실제 농업에 적용할 수 있는 인공지능(AI)기술은

실제 농업에 적용할 수 있는 인공지능(AI)기술을 만들려면

2월에 진행된 한 포럼에서 한 농업 인공지능(AI) 관련 스타트업 대표가 실제 농업에 적용할 수 있는 인공지능(AI)기술을 만들려면 다양한 데이터가 필요하고 그중에 작물 생육 데이터가 중요한데 현재 우리나라에는 환경 데이터는 많이 있는데 작물 생육 데이터를 찾기가 어렵다고 이야기했다.

그날, 이 말에 많이 공감했다.

우리가 인공지능(AI)이라면 공상과학에 나오는 만능의 뭔가로 생각하지만, 그 근본적인 뼈대를 보면 입력변수(x)와 출력변수(y)로 이루어진 함수식이다.

물론 그 변수의 개수와 복잡성이 깊어지면 우리가 상상하기 힘든 많은 자원이 소모되고 사람이 수백 년이 걸릴 일들은 단시간에 처리할 수 있지만 결국 그 근본적인 뼈대는 앞서 언급한 것과 같이 원인(x)과 결과(y)로 이루어진 함수식인 것이다.

내가 농업에서 인공지능(AI) 이야기를 들을 때마다 아쉬웠던 점이 다양한 센서를 이용해 온실 내에서 온도, 습도, 광량, 양액의 pH, EC 등 작물의 성장에 영향을 미치는 입력변수(x)는 많은데 그 입력변수(x)로 인한 출력변수(y)에 대한 것이 많이 없다는 것이었다.

작물을 재배하며 어떤 입력변수(x)를 변화시켰을 때 맛이 어떻게 변화하고 당도와 산도가 어떻게 변화며 식감이 어떻게 변화한다는 것과 같은 출력변수(y)에 대한 부분을 거의 찾기가 어려웠다.

대부분의 출력변수라면 제곱미터(m2)당 수확량이 얼마나 늘었다는 것과 같은 단순한 내용뿐이었다.

제곱미터당 수확량만을 늘이자고 그 많은 데이터를 수집하고 분석할 필요가 있을까?

그 많은 입력변수(x) 데이터가 작물의 수확량뿐만 아니라 다양한 출력변수(y)에 영향을 미치고 있는 것은 자명한 사실인데 그쪽은 별로 보이지 않는다.

실제 농업에 적용할 수 있는 인공지능(AI) 기술을 만들려면 입력변수(x)뿐 아니라 출력변수(y)를 어떻게 측정하고 축적할 것인가에 대한 고민도 많이 되어야 할 것이다.