바이오인

◇ 바이오기술의 발전과 AI의 발전이 함께 이루어진다면 식량, 건강, 기후변화 등 다양한 글로벌 이슈 해결의 새로운 솔루션을 제공할 수 있을 것으로 기대. New Biotechnology紙는 바이오 분야에서 다루는 AI 관련 연구 주제들을 소개하며, 미해결 연구 이슈 및 도전 과제를 제시

▸주요 출처 : New Biotechnology, AI for life: Trends in artificial intelligence for biotechnology, 2023.2.

구분

개념 및 차이점

AI

AI(인공지능)은 학습, 문제 해결, 의사 결정 등 일반적으로 인간의 지능이 필요한 작업을 수행할 수 있는 지능형 시스템을 만드는 것을 지칭하는 포괄적인 용어이자 광범위한 분야

ML

ML(머신러닝)은 데이터의 패턴과 인사이트를 사용하여 명시적인 지시 없이도 작업을 수행할 수 있도록 디지털 컴퓨터를 훈련시키는 AI의 하위 분야

DL

DL(딥러닝)은 여러 계층으로 구성된 인공 신경망을 사용하여 학습하고 의사 결정을 내리는 ML의 하위 집합임. 이미지(예: DALL-E2) 또는 텍스트(예: ChatGPT)와 같이 대량의 데이터를 분석하는 작업에 특히 유용

세부분야

주요 AI 연구 트렌드

토지 관리

- 컴퓨터 비전은 넓은 공간에서 토양 유기물과 질감을 효율적으로 특성화할 수 있어 토양 상태를 모니터링하고 기존 토양 지도를 개선할 수 있는 정보 소스를 제공할 수 있으며 이는 경작지/초지 관리 등에 활용 가능

- 토양 건강 지도는 정밀한 공간 데이터 수집과 현재의 기술 수준을 뛰어넘는 향상된 원격 감지 정보의 활용이 필요하기 때문에 지속 가능한 관리로 나아가는 데 있어 핵심적인 과제

식량 안보

- 농업 분야의 AI는 변화하는 기후에 맞춰 농업 관리를 조정함으로써 식량 안보를 위한 솔루션을 제공

- 환경 변화, 가뭄과 같은 극한 상황에 더 탄력적인 저항성 작물을 식별하는 것이 포함, 작물 생산성에 심각한 영향을 미칠 수 있는 비생물학적 스트레스 하에서도 작물 수확량을 유지할 수 있음

- 해당 기술은 자원 사용에 더 효율적이고 변화무쌍한 기후 조건에 강한 새로운 작물 표현형을 식별하는 표현형 분석에도 적용

이미징기술

- 빅데이터를 처리하고 기후 변화 영향에 대한 데이터 해석을 지원하기 위해 AI와 결합된 새로운 이미징 기술 등장

- 이미지 기반 표현형 데이터를 유전체 변이, 유전자 및 단백질 발현, 스트레스 요인 및 대사물질 생합성 등 분자 수준의 스트레스 반응에 대한 정보와 결합하여 호르몬 관리 프로토콜을 개발하면 다양한 유형의 정보 소스를 연계하는 데 도움이 될 수 있음

농업

빅데이터

- 온실의 이미지 기반 표현형 플랫폼, 현장 규모의 무인 항공기 시스템(UAS), 전 세계 규모의 위성 기반 원격 감지 등 근거리에서 원격 감지에 이르기까지 이미 농업에 널리 적용되고 있는 기술을 통해 데이터 가용성이 기하급수적으로 증가

- 이러한 정보를 활용하기 위해서는 컴퓨터 비전 알고리즘의 발전이 중요하며, 이는 시스템 이해를 발전시킬 수 있는 전례 없는 기회를 제공

분자육종, 

미세번식, 

체외배양

- 식물 조직 배양과 AI 및 기타 최적화 알고리즘의 결합은 생산 효율성 최적화를 위한 기술 분야로 입증

- 줄기세포가 모든 종류의 세포 유형으로 분화할 수 있는 능력인 '전능성'을 기반으로 하는 식물 조직 배양은 '미세 증식'의 기초를 제공

- 체외 배양은 다양한 작물 종의 번식 및 육종에 가장 중요한 기술 중 하나로, AI 모델은 비현실적인 처리량과 기존 통계로는 해결할 수 없는 체외 배양의 여러 요인과의 복잡한 상호 작용 문제를 극복하는 데 매우 유용

- 다양한 체외 시스템과 배양 결과에 대처할 수 있는 AI 모델의 잠재력으로 인해 식물 조직 과학자들 사이에서 일반적인 방법으로 적용

해충 및 질병제어

- 식물 보호제의 지능적이고 정밀한 적용을 통한 해충 및 질병 제어는 기존 농업 시스템의 지속 가능성을 향상시킬 것으로 기대

- 식물/작물의 장애를 식별하는 것 외에도 성숙도와 수확 시기를 예측하는 것도 정밀 농업에서 컴퓨터 비전과 AI가 활용되는 분야임