△ 전자전기컴퓨터공학과 이희정 연구교수

AI가 키우는 농장

AI가 농업에 도입되면서 농촌의 풍경이 바뀌고 있다. 드론이 하늘을 날아다니며 작물의 건강을 체크하고, 병충해를 조기에 잡아내고, 스마트 온실은 날씨에 따라 자동으로 온도와 습도를 조절하고 있다. 또한 작물과 잡초를 구별할 수 있는 AI 로봇들이 밭에서 잡초만 골라내니 수확량도 올라가고 노동력 부족과 같은 농촌의 고질적인 문제를 AI가 똑똑하게 풀어내고 있는 중이다.

AI가 농업에 들어오면서 가장 눈에 띄는 변화는 ‘현장에서 직접 쓰이는 기술’이다. 거창한 미래 전망보다 농촌에서 실제 농부들이 만지고 쓰는 기술이 독자에게 더 설득력 있게 다가온다.

가축 몸무게 재는 AI

구체적인 예로 돼지의 몸무게를 재는 기술은 가축 관리 혁신의 좋은 예이다.

그림1. 가축 무게 알아서 척척 

-관련 영상링크:  클릭

스마트폰이나 고정 카메라로 돼지의 사진을 찍으면 무게를 자동으로 산출할 수 있다. AI가 돼지의 체형(길이, 둘레, 높이)을 분석해서 무게를 95% 이상 정확도로 돼지의 무게를 예측한다. 이는 수천 장의 돼지 사진과 실제 체중 데이터를 학습한 딥러닝 모델 덕분이다. 품종이 달라지면 품종(예: 제주 흑돼지)에 맞춰 세밀하게 튜닝(파인튜닝)하면 더 정확해진다. 돼지가 지나갈 때 카메라가 자동으로 찍고, AI가 ‘이 녀석 83.2kg쯤이야’라고 계산해 주는 것도 가능하다. 덕분에 몸무게를 재는데 드는 노동력도 줄고, 출하 시기도 최적화되었다. 비접촉이라 돼지가 받을 수 있는 스트레스도 줄어드는 장점도 있다.

돼지뿐 아니라 닭이나 다른 가축에게도 전이 학습(미리 훈련된 AI 모델을 새 데이터로 세밀하게 조정하는 기법)을 이용하면 효과적으로 적용할 수 있다.

딸기 따는 로봇

딸기 따는 로봇은 카메라와 센서로 수집한 데이터를 AI가 학습해 어떤 것이 익은 딸기인지 패턴을 인식(인공지능)하고, 이를 기반으로 로봇은 ‘어떻게 움직이고, 무엇을 할지’를 실제 하드웨어 동작으로 옮긴다. 즉, 인공지능(이미지 인식 및 판단)과 로보틱스(기계적 제어 및 동작)가 융합된 기술의 산물이다.

그림2. 딸기 따는 AI 로봇 Agrobot

-관련 영상링크: 클릭

작동 방식은 이렇다. 로봇은 카메라로 스캔해 딸기가 어디에 있는지 파악하고, 색깔이나 크기와 같은 특징(feature)을 기준으로 익었는지 판단한다. 이는 컴퓨터 비전 기술, 특히 딥러닝 기반의 CNN(합성곱 신경망) 기술 덕분이다. 수천 장의 이미지를 학습한 AI는 잎사귀와 딸기를 구분하며, ‘이건 딸기다!’라고 골라낼 수 있다. 실제 농장 환경에서는 조명이나 날씨 변화 같은 변수가 있지만 다양한 데이터로 학습해 이런 상황까지 대응한다. 마지막 단계에서는 로봇 팔의 끝에 장착된 그리퍼(집게)가 잎을 살짝 밀어내고 딸기를 집어 올린다. 딸기의 연약한 특성을 고려해 힘과 속도까지 정교하게 조절해 사람이 손으로 딴 것처럼 깔끔하게 수확한다.

로봇은 농촌의 일손 부족에 도움이 되지만 도입하기 전에 고려해야 할 부분도 있다. 전력 소모, 초기 도입 비용, 딸기 외에 다른 작물도 수확가능한지 여부, 무엇보다도 로봇이 고장 났을 때 유지 보수 용이성 등이 그 예다. AI 농업을 도입하는 데에는 로봇 유지 보수 외에도 데이터 분석, 소프트웨어 업데이트 등의 기술이 필요한데 고령화돼 가는 한국 농업의 현실을 볼 때, 이러한 기술들이 도입의 장벽을 만드는 기술격차가 될 듯하다. 따라서, 고장 났을 때를 대비해서 오프라인 제어, 수동제어 그리고 인간과 기계 혼합 의사결정도 고려해야 할 것 이다. 어찌 보면 로봇이 도입되면 농업인은 경작자에서 시스템관리자로 역할이 변할 수도 있겠다는 생각이 든다.

로봇학습은 실제 농장 환경을 가상으로 구현한 ‘디지털 트윈(가상 쌍둥이)’ 환경에서 이루어진다. 시행착오를 최소화하고 개발 속도를 줄일 수 있다.

디지털 트윈

디지털 트윈(Digital Twin)은 쌍둥이라는 이름에서 암시하듯이 실제 로봇이나 농장 같은 물리적 시스템을 가상으로 재현하고, 센서와 사물인터넷(IoT)으로 모은 실시간 데이터를 바탕으로 가상 공간에서 다양한 시나리오를 시뮬레이션하여 성능을 분석하거나 예측할 수 있다. 예를 들어, 온실 농업에서는 실시간 온도나 습도 데이터를 반영해 가상 온실을 만들고, AI가 ‘지금 환기해야 수확량 10% 증가한다’ 같은 최적의 해법을 제안할 수 있다.

디지털 트윈은 휴머노이드 로봇(인간처럼 걷고, 손으로 작업하는 로봇) 개발의 핵심이기도 하다. 로봇에 탑재된 센서와 카메라, AI가 수집한 로봇의 움직임, 에너지 소비, 작업 성공률 등의 데이터를 디지털 트윈 환경에서 분석하고 지속적으로 최적화한다. 예를 들어, 농업용 로봇이 딸기를 수확할 때, 가상 농장에서 수천 번의 테스트를 거쳐 ‘이 각도로 손을 움직이면 딸기 손상률 5% 감소’ 같은 최적 동작을 찾아낼 수 있다. 테슬라의 옵티머스(Optimus) 로봇 역시 공장 작업을 시뮬레이션하며 성능과 안전성을 높이고 있다. 사용자에게도 ‘실제 밭에서 수확하기 전에 가상에서 보니 믿음이 간다’라는 신뢰를 주는 부가 효과도 있다.

아직 한국 소규모 농가에서 로봇을 도입하기엔 초기 단계지만, 디지털 트윈 기술이 개발비용을 낮추고, 정부 보조금 혜택과 사용자 친화적인 솔루션이 뒷받침된다면 머지않아 우리 주변의 농장에서도 이런 첨단 기술을 만나는 것이 일상적인 풍경이 될 것이다.

농사용 휴머노이드 로봇

농사용 휴머노이드 로봇은 가사용보다 만들기 쉽고 비용도 저렴할 가능성이 높다고 생각된다. 작업이 단순하고, 환경 통제가 가능하며, 정부 지원까지 있으니, 가사용보다 개발비용도 낮고 도입 문턱도 낮아질 수 있는데. 그 이유를 작업 환경, 자료수집, 안전성과 규제 측면에서 살펴보자.

그림3. 농사용 휴머노이드 로봇(출처: ChatGPT AI 이미지)

첫째, 작업 환경의 단순성과 제한된 범위

농사용 휴머노이드 로봇은 비닐하우스나 논밭 같은 비교적 단순하고 예측 가능한 환경에서 작동한다. 예를 들어, 휴머노이드 로봇은 아니지만 딸기 수확 로봇은 온도나 습도가 일정하게 유지되는 비닐하우스에서 익은 딸기만 골라 따는 단일 작업에 집중한다. 반면, 가사용 로봇은 집 안에서 요리, 청소, 아이 돌봄 등 다양한 작업을 수행해야 하고, 가구 배치, 사람의 움직임, 애완동물 같은 복잡하고 변화무쌍한 환경에 적응해야 한다. 다시 말해, 농사용 로봇이 점진적인 발전이 가능하다면 가사용 로봇은 처음부터 이런 복잡한 요구 사항을 충족시켜야 도입이 가능하다.

이런 차이 때문에 농사용 로봇은 AI 모델과 로보틱스 제작이 더 쉬워진다. 휴머노이드 로봇이 도입된다면 딸기뿐 아니라 다른 작물(예: 토마토)을 수확할 수 있고 수확한 작물을 창고로 운반하는 등 멀티타스킹이 가능해질 것이다.

둘째, 데이터 수집과 학습의 용이성

농업 환경은 데이터 수집이 비교적 간단하다. 비닐하우스 안의 딸기 농장은 조명, 온도, 작물 배치가 일정해서, AI가 학습할 이미지 데이터(예: 익은 딸기 vs. 덜 익은 딸기)가 표준화되어 있다. 반면, 가정은 집마다 구조, 조명, 물건 배치가 달라서 AI가 훨씬 더 복잡하고 다양한 데이터가 있어야 한다.

농사용 로봇은 전이 학습을 활용해 기존 딥러닝 모델을 고추나 딸기 같은 특정 작물에 맞게 세밀히 조정하면 된다.

셋째, 안전성과 규제의 단순성

농사용 로봇은 비닐하우스나 논밭 같은 통제된 공간에서 작동하기 때문에 사람과의 직접 상호작용이 적어 안전 기준이 덜 엄격하다. 예를 들어, 농사용 로봇은 나무나 돌 같은 단순한 장애물만 피하면 된다. 반면, 가사용 로봇은 아이, 노인, 애완동물 등과 가까이 움직여야 하니 충돌 방지, 촉각 센서 같은 고급 안전 기술이 필수다.

이 때문에 농사용 로봇은 설계가 단순하다. 예를 들어, 농사용 로봇은 GPS로 필지 경계를 인식해 이동하지만, 가사용 로봇은 실시간 3D 매핑으로 사람의 움직임을 추적해야 한다. 이런 단순성 덕분에 농사용 로봇은 개발비용이 절감된다.

하지만, 농사용 로봇이 농가에 도입되면 일손 부족 문제에 도움은 되겠지만 농촌에서 일하는 계절성 근로자나 단기성 일자리가 줄게 되므로 정책 결정자들은 효율성 증대의 이면에 숨은 농촌 생계도 고려해서 균형을 맞춰야 할 것이다.

앱 켜고 농사짓는 시대

한국 농업은 미국처럼 대규모 농장이 아니라, 소규모 농가가 많은 구조라서 AI도 환경에 맞춰서 들어와야 한다. 가능하면 비용이 적게 들고, 핸드폰만 있으면 되는 게 가장 좋긴 하다. 정부도 생산량을 스마트화하겠다고 하면서 보조금을 지원하고 있으니, 이제는 농부가 하루의 시작을 핸드폰으로 농사일 시작하는 시대가 되었다. 몇 가지 대표적인 사례를 알아보자.

첫째, 작물 건강 모니터링: AI는 센서, 드론, 위성 데이터를 분석해서 병충해, 영양 부족 등을 실시간으로 체크할 수 있다.

예를 들어, 잎사귀 색깔이나 토양 습도를 보고 ‘지금 물 줘야 해’라거나 ‘이 잎사귀에 병충해 위험이 있어’ 같은 조언을 주며, IoT로 연결된 스프링클러나 드론을 띄워서 물을 주거나 농약을 뿌릴 수도 있다. 드론을 이용하면 항공법이나 농약 사용 규제를 준수해야 하는데 소규모 농가는 이런 규제를 이해하고 따르는 데 어려움이 있을 수 있다. 따라서 소규모 농가에서는 대신 규제가 적은 스마트폰 앱을 활용할 수 있는데 예를 들어 앱으로 고춧잎 사진을 찍어서 올리면 AI가 '이거 흰가루병이네요, 살충제 2% 뿌리세요'라고 안내하는 식이다.

둘째, 예측 분석: AI는 과거 데이터를 학습해서 미래의 위험을 미리 경고할 수도 있다. 예를 들어, 특정 지역에서 병충해가 늘어나면 AI가 ‘곧 이 병이 퍼질 가능성이 높다’라고 미리 알려줘서 사전에 방역 조치를 할 수 있다. 예측 분석은 데이터 기반이라서 농장의 물리적 환경(비닐 하우스 든 야외 농장이든)에 덜 의존적이며 또한, AI가 기상 데이터와 과거 수확 기록을 분석해서 언제 씨를 뿌리고 언제 수확할지도 알려준다. 실제로 농촌진흥청에서 빅데이터를 개방해 쌀, 배추 같은 작물에 최적화된 가이드를 제공해 주고 있는데 한국처럼 지역마다 토양이나 기후가 다른 경우에 유용하게 사용될 수 있다.

우려되는 부분은 여러 세대에 걸쳐 내려오는 지역 고유의 전통 생태 지식이 존재할 텐데 중앙집중되고 일반화된 AI 모델이 감지하지 못하는 특정 미세 기후나 토양에 적합한 지식이 평가절하되고 결국 소멸하게 될 수도 있다는 점도 간과해서는 안 된다. 농부의 선택과 AI의 추천이 상충될 경우 농부가 취사선택할 수 있는 하이브리드형 AI모델을 고려해야 할 이유가 여기에 있다.

셋째, 스마트 온실 시스템: 비닐하우스에 센서를 달아놓으면 앱을 통해 AI가 온도나 습도를 자동으로 조절해 준다. 비가 오면 창을 닫고, 추우면 히터를 틀어준다. 전기세도 줄이고, 귀농 청년들이 회사 끝나고 앱을 켜서 제어할 수 있어서 정말 편하다는 반응도 있다.

넷째, 작물 추천: AI가 위성 이미지를 무료로 받아서 토양의 영양 상태, 수분, 유기물 함량 같은 데이터를 분석해서 어떤 작물이 그 땅에서 잘 자랄지, 또 장기적으로 토양 건강을 해치지 않을지 계산해 준다. AI가 토양 점수를 매겨서 ‘여기엔 콩 심으세요.’라고 제안한다. 기후 변화(폭염, 폭우)로 토양 상태 예측이 어려운 요즘, 이런 AI 솔루션은 농부들에게 분명 도움이 될 듯하다.

마지막으로, 잡초 제거 및 방제 로봇: 노동력 부족과 고령화 문제를 해결하면서 농약 사용량과 비용을 줄이는 데 효과적이다. 이 로봇들은 AI(주로 딥러닝 기반 이미지 인식)를 활용해 잡초와 작물을 구분하고, 정밀하게 농약을 뿌리거나 잡초를 제거한다. 방제는 드론도 가능하지만, 드론은 바람·지형 때문에 좁은 필지에서 불편하므로 비닐하우스나 좁은 소규모 필지에서는 소형 방제 로봇이 활용도가 높다.

AI 농업의 보안 과제

AI가 농업에 들어오면서 농사짓는 방식이 바뀌고 있다. AI가 데이터를 분석해서 최적의 재배법을 알려주고, IoT 기기가 자동으로 물 주고 소형 로봇이 잡초를 제거해 주는 시대가 오고 있다. 그런데 이 과정에서 데이터가 오가고, 기기들이 연결되고, 클라우드에 정보가 쌓이면서 새로운 문제가 생긴다. 바로 보안 위협이다.

과정 하나하나가 해커의 타겟이 될 수 있다. 예를 들어, 데이터가 조작되면 AI가 엉뚱한 결정을 내릴 수 있고, IoT 기기가 해킹당하면 농장 장비가 오작동하거나 멈출 수도 있다. 공급망 데이터가 유출되면 농산물 가격이나 유통 정보가 경쟁사에 넘어갈 수도 있다.

통신사나 신용카드회사만 해킹의 타겟이 되는 게 아니라, 너무도 당연하게 해커가 이 시스템을 뚫으면 농장 데이터가 유출되거나, 심지어 농작물 생산이 망가질 수도 있다.

위험은 단순히 한 농부가 데이터를 잃거나 농사를 망치는데 국한되지 않는다. 국가의 곡물 생산자의 40%가 이용하는 시스템이 있다고 가정할 때, 이 시스템이 특정 국가의 해커의 타겟이 된다면 식량 안보 위험까지도 고려해야 한다. 이러한 해킹은 단기로 일어날 수도 있고 장기적으로 비료 추천을 미묘하게 변경하여 토양의 질을 저하시킬 수 있다. 다소 과장해서 말하자면, AI가 농업에 도입이 되고 대다수의 기계와 서비스가 인터넷에 연결되면 농업인프라는 단순한 생산 수단을 넘어 에너지망, 통신망, 금융망에 버금가는 국가 핵심 기반 시설로 인식되어야 하며, 나아가 식량 안보 차원의 문제로까지 격상이 될 수 있다.

그래서 매번 하는 뻔한 잔소리지만, 농부, 기업, 정책이 협력해 규제와 표준이 필요하다. AI는 농업을 똑똑하게 만들지만, 똑똑하게 지켜야 하는 도구이기도 하다.

글을 마치며

AI 농업 기술은 농업을 더 똑똑하고 친환경적으로 만들지만, AI 서버를 돌리는 데 전기를 많이 쓸 수밖에 없으므로 진정한 친환경이라고 보기도 어렵다. 또한, 초기 비용이 많이 들어서 대규모 농장에 유리한 기술이고 데이터가 대기업 손에 집중되면 농부들이 종속될 위험도 있다.

한국 농업은 소규모 농가가 대부분이며, 고령화와 농촌 인구 감소라는 구조적 문제에 직면해 있다. 이런 현실을 고려하면, AI 기반 농업 기술이 성공적으로 정착하기 위해서는 농가 친화적인 접근성이 필요하다. 초기 비용이 낮고 사용이 간편해야 한다. 스마트폰이나 클라우드 서비스, 소형 로봇처럼 농민이 쉽게 다가갈 수 있는 형태로 설계될 때 비로소 실질적인 도움이 될 것이다. 물론 물리적 인프라를 도입할 땐 디지털 문해력도 같이 올라가야 하므로 농업인에 대한 교육도 같이 제공해야 할 것이다.

AI 농업을 도입할 때, 고가의 AI 로봇을 구매하는 대신 서비스형AI(AIaaS)나 서비스형 로봇(RaaS)과 같은 구독형도 괜찮을 듯하다. 구독형 서비스라 하드웨어, AI 소프트웨어 업그레이드, 유지 보수, 교육까지 포함해서 제공한다면 진입장벽을 낮출 수 있다. 하지만 역시 우려되는 부분도 있다. 농업인은 하드웨어와 데이터 및 데이터 분석 결과를 소유하지 못하게 되어 테크기업에 소작농으로 전락할 우려가 있다.

따라서 데이터 주권과 보안이 중요하다. 농장에서 생산되는 데이터는 귀중한 디지털 자산이다. 농업인들이 자신의 데이터를 소유하고 통제하며 다른 플랫폼으로 이전할 수 있도록 데이터 주권이 보장되어야 하고 또한, 이러한 정보가 무단으로 유출되지 않도록 하는 장치가 뒷받침되어야 할 것이다.

[글. 이희정 성균관대학교 정보통신대학 연구교수, 스카이칩스 인공지능 기술 자문]

길민권 기자 mkgil@dailysecu.com

[이희정 교수 AI 칼럼-3] 과학과 AI: 인공지능이 바꾸는 농촌의 풍경 | 데일리시큐(https://www.dailysecu.com)