농업모델에 따른 인공지능 적용의 난이도는?

Farm and Artificical Intelligence

농업에 인공지능을 적용한다는 것은 매우 어려운 일입니다.

단순히 일사량이나 강수량, 온도, 습도와 같은 환경정보와 토양의 비옥도와 같은 정보를 수집하고, 드론을 뛰워 식물의 생육 영상을 수집한다고 해서 인공지능으로 식물의 라이프사이클 전반을 관리하고 예측할 수없습니다.

물론 아주 작은 일부분 들은 단편적으로 가능할 수 있습니다.

예를 들어 드론을 뛰워 식물의 영상을 확인하면 현재 식물 생육상태가 어떻고, 이렇게 자랄 경우 어느 정도의 수확이 예측된다와 같은 것은 가능하겠죠. 그러나 그런 예측은 계속 변화하는 날씨와 환경 들로 인해 계속 변화하고 결국 암묵지를 가진 농부의 노하우를 따라가기 어려울 경우가 생기게 됩니다.

투자된 비용에 비해 큰 성과를 얻을 수 없는 것이죠.

인공지능으로 미래를 예측하기 위해서는 미래에 식물에 주어지는 입력 변수 즉 환경변수를 예측해야 합니다.

이런 관점에서 보면 농업모델을 노지농업과 온실(GreenHouse) 그리고 식물공장(Indoor Vertical Farm)의 3가지로 나눌 때 농업에 인공지능의 적용 난이도는 식물공장이 가장 쉽고, 그다음이 온실, 가장 어려운 것은 노지농업이라고 할 수 있습니다.

노지농업이 온실 스마트팜보다 데이터를 축적하고 인공지능을 적용하기 어려운 것은 축적된 과거의 데이터(입력변수)와 동일한 데이터(입력변수)가 미래에  나타나기 어려울 정도로 경우의 수가 무한대에 가깝기 때문입니다.

노지농업에서 축적되는 환경 데이터(입력변수)는 대부분 날씨들이고 날씨는 한 번도 똑같은 날씨가 없기 때문입니다.

노지는 내가 예측하고 관리할 수 있는 변수가 거의 없습니다.

땅에 심는 종자, 토양의 비옥도 등과 같은 몇 가지 변수 외 거의 모든 변수를 하늘에 맡겨야 하니 인공지능에게 무한대의 변수를 주는 것이나 같습니다.

이경우는 아주 짧은 시간을 분석해서 단편적인 결과를 얻는 것 외는 사실 분석의 의미가 없어집니다.

앞서 언급한 것과 같이 드론으로 영상을 촬영하고 재배결과를 예측하는 것과 같은 단편적인 결과를 연결하는 것만 가능하게 되는 것이죠.

물론 수십 년의 긴 시간에 대한 데이터가 축적이 된다면 어느 정도 의미가 있을지 모르지만 기후변화로 예측하기  힘든 현대에서는 더욱 어려운 일이 되고 있습니다.

온실 스마트팜은 그래도 내가 관리할 수 있는 변수가 많아서 어느 정도 관리가 가능합니다.

그러나 외부 환경의 영향을 전혀 받지 않을 수가 없기 때문에 태양빛이나 온도, 습도 등의 관리를 내가 예측하기 어렵고 주어진 환경에 대응하는 개념으로 관리가 되기 때문에 상당한 데이터가 축적되어야 의미 있는 결과를 얻을 수 있습니다.

의미 있는 결과를 얻기 위해서는 재배장소의 위치나 크기를 동일하게 하고 상당한 오랜 기간 동안 재배를 하며 데이터를 축적해야 의미가 있다는 것입니다. 그런데 식물공장은 입력되는 모든 변수를 통제하고 관리할 수 있습니다. 즉 입력 변수에 따른 출력 변수만 철저히 측정을 한다면 데이터 축적에 따라 다양한 의미 있는 결과를 얻을 수 있습니다.

결과적으로 식물을 재배하는데 인공지능을 적용한다는 것은 식물을 재배하는 환경변수를  얼마만큼 제어할 수 있느냐가 그 난이도를 결정합니다. 그래서 식물공장의 난이도가 가장 낮고, 그다음이 온실 스마트팜, 가장 어려운 것이 노지농업이라고 생각합니다.

저는 농업에 인공지능을 적용을 한다면 적용의 난이도가 가장 낮은 식물공장부터 시작해서 식물성장의 고유특성을 데이터화하고 그 결과를 온실 스마트팜, 노지농업으로 확대하는 방식을 추천드리고 싶습니다.