 솔루션도 확인해 보세요.