해양 보존을 위한 행동 취하기

과제 1: 전 세계 해양 쓰레기 데이터 통합하기

5대양 전체에 산재한 해양 쓰레기의 양을 추정하는 것은 생각보다 어렵습니다. 국가와 기관에 지침이 되는 표준 해양쓰레기 데이터 수집 방법은 존재하지 않습니다. 미국 최고의 초당파적 정책 기관 중 하나인 Wilson Center는 UNEP 및 IBM®의 Data Science and AI Elite(DSE) 팀과 함께 전 세계 각지에서 보고된 데이터를 사용할 수 있도록 수많은 스키마와 메타데이터를 조화롭게 조정해야 했습니다.

모든 이해당사자 간 보다 효과적인 협력을 촉진하기 위해 UNEP는 해양 쓰레기를 위한 글로벌 플랫폼 구축을 주요 목표로 설정했습니다. IBM® Cloud Pak for Data의 IBM® Knowledge Catalog를 사용하여 이들은 데이터 과학자를 위한 올바른 데이터를 신속하게 자동으로 정리, 비교, 분류, 규정 준수 및 사용할 수 있도록 할 수 있었습니다. 또한 이 솔루션을 통해 시민 과학자들은 데이터의 출처를 추적하고, 다른 과학자들과 협업하고, 데이터 세트를 요청하고, 평가 및 태그 지정 메커니즘을 사용하여 데이터 세트에 대한 인사이트를 공유할 수 있습니다.

과제 2: 해변의 건강을 보존하기 위해 조건부 데이터 세트 통제

두 번째 과제는 해양 해변 쓰레기의 양을 계산하는 것이었습니다. 통계적으로 무작위 추출된 설문조사는 정확한 과학적 추정치를 만드는 데 도움이 되지만, 쓰레기에 대한 데이터 수집은 본질적으로 무작위입니다. 자원봉사 청소 대원에게 크게 의존하고 있기 때문에, 정화 활동에 관한 데이터는 시간적, 공간적 편향에 의해 형성될 수 있습니다. 예를 들어, 한 자원봉사자가 매일 해변 쓰레기를 수거한다고 가정해 보겠습니다. 그러나 이들이 매일 수집하는 것은 매주 또는 매월 수집하는 누군가의 것과 다르기 때문에 샘플은 무수한 변수에 크게 의존하고 비교 및 분석이 어렵습니다.

또한 어떤 곳은 너무 자주 청소하고 어떤 곳은 거의 손을 대지 않거나 전혀 손을 대지 않는 등 청소 노력은 지역마다 일관성이 없어 샘플이 독립적이지도 않고 동일하게 분포(IID)되어 있지 않다는 것을 나타냅니다. 이러한 조건부 데이터 세트는 일반적인 머신 러닝 방법으로는 문제를 해결할 수 없습니다.

이러한 문제를 해결하기 위해 DSE 팀은 Makov Chain Monte Carlo(MCMC) 샘플링 기법과 함께 베이지안 추론 방법을 활용했습니다. 베이지안 접근법을 통해 문제의 불확실성을 설명할 수 있었고, MCMC를 통해 해양 쓰레기의 매개변수를 추정하기 위한 종속 이벤트 체인을 만들 수 있었습니다. 이 개념 증명을 통해 이 독특한 하이브리드 방법론을 조정하고 수정하여 모델의 강점을 향상시킬 수 있음이 드러났습니다.

DSE 팀은 간소화된 엔드 투 엔드 AI 수명 주기를 구축하기 위해 IBM Cloud Pak for Data에서 머신 러닝 파이프라인을 구축했습니다. 해양 쓰레기 측정을 위한 기준선을 설정한 후 팀은 특정 해변에서 청소 활동에 필요한 자원 봉사자의 수를 예측할 수 있었습니다. 현재 추세와 정책을 기준으로 이 모델은 향후 5년 동안 예상되는 쓰레기의 양을 예측하는 데 도움이 될 것입니다.

과제 3: 예방 및 지원 강화를 위한 미래 전망

해양 쓰레기 문제를 해결하는 가장 좋은 방법은 쓰레기를 예방하는 것입니다. 앞으로 해안 지역 단체는 어떻게 깨끗한 해안선에 대한 영구적인 손상을 방지할 수 있을까요? DSE 팀은 해양 플라스틱을 추적하고 이를 근절하기 위한 보다 정확하고 효과적인 정책을 개발하는 데 도움을 주기 위해 시계열 예측을 생성했습니다. 데이터세트를 손쉽게 사용할 수 있도록 하기 위해 팀에서는 다양한 이해관계자들이 다음 작업을 수행할 수 있는 경영진 대시보드를 만들었습니다.

• 해마다 해양 쓰레기 밀도의 진행 상황 모니터링
• 국가 위치별로 데이터를 세분화하여 시간 경과에 따른 쓰레기 추세 평가
• 특정 해변으로 초점을 좁혀 더욱 세분화된 데이터 수집 가능
• 자원봉사 그룹에 최고의 모바일 앱을 추천하기 위한 방법론 개선

엔드 투 엔드 AI 라이프사이클이 마련되면 과학자와 정책 입안자들은 Wilson Center의 데이터세트에서 정화 작업을 계획하거나 오염 제로에 도달하기 위한 일정을 예측하는 등 더 많은 가치를 추출할 수 있습니다. IBM®의 맞춤형 디지털 대시보드를 사용하면 기술적 전문 지식이 없는 사람도 작업에 쉽게 액세스하고 공유할 수 있습니다.

이러한 도구를 통해 코스타리카와 같은 UNEP 이해관계자들은 플라스틱을 완전히 근절해야겠다는 국가의 목표를 향한 진전 과정을 추적할 수 있습니다.

도전 과제 4: 더 많은 사람들이 해양 쓰레기에 관심을 갖도록 유도

UNEP 지도부는 데이터를 더 심층적으로 분석하여 대중과 해양 쓰레기 문제 사이의 유대감을 형성하고자 했습니다. 이러한 유대감을 형성하기 위해 조직은 정보의 필수 요소로서 디지털 아바타를 구상했습니다. 그렇게 하여 Sam이라는 디지털 휴먼이 탄생했습니다.

IBM의 저명한 엔지니어이자 디지털 휴먼 옹호자인 Richard Darden은 "Sam은 실제로 반응하기 때문에 사용자와 감정적으로 소통할 수 있습니다."라고 설명합니다.

Sam의 감정적인 반응은 IBM® Watson Speech to Text 기술을 사용하는 IBM® Watson Assistant에서 도출됩니다. 이러한 프로그램은 사용자의 의도를 해석한 다음 UNEP의 방대한 저장소 및 기타 자료를 분석하여 Sam의 답변을 정교하게 만들 수 있습니다.

그런 다음 이 정보는 샌프란시스코에 본사를 둔 "디지털 피플"을 만드는 회사인 Soul Machines에서 제작한 실물과 같은 아바타를 통해 필터링됩니다.

IBM은 플라스틱 오염과의 전쟁에서 기술의 힘을 활용함으로써 유엔 환경 총회에서 환경 보존에 대한 의지를 보여 주었으며, AI가 미래의 진전을 측정하는 중요한 도구가 될 수 있고 지속 가능한 해양 생태계를 구축하기 위한 해양 플라스틱 방지에 대한 직접적인 정책에 영향을 미칠 수 있다는 점을 강조했습니다. UNEP는 이제 데이터 수집을 더 쉽고 효과적으로 만드는 데로 관심을 돌리고 있습니다.

Wilson Center는 물체 감지 및 분류 기능을 갖춘 보다 정교한 모바일 앱을 포함하여 해변 정화 활동 외에도 UNEP의 보고에 시민 과학을 활용할 수 있는 방법을 모색하고 있다고 Wilson Center의 혁신 책임자이자 프로젝트 책임자인 Dr. Anne Bowser는 말합니다.

IBM과 그녀와의 협업이 이룬 초기 성공을 바탕으로, Bowser는 AI를 통해 시민 과학자들의 역량을 강화함으로써 더 많은 UNEP 목표(ibm.com 외부 링크)를 달성할 수 있다고 생각합니다. "AI는 지역 사회에서 글로벌 커뮤니티에까지 도움을 줄 수 있는 시민 과학의 강력한 지지자입니다."라고 Bowser는 말합니다. "우리는 이러한 잠재력을 실현하기 위한 첫 번째 단계를 거치고 있습니다."

1968년 미국 의회가 Woodrow Wilson 대통령을 기리기 위해 공식 기념관으로 설립한 Wilson Center(ibm.com 외부 링크)는 독립적인 연구와 열린 대화를 통해 글로벌 문제를 해결하기 위한 미국의 주요 초당파 정책 포럼으로, 정책 커뮤니티를 위한 실행 가능한 아이디어를 제공합니다. 이 조직은 대중의 참여를 유도하기 위해 모바일 앱을 통해 개방적이고 상호 운용 가능한 시민 과학 데이터의 양을 증가시키기 위한 플랫폼인 Earth Challenge 2020을 출시하는 데 도움을 주었습니다.

유엔환경계획(UNEP)

UNEP(ibm.com 외부 링크)는 글로벌 환경 의제를 설정하고 유엔 시스템 내에서 지속 가능한 개발의 환경적 차원의 일관된 이행을 촉진하는 선도적인 글로벌 환경 기관입니다. 1972년에 설립된 이 단체는 지구 환경을 위한 권위 있는 옹호 단체로 활동하고 있습니다. 자세한 내용은 https://www.unep.org(ibm.com 외부 링크)에서 확인하세요.