와인과 인공지능(1)
포도주는 맥주와 함께 인류가 공유해온 가장 오래된 알코올 음료중 하나입니다. 이집트의 벽화에서도 와인을 양조했던 기록들이 나옵니다. 그리스 등지에서 발굴된 점토 항아리 성분을 분석하면 폴리페놀 성분이 나오는데 이는 포도주의 주요 성분이기도 하지요. 이러한 포도주는 우리에게 약간은 생소하고 고급 문화로 알려져 있습니다만, 유럽이나 미국 등지에서는 우리의 소주 정도로 보편적인 술입니다. 이런 분야에도 인공지능이 최근 중요한 이슈로 각광받고 있습니다.
그렇다면 어디에서 인공지능이 사용되고 있을까요? 핵심은 포도 자체에 있습니다. 와인은 "100% 과즙으로 만든 술"이라는 정의가 되어 있습니다. 와인의 품질을 개선시키기 위해서는 바로 이 포도가 "건강"해야 합니다. 건강한 포도를 얻기 위해서 지금까지는 포도밭을 사람이 직접 걸어다니며, 관리를 했습니다. 그러나 포도밭이 넓으면 이에 대한 분석이 어려워집니다. 다음의 사진을 보는 바와 같이 겉으로는 다 똑같은 포도밭이라 하더라도 성장속도가 제각각이며 온도, 잎의 특성들이 모두 다 다릅니다. 이러한 데이터들을 수집하고 현장에서 수확한 지점별 포도의 발육상태 데이터를 분석하면 어느 지역의 포도를 집중적으로 관리할지, 어떤 품종을 더 심어야 할지 판단할 수 이게 됩니다.
포도밭의 항공 촬영(출처: Drones Take to the Skies Over Napa Valley Vineyards, sUAS news)사진 출처: https://www.suasnews.com/2016/11/drones-take-skies-napa-valley-vineyards/
이처럼 농업AI데이터에서 중요한 것은 열화상 분석입니다. 열화상 분석을 하게 되면 어느 곳에 수분이 부족한지, 땅의 특성이 어떠한지 등을 분석할 수 있습니다. 우리나라의 과실(감귤 등)에서도 이러한 데이터들은 중요한 역할을 하지만 특히 면적이 넓은 외국의 포도밭은 이러한 방법으로 선별적으로 물을 공급하거나 여러가지 관리 기법을 적용할 수 있습니다.
물론 이 방법을 쓰기 위해서는 AI가 판별할 수 있는 데이터 구축은 필수입니다. 초기 데이터, 수확기 데이터에 대해서 주기적으로 조사를 해주어야만 정확한 예측이 가능하겠지요. 이 데이터를 수집해서 최종 포도 생산량에 대한 예측도 가능해집니다.
다음으로는 아무리 포도가 잘 성장했다 하더라도 알갱이들이 문제가 될 수 있습니다. 우리가 포도를 먹을 때에도 잘 익은 알갱이와 잘 익지 않은 알갱이들이 있지요. 이러한 알갱이를 분석하기 위해 AI가 활용됩니다. 다음은 독일의 Armbruster사의 포도 분류기인데, 각 알갱이별로 문제가 생기는 것이 있으면 에어건을 쏘아서 포도를 선별합니다. 이 때에 촬영되는 카메라는 초당 18000프레임을 찍는 고속 장비입니다. 이 정도는 되어야 포도 생산성도 있겠지요.
포도를 얼마나 잘 만들어내느냐는 와인의 품질을 결정하는 주요한 요소입니다. 이러한 장비들로 수작업으로 분류하는 포도보다 훨씬 좋은 포도를 얻게 됩니다. 당연히 와인의 가격은 낮아지고 맛은 더 좋아지겠지요. 지금 우리가 맛보고 있는 와인들은 이러한 기술 진보로 더 뛰어난 맛을 제공하고 있다는 점 있지 말아주세요. 인공지능은 생각보다 우리 주변에 가까이 있습니다.
본 글은 한국정보화진흥원(NIA)의 인공지능 데이터 공개 사이트인 AIHub 블로그에도 공유되어 있습니다.
