[더리포트] 수십 년 동안 축적된 레이더 데이터 아카이브는 철새의 이동에 관한 정보의 보고이지만, 그간 방대한 정보를 분석할 도구가 없는 것이 연구의 제약 요인으로 작용했다.

이런 가운데, 최근 인공지능 연구자들이 레이더 기록에서 조류의 이동에 대한 데이터를 추출 및 분석할 수 있는 머신러닝 시스템 'MistNet'을 공개했다.

6일 한국정보화진흥원이 발간한 '글로벌 인공지능 동향'에 따르면 University of Massachusetts Amherst의 인공지능 연구자 Dan Sheldon이 이끄는 연구팀이 레이더 기록을 통해 조류의 이동 정보를 파악할 수 있는 새로운 머신러닝 도구 MistNet을 내놓았다.

MistNet은 이미지의 신경망을 기반으로 하고 있으며, 레이더 데이터의 고유한 특성에 맞춘 여러 아키텍처 구성요소를 포함한다.

Sheldon에 따르면, MistNet은 레이더 기록에서 조류와 관련된 데이터만을 선별할 수 있고 이에 따라 수십 년 동안 축적된 레이더 데이터 아카이브에서 조류 이동에 대한 정보를 활용할 수 있도록 지원한다.

MistNet은 20년 이상 미국 대륙의 조류 이동 상황이 반영된 대규모 데이터셋을 자동으로 처리 할 수 있으며, 딥러닝 기술을 통해 이미지, 영상, 오디오에 대한 컴퓨터의 식별 역량을 대폭 향상했다.

Sheldon은 “인공지능의 이미지 및 영상 인식 수준이 인간을 모방할 수 있는 단계에 이르렀다며, 인간의 수작업 데이터 추출 대비 더 탁월한 성과를 기록하고 있다”고 주장했다. 

MistNet과 같은 인공지능 솔루션에 기반을 둔 레이더 조류학은 빠른 속도로 발전하고 있으며, 이는 대륙 규모의 조류 이동 패턴에 대한 중요한 발견으로 이어지고 있다는 것이 Sheldon을 위시한 연구팀의 평가다.

연구팀은 지난 24년 동안 조류의 이동이 발생한 장소와 시기를 지도로 표시하고, 미국에서 가장 집중적인 조류 이동이 이루어진 미시시피강 서부 지역의 상황을 애니메이션으로 표현했다. MistNet을 통해, 이동 중인 조류의 비행 속도와 조류 집단의 밀도를 추정하는 것도 가능하다.  

MistNet은 △기상 레이더에 포착된 데이터 △eBird와 같은 시민 과학 프로젝트 △각종 동물 추적 장치 △지구 관측 장비 등에 의해 생성된 빅데이터의 폭발적 증가에 부응하여 이를 보다 더 쉽게 ​이용할 수 있도록 지원한다.

Sheldon은 이러한 장점을 가진 MistNet을 이용해 다양한 과학 연구 및 환경 보존 활동이 이루어질 수 있을 것으로 기대했다.

예컨대, 많은 지역에서 계절에 따라 단 며칠 밤 동안 대규모 조류 이동이 집중되고 있는 만큼 조류의 이동 관련 데이터를 분석하여 해당 기간 동안에는 초고층 조명을 소등해 새들의 이동이 원활하게 이루어질 수 있도록 대응하는 것이 가능하다.

조류 이동의 시기에 대한 장기간의 기록을 분석함으로써, 지구 표면에서 일어나는 기상 변화가 조류의 이동에 미치는 영향 등에 대한 연구도 가능하다.

이에 따라 수십 년 동안 기록된 방대한 데이터에 대한 자동 식별 및 추출 기능의 개선으로 조류의 이동에 관한 연구의 효율성을 높이고 조류 보호와 기후 변화 대응 등의 응용 연구 분야에도 기여할 수 있을 것으로 기대된다.