Wildlabs, '나쁜' 데이터로 더 나은 세상을 만들다

ARM 기반 기술, 야생동물과의 평화로운 공존을 위한 '작은 거인'으로 부상 스마트폰 카메라가 80x60 픽셀 해상도만 제공한다면 누구나 업그레이드를 원할 것입니다. 하지만 인간과 야생동물 간의 평화로운 공존을 돕는 데 있어서는 이 최소한의 해상도가 오히려 '정확한 타겟'이 될 수 있다고 Arribada Initiative의 Alastair Davies는 말합니다. Arribada는 마을 주민들에게 잠재적으로 위험한 야생동물에 대한 조기 경보 시스템을 제공하기 위해 견고하고 저전력 IoT 시스템을 개발해왔습니다. 그린란드의 이토코르토르미트에서는 이 시스템을 통해 북극곰을 탐지하는 테스트가 진행 중입니다. 아시아에서는 농작물을 짓밟거나 사람을 다치게 할 수 있는 아시아 코끼리가 주요 탐지 대상입니다. 80x60 픽셀의 패시브 열 센서는 20~30미터 거리에서 코끼리를 80~90%의 정확도로 식별할 수 있으며, 사람의 식별 및 검증을 위한 충분히 선명한 이미지를 제공합니다. Arribada의 Alastair Davies는 Arm DevSummit 2020 발표에서 "이러한 픽셀 이미지의 낮은 데이터 속도는 마이크로컨트롤러에서 작업할 수 있는 해상도를 의미하며, 모델의 크기를 줄이고 열 감지 기술을 사용하여 동물의 존재를 감지하고, 머신러닝을 통해 알고리즘에 동물이 무엇인지 학습시킨 후, 자신감 있는 경고를 생성하여 지역사회에 전송할 수 있습니다."라고 설명했습니다. 혹독한 환경을 위한 하드웨어 보존은 기술의 가장 중요한 응용 분야 중 하나일 수 있지만, 동시에 가장 어려운 분야이기도 합니다. Arribada의 IoT 시스템과 같은 시스템은 24시간 연중무휴로 작동하고, 사용 가능한 모든 통신망에 연결되며, 적은 배터리 전력으로 작동하고, 가능하다면 태양광으로 재충전될 만큼 안정적이어야 합니다. 또한 그린란드에서 영하 50도의 극한 환경에서 작동하거나 인도의 열대 폭풍을 견딜 수 있어야 하며, 최소한의 하드웨어 리소스로 의미 있는 결과를 생성해야 합니다. 소를 포식자로 오인하는 것과 같은 오탐지를 최소화하는 것도 중요합니다. Davies는 8x8 픽셀 배열은 이미지가 픽셀화되고 불분명하며 흐릿하여, 따뜻한 무언가가 프레임에 들어왔다는 것은 알 수 있지만 정확히 무엇인지 구분하기 어렵다고 언급했습니다. 이를 80x60으로 확장하면 각 종의 뚜렷한 윤곽이 명확해지면서도 컴퓨팅 리소스를 최소화할 수 있습니다. (참고로 Arribada는 4개월 동안 동물원 서식지에서 36,000장 이상의 사진을 수집하고 인도 아삼 지역에서 현장 테스트를 진행했으며, 112시간 동안 데이터를 라벨링하는 데 사용했습니다.) 이러한 기술적 과제는 Conservify의 FieldKit 설계에서도 유사하게 나타납니다. 국립지리협회 보츠와나 프로젝트에서 탄생한 FieldKit은 까다롭고 예측 불가능한 야생 동물 보존 연구를 위해 특별히 설계된 오픈 소스 모듈식 데이터 로거입니다. 이 플랫폼의 핵심은 Arm Cortex M4 기반 보드로, 수위, 방사능, 날씨, 토양 수분, 대기 질, 온도 등 다양한 센서와 함께 주변 장치, 저장 옵션 및 네트워킹 프로토콜을 수용할 수 있습니다. 과학자들은 약 3시간 안에 FieldKit 스테이션을 조립, 배포 및 동기화할 수 있습니다. Conservify의 Shah Selbe는 "과학 센서의 모듈화는 결코 쉬운 일이 아니었습니다. 역사적으로 과학 센서는 신뢰할 수 있고 독점적이며 비쌌거나, 유연하지만 확장 가능하지 않았습니다. (장치는) 사막이나 열대 우림에서 완벽하게 작동해야 합니다. 혁신이 필요한 분야입니다."라고 말했습니다. 이 하드웨어 플랫폼은 사용자가 시스템을 설정하는 데 도움이 되는 앱으로 보완됩니다. 이 앱은 연구원들이 FieldKit 스테이션으로 수집한 데이터에 메타데이터를 첨부하여 다른 사람들이 정보를 탐색하고 자신의 실험에 사용할 수 있도록 합니다. 본질적으로 이 앱은 원시 데이터를 더 신뢰할 수 있게 만드는 프레임워크를 만듭니다. (곧 FieldKit 스테이션을 주문할 수 있습니다.) 뉴욕 타임즈와 스미소니언의 데이터 아티스트로 활동했던 Jer Thorpe가 준비한 데이터 시각화 웹사이트도 곧 공개될 예정입니다. 야생에서의 AI 불과 몇 년 전만 해도 소형 장치에서 효과적인 인공지능(AI) 또는 머신러닝(ML) 알고리즘을 실행하는 것은 비현실적이었습니다. 그러나 연구자들은 고성능 CPU 및 NPU를 통해 하드웨어의 성능을 높이는 동시에 머신러닝 모델의 코드 풋프린트를 줄여왔습니다. 일부 실험에서는 정확도의 약간의 손실만으로 모델 크기를 10배까지 줄일 수 있었습니다. 다음 단계에서 Arribada는 기술을 계속 미세 조정하고 환경 연구를 위한 소프트웨어 및 개발자 커뮤니티인 WildLabs에 이를 인계할 예정입니다. (Arribada는 또한 기후 변화의 위협을 받고 다른 종에 영향을 미칠 수 있는 안데스 난초의 수분 과정을 기록하는 프로젝트를 진행 중입니다.) 한편 Conservify는 사람들이 플랫폼 확장을 위한 새로운 센서나 모듈을 생각해 보도록 장려하고 있습니다. Shah는 "캘리포니아 에디션 FieldKit이 화재 활동이나 지진 활동을 모니터링할 수도 있습니다. 세계의 보존 상태는 우리가 희망했던 만큼 좋지 않습니다. 우리는 모든 도움을 받을 수 있습니다."라고 말했습니다. Arm DevSummit 2020의 Wildlabs 세션을 시청하세요. Arm DevSummit에 등록한 경우, 11월 23일까지 "Conservation Technology"라는 Wildlabs 세션을 시청할 수 있습니다.