식량 위기: AI가 농업의 혼란 속에서 사람들을 먹여 살리게 된다.
트랙터가 발명되기 전에 농부들은 말과 노새와 같은 짐을 실은 짐승과 함께 쉴 새 없이 땅을 일구었고, 매년 한 마리당 6에이커의 땅이 필요했다.
변화, 일자리 대체 또는 비용을 두려워한 농장주들은 트랙터에 대해 기뻐하지 않았고 대체로 회의적이었다. 그래도 20세기 초에 트랙터의 사용이 표준이 되어 모든 규모와 작물 유형의 농장에서 땅을 더 효율적으로 경작하고 갈 수 있게 되었다. 트랙터는 농부들에게 사업 운영을 개선할 수 있는 도구를 제공했을 뿐만 아니라 식량 공급을 보충하는 데에도 도움이 되었다.
AI가 거의 모든 산업을 파괴함에 따라 여러 측면에서 상당한 장애물에 직면한 농업 부문은 머신러닝, 컴퓨터 비전 및 기타 데이터 기반 프로세스를 신중하게 받아들이고 있다. 트랙터는 녹색 혁명을 촉발한 다른 발명품의 수용을 이끌었고, 많은 사람들이 식량 불안이 증가함에 따라 AI가 동일한 효과를 낼 것으로 기대하고 있다.
하지만 농업 산업이 AI를 받아들여야 하는 이유는 무엇이며, 식량 불안을 막을 만큼 충분히 빠르게 충분한 지원을 제공할 수 있을까?
농업에 지금 AI의 효율성이 필요한 이유
이집트의 밀 농부들은 작물에 충분한 물을 공급하는 데 어려움을 겪고 있으며, 캘리포니아의 채소 재배자들은 예상치 못한 극심한 기상 조건을 겪고 있다. 그러나 글로벌 농업은 기후 변화의 환경적 영향에만 맞서고 있는 것이 아니다. 이 산업은 신속히 시정되지 않으면 식량 불안 수치를 더욱 부풀릴 길고 다양한 문제와 혼란에 직면해 있다.
기후 변화 위협은 실존적이지만 노동 문제는 농업의 모든 측면에 영향을 미친다. 서구 세계의 대부분은 밭에서 길고 힘든 하루를 일하기 위해 경험이 풍부한 계절적 이주 노동자에 크게 의존한다. 그래도 코로나-19 팬데믹과 기타 불안정 요인으로 인한 혼란으로 많은 농장이 인력 부족에 빠졌다. 게다가 사회적 압박과 라이프스타일 고려 사항의 변화로 인해 많은 농장 출신 청년들이 하이테크나 다른 더 매력적인 직업을 위해 밭과 과수원을 피하고 있다.
노동력 부족은 한 가지 문제이지만 숙련된 노동자를 대체하는 것은 거리에서 무작위로 사람을 뽑는 것만큼 간단하지 않다. 정찰, 수확, 관개 시스템 관리와 같은 중요한 역할은 허용 가능한 수준으로 수행하려면 전문 지식과 교육이 필요하다.
전쟁과 노동 혼란은 공급망을 교란시켜 식량 불안정성을 더욱 악화시킨다. 예를 들어, "유럽의 곡창지대"로 알려진 우크라이나와의 지속적인 러시아 전쟁은 식량 공급 흐름을 심각하게 막았으며, 특히 아프리카와 같이 이미 식량 불안정에 시달리고 있는 세계의 일부 지역으로의 흐름이 막혔다.
또한 투입 비용 상승, 생산 가치 감소, 시장 변화로 인해 많은 농장의 생산성이 감소하고 재배자의 이익 마진이 급락하고 있다. 이것만으로 농사가 충분히 어려워지지 않는다면 기후 변화가 이 모든 것을 악화시켜 전통적으로 기술에 저항적인 재배자가 감소하는 이익을 보완하고 글로벌 수요를 충족하기 위해 AI로 전환하도록 장려한다.
그러나 첫 번째 단계는 기술 제공자가 재배자와 신뢰를 구축하는 것이다. 이는 AI가 이미 엄청난 차이를 만들고 있는 부분을 강조함으로써 이루어질 수 있다.
AI가 재배자가 식량 흐름을 유지하는 데 도움이 되는 곳
유엔 식량 농업 기구는 농부가 2050년에 예상되는 91억 명의 세계 인구를 먹여 살리기 위해 70% 더 많은 식량을 생산해야 한다고 추정한다. 적절한 기술 없이 기후 영향을 고려하는 재배자에게는 어려운 일이다.
많은 산업에서 AI 응용 프로그램은 더 이론적이고 테스트와 품질 보증을 거치는 데 시간이 필요하다. 대표적인 예인 의료는 AI의 도움이 필요하지만 데이터 프라이버시와 부정 행위에 대한 우려로 인해 현재 사용이 제한적이다.
하지만 농업에서는 새로운 AI 응용 프로그램을 통해 농장과 농부가 힘을 얻고 있다. 여기에는 전염병, 전쟁 또는 기후 변화의 영향을 흡수할 자원이 없는 소규모 지역 재배자가 포함된다.
전 세계에서 두 번째로 큰 농산물 수출국이자 인구 밀도가 높은 국가 중 하나인 네덜란드는 지리적 한계를 극복하고 토지를 보존하기 위한 혁신적인 접근 방식이 항상 필요했다. 1944-45년 기근의 역사적 기억을 바탕으로 네덜란드는 농업 분야에서 AI를 광범위하게 수용하여 작물 생산을 최적화하고 컴퓨터 비전을 활용하여 식물 건강을 모니터링하고 농장과 온실에서 데이터 중심의 의사 결정을 내리는 정밀 농업 관행을 구현했다.
작년에 네덜란드 과학 연구 기구(NWO)는 식물 생물학, 계산 모델링, AI를 통합하여 기후 변화에 더 잘 견디고 화학적 작물 보호에 덜 의존하는 작물 품종을 개발하는 새로운 기관을 설립했다.
미국은 아마도 최고의 농경지가 풍부하게 있다. 그러나 평균적인 미국 농부는 거의 60세이며, 그 중 약 40%가 65세 이상이다. 노령화되고 인력이 부족한 재배자를 돕기 위해 AI와 로봇 공학이 미국 농장에서 점점 더 보편화되고 있으며, 수확량을 개선하고 작물 건강을 증진할 수 있는 정보에 입각한 의사 결정을 내리기 위해 데이터 중심의 통찰력을 제공하는 동시에 수확 및 경운과 같은 노동 집약적 작업의 생산성을 높이고 있다.
더 높은 품질의 데이터와 ML, 컴퓨터 비전, 딥 러닝, 혁신적인 로봇공학의 개선을 통해 AI는 재배자가 농업을 더 실행 가능한 사업으로, 더 지속 가능하고 전반적으로 더 효율적으로 만드는 데 적극적으로 도움을 주고 있다.
예를 들어 재배자와 기술 제공자 간의 데이터 공유 및 협업은 생산성과 작물 지식을 향상시키는 귀중한 정보를 확산하는 데 도움이 될 수 있으며, 이를 통해 AI 시스템이 개선되고 재배자는 귀중한 통찰력을 얻을 수 있다. AI와 데이터 공유는 특정 지역에서 확산되는 새로운 작물 위협에 대한 농업 커뮤니티 경고에도 도움이 될 수 있다. AI 도구를 사용하든 작물 모니터링 또는 예측 분석을 위해 생성한 데이터를 사용하든, 식량 안보를 강화하기 위한 전투에서 관련 탄약이다.
