머신러닝, 멸종위기 동물을 구하다

가 +
가 -

머신러닝의 쓰임새는 다양하다. 충분한 데이터만 확보할 수 있다면 생각지 못했던 분야에서도 도움이 될 수 있다. 구글이 지난 11월9일(현지시간) 텐서플로우 출시 1주년을 맞아 멸종위기 동물 보호에 머신러닝이 쓰이는 사례를 소개했다.

멸종위기 동물의 개체수를 파악하라

멸종위기 동물인 바다소는 어망에 잡히거나 해안지대 개발로 살 곳을 잃으며 개체수가 줄어들고 있다. 바다소뿐이랴. 다른 해양 포유동물도 마찬가지 상황이다.

dugong

바다소목에 속하는 ‘듀공’, flickr, flickker photos, CC BY

게다가 이 동물은 추적도 무척 힘들다. 멸종위기 동물의 개체수를 정확히 파악하는 것은 개체 보호 활동에서 핵심 작업이다. 수십년 간 과학자들은 이 작업을 수행하기 위해 며칠 동안 소형 비행기를 타고 바다소 무리를 추적해야 했다. 비용도 많이 들고, 위험이 따르는 일이다.

이 문제를 해결하기 위해 머독대학교의 아만다 호지슨 박사는 드론으로 바다의 항공사진을 찍는 방법을 고안했다. 하지만 이 방법에도 문제가 있었다. 다음 사진에서 바다소를 찾아보자.

find_the_sea_cow

사진=구글블로그

find_the_sea_cow_solution

사진=구글블로그

동그라미로 표시한 곳, 작은 회색 조각이 바다소다. 문제는 이런 사진이 수만장이라는 점이다. 수만장의 사진 속에서 바다소를 식별하지 못하면, 드론으로 수만장의 사진을 찍는 새로운 방법은 의미를 잃는다. 그렇다고 사람이 일일이 사진을 뒤지며 바다소를 찾는 데도 한계가 있다. 찾는 것부터가 쉽지 않은데다, 시간도 오래 걸린다.

호지슨 박사는 이 문제를 해결하기 위해 머신러닝을 활용했다. 호지슨 박사는 퀸즐랜드 공과대학의 프레더릭 메어 박사와 손잡고 구글의 오픈소스 머신러닝 플랫폼인 텐서플로우를 활용해 바다소를 자동으로 식별하는 탐지기를 개발했다. 탐지기는 비록 초기 버전이지만, 바다소의 80%를 식별해냈다.

humpback whale

혹등고래, flickr, Sylke Rohrlach, CC BY

이 방법은 바다소뿐만 아니라 혹등고래 등 다른 해양 포유동물에도 확대 적용할 수 있다. 멸종위기 동물들에 대해 대규모 개체수 추적이 가능해지면 관리·보호 활동에도 큰 진전이 있을 수 있다. 인간의 활동이 동물의 멸종 위험에 얼마나 많은 영향을 미치는지, 서식지 보호가 시급한 곳은 어디인지 등 필요한 정보를 더 정확하게 얻을 수 있기 때문이다. 존 고든 구글 디벨로퍼 애드버킷은 “머신러닝은 소중한 바다소를 구하는 데 작지만 의미 있는 도움을 줄 수 있다”라고 의의를 설명했다.