[초점] AI, 식량 문제 해결의 핵심 열쇠로 부상

AI 기술이 식량 문제 해결에 활용되고 있다.

전 세계적으로 인구가 증가하고 기후변화로 가뭄, 홍수 등의 자연재해가 빈번해지면서 식량 문제가 인류의 생존을 위협하는 중요한 문제로 대두되고 있다. 중국, 유럽, 동아프리카 및 북미의 가뭄은 농작물에 피해를 입히고 전 세계적으로 식량 불안정과 기아 위기를 초래하고 있다.
이런 가운데, AI가 식물학에 도입되어 식량 문제 해결의 새로운 길을 여는 데 큰 도움을 줄 수 있다고 25일(현지시각) 악스오스가 보도했다.

생성형 AI 기술은 식물의 비밀을 파악하는 데 큰 기회를 제공하고 있다. 최신 AI 도구와 컴퓨팅 발전은 식물과 식물이 세상과 상호 작용하는 것에 대한 보다 상세한 관점을 제공해 다양한 작물을 개발하고 농부가 훨씬 나은 미래를 계획하는 데 도움이 될 수 있다는 기대감을 낳고 있다

이제 새로운 AI 기반 도구를 통해 연구자들은 복잡한 분자구조에 숨겨져 있던 생물학의 내부 작업을 밝힐 수 있는 단계로 진입하고 있다. AI는 식물 게놈을 분석하고 서로 다른 영역이 상호 작용하는 방법을 이해하는 데 도움을 주고 있으며, 이를 통해 더 효율적인 작물 육종과 재배를 돕고 있다.

예를 들면, 단백질 구조 예측에 혁명을 일으킨 알파폴드의 새 버전인 구글 딥마인드 ‘알파폴드 3’는 생명의 기초를 형성하는 거의 모든 분자 간 상호작용이 어떻게 생겼는지 예측할 수 있다. 이는 신약이나 기후변화로 인한 자연재해에 대한 피해를 최소화하고, 안정적 식량 공급을 보장하는 작물로 가는 길을 열 수 있으며, 정확한 백신이나 항바이러스 약물을 개발하는 데 도움이 될 수 있다.

앞서, 알파폴드는 식물의 단백질 함량을 60% 이상으로 끌어올렸다. 식물 DNA가 병원균, 가뭄 및 기타 스트레스에 노출되었을 때, 화학적인 변형을 이해하는 데 도움을 제공했다. 식물이 스트레스를 받을 때 어떻게 반응하는지와, 세포가 어떻게 작용하는지에 대한 추적을 도왔다.

또한, 최근의 AI 발전으로 식물 과학자들은 식물의 유전자와 단백질을 넘어 식물 생산과 관련된 토양, 기후 및 농장 관리 관행과 같은 다른 주요 요소들도 고려할 수 있게 되었다.
예를 들어, 미국의 한 연구팀은 AI를 사용하여 토양의 미생물군집(마이크로바이옴)에서 포도 덩굴의 유전적 구성을 예측하는 성과를 거양했다. 이는 식물의 유전학이 토양의 미생물 군집에 영향을 미치고, 작물을 재배하는 데 사용되는 물이나 화학 물질의 양을 줄일 수 있는 유익한 미생물의 더 나은 숙주가 되도록 작물을 사육할 수 있음을 의미한다.

식물이 토양의 미생물과 상호작용하여 영양분을 흡수하고, 병충해에 대한 저항력을 강화할 수 있어, 작물을 재배하는 데 사용하는 물이나 화학 물질 규모를 줄일 수 있어 환경친화적인 농업을 구현하고 수확량을 더 늘릴 수 있도록 돕는다.

또 다른 사례로, 미시간 주립대학교는 생성형 AI와 특수 프로세서를 사용해 사과나무의 디지털 트윈을 구축하고 있다. 이 프로젝트는 라이더가 장착된 아이폰, 카메라, 기타 센서를 사용, 다양한 조건에서 자라는 나무의 이미지 컬렉션을 수집하고, 이를 기반으로 디지털 트윈을 생성한다.

이 디지털 트윈은 나무의 모든 특성을 모방하며, 농부는 이를 통해 작물의 미래 기후 및 밭 조건을 구성하고 예측할 수 있다.

이외 AI는 작물의 생산성을 향상하는 데에도 큰 역할을 할 수 있다. 예를 들어, 로봇 기술과 AI 기술을 결합하여 작물의 생육 상태를 모니터링하고, 필요한 물과 영양분을 자동으로 공급하는 스마트팜을 구축할 수 있다. AI 기술을 활용해 질병을 진단하고, 효과적인 치료 방법도 제시할 수 있다.

이처럼, AI 기술은 인류가 직면한 식량 문제를 해결하는 데 큰 도움이 될 것으로 기대된다. AI 기술을 활용해 작물의 생산성을 높이고, 지속 가능한 농업을 구현함으로써 식량 문제를 해결할 수 있을 것이다. 또, AI 기술을 활용해 새로운 작물을 개발하고, 기존 작물을 개량함으로써 식생활을 개선하고, 건강한 삶을 유지할 수 있을 것이다.

다만, 아직 AI가 식량 문제를 완전히 해결해 줄 수 있는 단계는 아니다.

AI 기술을 활용하는 데에는 아직 기술적인 한계가 존재한다. 식물 생물학에 AI를 통합하는 것은 두 가지 어려움에 직면해 있다.

첫째, 데이터 품질 문제이다. AI는 정확하고 신뢰할 수 있는 데이터가 필요하다. 그러나, 식물 생물학 분야에서는 데이터의 양이 부족하거나, 데이터의 품질이 떨어지는 경우가 많다. 예를 들어, 식물의 이미지 데이터를 수집할 때, 이미지의 해상도가 낮거나, 이미지가 왜곡되는 등의 문제가 발생할 수 있다. 이 문제는 AI의 분석 결과에 영향을 미치며, 정확한 결과를 도출하는 데 어려움을 초래하고 있다.

둘째, 인재 부족이다. 식물 생물학과 AI 모두에 전문 지식을 갖춘 인재가 많지 않다. 두 분야가 서로 다른 전문 지식과 기술을 필요로 하기 때문이다. 인재 부족 문제는 AI를 활용한 식물 생물학 연구의 발전을 저해하는 요인 중 하나이다.

이에 이 부문에 앞선 미국 등에서는 문제를 해결하기 위해 데이터 수집 및 처리 기술을 개선하고, 데이터 품질을 향상시키는 노력을 전개하고 있으며, 특히 식물 생물학과 AI 분야 간의 협력을 강화하고, 인재 양성을 위한 교육 및 지원 프로그램을 강화하고 있다.

이는 우리의 농업이 가야 할 방향을 보여주는 것으로, 시사점이 크다.


박정한 글로벌이코노믹 기자 park@g-enews.com