(편집부 주 : 본고를 집필 한 Joseph Byrum는 Principal Financial Group의 수석 데이터 과학자이다. 그는 유전학 박사 학위를 보유하고있다)
인공 지능은 Alexa와 Siri에 "전기를 달고"고 부탁하고, "나중에 우유를 사기」라는 요건을 알림 설정 할만을위한 것이 아니다.
사실, 인공 지능과 기계 학습이 본령을 발휘하는 것은 지금까지 소수의 전문가 만 할 수 없었던 것을 누구나 할 수있는 것이다. 그 결과, 무인 자동 운전 차량에 슈퍼마켓에 가서, 그곳에서는 고품질의 재료가 전례없는 낮은 가격으로 판매하고 있다는 같은 것이 될 수도 모른다.
그것은 엄청난 양의 데이터를 캡처하고 패턴을 찾아 내 어떤 행동을 취하면 더 좋은 결과를 얻을 수 있는지를 통계 학적으로 생각하여 실현한다.
예를 들어, Google의 자동 운전 자동차는 길거리에서 일어날 수있는 모든 것을 분류하기 위하여 기계 학습을 이용하고있다. 자동차가 달리고있는 레인의 전방에 탑재하는 센서가 쓰레기 수거 트럭을 인식했을 때, 많은 경우 깜박이로 신호를내는 일없이 트랙을 피하기 위해 차선을 변경한다. 그러한 패턴을 Google의 자동 운전 자동차 정보로 축적한다. 그리고 깜박이 신호없이 차선 변경을 초래할지도 모른다 사고의 가능성을 최소로 유지하는 주행 차선과 속도 등을 조정하게된다.
위험을 예견하면서 운전하는 것은 많은 사람들에게 당연한 것이다. 그러나 몇 년 전까지 이러한 기술을 기계에 부여 할 생각 못했다. 핸들을 잡는 사람의 운전 수준은 다양하며 교통보다 스마트 폰에 관심을 돌리고있다 드라이버도있다. 그러한 혼란을 보이고있다 교통 상황에 기계는 지금 강력한 알고리즘으로 대응할 수있게되었다.
인공 지능과 농업
놀랄지도 모르지만, 기계 학습을 농업에 적용 할 현격 한 차이 어렵다. 예를 들어, 교통망이면지도라는 확고한 정보가있다. 자주 변경되는 것은 아니고, 알고리즘은이 정보를 바탕으로 판단을 내릴.
하지만 농업은 그렇지 않다. 아마추어의 눈에는 문제없는 것처럼 보이는 밀밭도 실제로는 혼돈이다. 날씨는 예측이 붙지 않고, 토양의 상태도 변화하고 언제 해충과 병해가 발생 모르겠어요. 같은 밭 중에서도 위치에 따라 컨디션이 달라진다. 당연히 농민은 결국 수확하기까지 어느 정도의 수율 될지 모르는 것이다.
농업을위한 AI 시스템은 성장 가능성이 큰
있는 작물의 씨앗을 아이오와 밭에 뿌리 치자. 그리고 같은 씨앗을 브라질에 뿌리. 그 재배 결과는 아마도 완전히 다른 것이 될 것이다. 만약 같은이었다고해도 다음 실험하면 결과는 다른 것이 될지도 모른다. 작물 재배는 토양의 영양 상태, 날씨, 강수량, 온도, 해충의 유무 등 여러 가지 요소가 얽혀 있기 때문이다.
그러한 혼돈을 심판의 기계 학습은 힘을 발휘한다. 밭에 설치 한 원격 센서는 밭이 어떤 상황에 있는지 통계 데이터로 정보 수집한다. 그 데이터를 알고리즘에 걸면 가장 가능성이 큰 수확 결과를 예상한다.
이러한 AI 알고리즘을 이용하면 농가는 수확량을 늘리기 위해 적절하게 손볼 수있다. 육종가이라면 작물의 품종 개량에 AI 알고리즘을 활용할 수있다. 결과적으로 슈퍼에 진열 제품의 가격을 낮출으로 이어질 것이다.
농업 전문 지식을 누구나 사용할 수 있도록
지금까지의 농업 방식을 생각하면, AI의 활용은 변화라고해도 좋을 것이다. 몇 세기에 걸쳐 농가는 작물을 재배하는 데 감에 의지 해왔다. 오랜 경험을 바탕으로 최선의 방법인지 직관적으로 알 것이다. 농가가 컴퓨터를 활용하고 싶어하지 않았기 때문이 아니라 원래 컴퓨터는 완전히 유용한 것은 아니었다. 두 값 논리를 취하는 초기의 컴퓨터는 매우 유동적 인 요소를 안고있는 농업에 적합하지 않은 것이다.
그러므로 농가는 경험에 의지하지 않을 수 없었다. 하지만 경험이없는 농가에서도 상황에 따라 정확하게 판단하고 재배 할 수있게되면 어떻게 될까. 이것은 경험 농가가 적은 개발 도상국에서 특히 중요한 의미를 가지고 온다.
관리 형 농업의 도입 증가는 기계 학습의 장점을 널리 침투시킬으로 이어질 것이다. 원격 센서, 위성, 무인 항공기를 사용하면 작물의 상태, 토양의 상태, 온도, 습도 등 농지의 정보를 24 시간 언제든지 수집 할 수있다. 정보는 방대한 양되지만, 알고리즘이 그들을 처리하고 사용할 수있는 데이터에 준다.
다음 과제는 수집 한 데이터를 활용하여 어떻게 수확량을 확실하게 할 수 있는지 그 대답에지도 같은 알고리즘을 개발하는 것이다. 이것이 실현되면 재배 비용을 억제 할 수있어 결과적으로 소비자가 혜택.
AI에서 품종 개량도
농업에서는 몇 세기에 걸쳐 작물이 가뭄과 해충에 강하고되도록 품종 개량이 이루어 왔지만,이 분야에 기계 학습 알고리즘을 적용 할 수있다. 지금까지의 품종 개량라고하면 작물의 모양과 긴 수명, 맛을 좋게하기 위해 가장 좋은 품종을 교배시키는 것이었다. 그러나 AI를 활용하면 강한 품종을 선택하기 위하여 이에 따라 수확량도 늘어난다.
기계 학습은 어떤 작물을 심고 어떤 새로운 품종을 테스트해야하는지 등면에서도 조언 해 준다. 인간이 시행 착오 과정을 알고리즘 단축 할 수 있으며, 개량 한 작물이 실제로 재배되고 그리고 슈퍼에 일렬로 세워지는 것이 어느 때보다도 빨라진다. 반복되지만, 기계 학습의 활용으로 작물은 높은 품질입니다, 가격은 내려 간다.
농업 분야에서의 AI 시스템은 상당한 성장 잠재력을 지니고있다. 알고리즘이 똑똑해질수록 그 혜택은 슈퍼에 나타날 것이다.