마이크로소프트, 애저, AI 기술이 캘리포니아 산불 위험에 맞서다

마이크로소프트는 AI 기반 산불 탐지 기술에 투자하고 있으며, CVP 겸 수석 데이터 과학자인 후안 라비스타 페레스가 환경 피해 완화 전략을 논의하고 있다.

NASA에 따르면, 기후 변화는 지구상의 모든 사람에게 영향을 미치며, 기온 상승, 강수 패턴의 변화, 해수면 상승 등의 형태로 나타납니다.

NASA는 인간 활동이 주된 원인으로 작용하여 지구가 전례 없는 속도로 온난화되고 있다는 명백한 증거가 있다고 밝혔습니다.

지구 기온이 상승함에 따라 산불이 점점 더 큰 위협이 되고 있습니다.

미국에서는 기온 상승, 장기화된 가뭄, 개발 확대 등으로 인해 지역 사회와 생태계에 대한 위험이 커지고 있습니다.

작년 전국적으로 약 78,000건의 산불이 보고되었으며, 이는 전년 대비 20% 증가한 수치입니다.

역사적으로 산불이 산림, 초원, 해안 지형을 형성해 온 캘리포니아에서는, 지역사회가 기후 변화의 영향과 어떻게 공존할지를 관리하는 문제가 점점 더 중요한 과제로 대두되고 있습니다.

과학자, 소방관, 그리고 마이크로소프트의 AI for Good Lab은 AI를 활용하여 산불을 조기에 탐지함으로써, 긴급 대응팀이 대응할 수 있는 시간을 확보하고 있습니다.

우리는 이 기술을 전 세계적으로 이용할 수 있도록 하는 것을 목표로 하고 있습니다.

후안 라비스타 페레스, 마이크로소프트 ‘AI for Good Lab’ 부사장 겸 수석 데이터 과학자.

마이크로소프트는 AI 기반 산불 탐지 기술을 발전시키기 위해 500만 달러를 투자했으며, 시간적 여유가 없는 환경 모니터링에 머신러닝을 적용하는 새로운 접근 방식을 보여주는 실시간 컴퓨터 비전 시스템의 확장에 자금을 지원하고 있습니다.

기술이 산불 확산 방지에 기여하는 방식

대규모 컴퓨터 비전

수십 년 동안 산불 탐지는 사람들이 도로, 감시 지점 또는 인근 지역에서 연기를 발견한 후 비상 서비스에 알리는 방식에 의존해 왔습니다.

캘리포니아 대학교 샌디에이고 캠퍼스에서 설립된 ‘ALERTCalifornia’는 주 내 산불 위험 지역에 설치된 약 1,300대의 카메라 네트워크를 통해 이러한 접근 방식을 혁신하고 있다.

이 시스템은 실시간 카메라 영상을 지속적으로 모니터링하고 AI를 활용하여 잠재적인 연기 징후를 식별합니다.

다양한 카메라 각도의 영상을 비교하여 화재 위치를 확인하고, 몇 분 내에 응급 대응팀에 경보를 전송합니다.

가동 첫 두 달 동안 이 네트워크는 다른 경로를 통해 신고되기 전에 77건의 산불을 탐지했습니다.

이 시스템은 현재 매일 700만 장 이상의 이미지를 처리하며, 첫 911 신고가 접수되기 최대 2.5시간 전에 산불을 식별하고 있습니다.

AI 모델은 구름, 안개, 하루 중 시간대 및 계절에 따른 변화하는 조명 조건과 같은 환경적 잡음과 실제 산불 징후를 구별해야 합니다.

이 분류 과제는 울창한 숲에서 초원, 해안 지역에 이르기까지 모니터링 대상 지형의 다양성으로 인해 더욱 복잡해집니다.

ALERTCalifornia의 창립자이자 지구물리학자인 닐 드리스콜(Neal Driscoll) 박사는 다음과 같이 말합니다. “이 데이터는 단순히 지형이 어떻게 보이는지 보여줄 뿐 아니라...

ALERTCalifornia의 창립자이자 지구물리학자인 닐 드리스콜 박사. 출처: Microsoft를 통한 에밀리 정

“이 데이터는 지형이 시간이 지남에 따라 어떻게 변화하는지 이해하는 데 도움을 줍니다.”

이 프로젝트의 운영 데이터에 따르면, 기존 방법보다 2.5시간 먼저 산불을 탐지한 것은 모델의 민감도 임계값이 허용 가능한 정밀도를 유지하면서 초기 단계의 연기를 식별하도록 보정되었음을 나타냅니다.

실전 환경에서의 모델 성능

이 시스템의 도입은 중요한 탐지 시나리오에서 작동하는 AI 시스템에 대한 실질적인 고려 사항을 부각시킵니다.

매일 700만 장의 이미지를 처리하려면 대규모의 지속적인 추론을 처리할 수 있는 인프라가 필요하며, 마이크로소프트가 기부한 500만 달러 중 Azure 지원금이 이러한 계산 요구 사항을 충족할 수 있을 것으로 보입니다.

Earth.Org의 산불 관련 사실

• 산불이 발생하려면 세 가지 주요 조건이 필요합니다: 마른 초목(연료), 산소가 풍부한 공기, 그리고 열원입니다. 강한 바람은 산불의 확산을 가속화할 수 있습니다.
• 번개는 자연적으로 산불을 유발합니다. 번개는 주요 자연 발화원이며, 온도가 높고 지속 시간이 긴 번개가 화재를 일으킬 가능성이 더 높습니다. 2014년 연구에 따르면 기온이 1°C 상승하면 번개 발생 빈도가 12% 증가할 수 있는 것으로 나타났습니다.
• 미국 산불의 80% 이상은 인위적인 원인에서 비롯됩니다: 방치된 모닥불, 담배, 바비큐, 불꽃놀이 등의 활동이 미국 산불의 약 84%를 차지합니다.
• 산불은 광범위한 대기 오염을 유발합니다: 연기에는 장거리로 이동하는 가스와 미세 입자가 포함되어 있어 폐 깊숙이 침투하여 호흡기 및 심혈관 건강 위험을 높입니다.
• 기후 변화로 산불 발생 기간이 길어집니다: 기온 상승, 가뭄, 강수량 감소로 인해 더 많은 식생이 건조해지고 가연성이 높아집니다. 미국에서는 한때 4개월 동안 지속되던 산불 발생 기간이 이제 6~8개월 이상으로 늘어났습니다.
• 산불은 기후 피드백 루프를 형성합니다: 대규모 산불은 상당한 양의 온실가스를 방출하는 동시에 탄소를 저장하는 식생을 파괴하여, 추가적인 지구 온난화를 유발하고 향후 산불 발생 가능성과 강도를 높입니다.

2023년, 이 시스템의 탐지 능력 덕분에 미국 커른 카운티에서 발생한 ‘트로터 화재’를 52에이커 규모로 진압할 수 있었으며, 예측에 따르면 AI 개입이 없었다면 화재 규모가 4,000에이커에 육박했을 것으로 보인다.

이러한 실제 결과는 표준 정확도 지표를 넘어 모델의 영향을 평가할 수 있는 사례 연구를 제공합니다.

2019년 미국 소노마 카운티에서 발생한 킨케이드 화재 당시, 이 기술이 18만 명 이상의 주민을 인명 피해 없이 대피시키는 데 기여한 사례는 조기 경보 시스템이 비상 대응 절차에 어떤 영향을 미치는지 잘 보여줍니다.

“우리는 화재 발생 후 첫 5분 동안 상당한 정보를 확보합니다.”라고 커른 카운티 소방국 부국장 겸 ALERTCalifornia 운영 부국장인 재커리 웰스(Zachary Wells)는 말합니다.

재커리 웰스, 커른 카운티 소방서 부국장 겸 ALERTCalifornia 운영 부국장. 사진: 에밀리 정

“이러한 초기 파악은 이후의 모든 조치에 지침이 됩니다.”

배포의 확장성 및 적응성

기술 개발에 200만 달러, Azure 보조금 300만 달러로 구성된 마이크로소프트의 자금 지원 구조는 모델 개선과 컴퓨팅 인프라 모두에 대한 우선순위를 보여줍니다.

“우리는 이 기술이 전 세계 사람들이 이용할 수 있기를 바랍니다.”라고 마이크로소프트 AI for Good Lab의 부사장 겸 수석 데이터 과학자인 후안 라비스타 페레스가 말합니다.

후안 라비스타 페레스, 마이크로소프트 부사장 겸 수석 데이터 과학자

이 접근 방식을 캘리포니아를 넘어 확장하는 데는 모델 일반화와 전이 학습과 관련된 기술적 과제가 따릅니다.

산불 위험은 지역에 따라 크게 다르기 때문에, 시스템은 해당 지역의 지형, 식생, 기상 조건 및 비상 대응 체계를 고려해야 합니다.

주로 캘리포니아 데이터로 훈련된 모델은 식생 유형, 지형 또는 기후 패턴이 다른 지역에 배포될 때 미세 조정이나 재훈련이 필요할 수 있습니다.

또한 이 프로젝트는 초기 탐지 기능을 넘어, 약 98,000 평방 마일에 달하는 LiDAR 데이터를 통합하여 상세한 디지털 지형 모델을 생성하는 기능도 개발하고 있습니다.

지형 매핑, 산림 건강 모니터링, 산불 후 위험 평가로 영역을 확장함에 따라 더 광범위한 데이터 파이프라인 아키텍처가 필요해집니다.

연기 탐지를 위한 컴퓨터 비전과 라이다(LiDAR)에서 파생된 환경 데이터를 결합하면, 전반적인 시스템 지능을 향상시키고 기반 인프라 및 데이터 세트에 대한 추가적인 사용 사례를 제공하는 다중 작업 학습 접근 방식이 가능해집니다.

AI 기반 영상 기술이 산불 탐지를 가속화합니다

유엔의 기후 관련 주요 통계

• 1970년 이후 전 지구 표면 온도는 적어도 지난 2,000년 동안의 그 어떤 50년 기간보다 빠르게 상승했습니다.
• 지구의 기온은 현재 산업화 이전 시대(1850~1900년)보다 약 1.42°C 더 높아졌습니다.
• 2024년은 기록상 가장 더운 해였으며, 전 지구 평균 지표면 온도는 산업화 이전 기준치보다 1.55°C 높았습니다.
• 2015~2024년은 관측 사상 가장 더웠던 10년이었다.
• 기온이 0.1°C만 상승해도 그 영향은 크며, 지구 온난화가 조금씩 진행될수록 기상 이변과 위험도도 증가합니다.
• 이산화탄소(CO2)는 인류 역사상 그 어느 때보다 빠르게 대기 중에 축적되고 있으며, 불과 20년 만에 10% 이상 증가했습니다.

마이크로소프트 AI for Good Lab 프로젝트

오로라 예측:마이크로소프트의 ‘오로라 예측(Aurora Forecasting)’ 프로젝트는 13억 개의 매개변수를 가진 AI 기반 모델을 활용해 대기 데이터를 분석하고 기상 및 기후 예측의 정확도를 높입니다. 이 모델은 기상 예측, 대기 질 모델링, 극한 기상 현상 분석 등의 응용 분야를 지원하며, AI가 복잡한 환경 데이터 세트를 처리하여 대기 상태에 대한 이해를 심화하고 회복력 계획 수립을 뒷받침할 수 있는 방법을 보여줍니다.

지리공간 머신러닝: 마이크로소프트의 AI for Good Lab은 대학, 자연 보호 기관, 비정부기구(NGO), 터키 내무부 재난 및 비상 관리청과 협력하여 지리공간 데이터, 위성 및 항공 이미지를 머신러닝과 결합합니다. 이 프로젝트에는 지진으로 인한 건물 피해 평가, 빙하 및 토지 피복 매핑, 가금류 사육장 매핑, 재생 에너지 모니터링 등이 포함되어 있으며, 재난 대응, 자연 보호, 인도주의 활동 및 환경 계획을 지원합니다.

빙하 매핑: 마이크로소프트의 ‘AI for Good Lab’은 기계 학습과 위성 이미지를 활용하여 힌두쿠시-히말라야 지역의 빙하 매핑 및 생태 모니터링을 지원합니다. 이 프로젝트는 깨끗한 빙하와 잔해로 덮인 빙하를 모두 식별하고 윤곽을 그리는 한편, 전문가들이 웹 도구를 통해 모델 예측 결과를 검토하고 수정할 수 있도록 합니다. 이 접근 방식은 매핑을 가속화하고 기후 변화의 영향을 받는 빙하 생태계에 대한 이해를 높이는 것을 목표로 합니다.

재생 에너지 매핑: 마이크로소프트의 ‘재생 에너지 매핑(Renewable Energy Mapping)’ 프로젝트는 지리 공간 기계 학습을 활용하여 대규모 재생 에너지 개발을 매핑하고 모니터링합니다. 이 기술은 기관들이 재생 에너지 인프라가 어디에서 개발되고 있는지 파악하고 광범위한 지역의 변화를 추적하는 데 도움을 줍니다. AI와 지리 공간 정보를 결합한 이 프로젝트는 기계 학습이 재생 에너지 계획을 어떻게 지원하고, 더 깨끗한 에너지로의 전환을 모니터링하기 위한 데이터를 제공할 수 있는지 보여줍니다.

생물음향학: 마이크로소프트의 ‘AI for Good Lab’은 보존 단체 및 연구소와 협력하여 방대한 양의 야생동물 음성 데이터에 기계 학습과 딥러닝을 적용하고 있습니다. 프로젝트 중에는 훔볼트 연구소(Humboldt Institute)와 협력하여 아마존 지역의 종 식별에 생물음향학을 활용하는 ‘프로젝트 과카마야(Project Guacamaya)’가 포함됩니다. 그 밖의 연구 활동으로는 벨루가 고래 모니터링 및 조류와 양서류 울음소리의 자동 분류를 지원하여 생물다양성 연구와 보전 활동을 발전시키고 있습니다.

생물다양성 조사 가속화: 마이크로소프트의 AI for Good Lab, 마이크로소프트 리서치(Microsoft Research), 마이크로소프트 AI for Earth는 NOAA 수산국(NOAA Fisheries), Sieve Analytics, LILA BC와 협력하여 기계 학습을 활용한 생물다양성 조사를 가속화하고 있습니다. 이 프로젝트들은 카메라 트랩, 항공 카메라, 마이크로폰에서 수집된 영상 및 오디오를 분석하여 수동 주석 작업을 줄입니다. 이 작업은 보전 활동가들에게 야생동물 개체군 데이터를 더 빠르게 제공함으로써 서식지 보호, 인프라 구축, 밀렵 방지 노력에 대한 의사결정을 지원하는 것을 목표로 합니다.

토지 피복 매핑: 마이크로소프트의 토지 피복 매핑 작업은 컴퓨터 비전을 활용하여 원격 감지 데이터를 토지 이용 및 토지 피복 정보로 변환합니다. 이 접근 방식은 환경 과학자와 지리공간 분석가가 수동으로 지역을 매핑하는 데 소요되는 시간을 줄여주어, 분석과 의사 결정에 더 집중할 수 있게 합니다. 매핑 과정의 일부를 자동화함으로써 마이크로소프트는 환경 모니터링을 지원하고, 기관들이 대규모 지리공간 데이터 세트를 처리할 수 있도록 돕습니다.