인공 지능을 이용한 해빙 충돌 방지 기술 개발

셰필드 대학교의 전문가들은 인공 지능(AI) 예측 모델과 제어 시스템을 결합하여 바쁜 해상 지역으로漂流하는 해빙을 방지하기 위한 기술을 개발했습니다.

최근에 발표된 제어 시스템 모델을 이용하여 전문가들은 해빙의 이동을 예측할 수 있었습니다. 2020년에는 479~1,015개의 해빙이 유럽과 북동부 북아메리카 사이의 바쁜 해상 지역으로漂流할 것으로 예상되며, 지난해에는 같은 지역에서 총 1,515개의 해빙이 관측되었습니다.

팀은 또한 실험적인 인공 지능 분석을 통해 해빙의 수를 독립적으로 지원했습니다. 또한 1월에서 9월까지 진행되는 얼음 계절 동안 해당 지역에서 해빙의 수가 급격히 증가하는 것을 발견했습니다.

국제 아이스 패트롤(IIP)은 이러한 결과를 받았으며, 계절 동안 더 나은 얼음 예측을 위한 자원 사용을 결정하기 위해 이러한 정보를 사용합니다. 계절 예측에 따르면, 북서 대서양의 선박은 지난해보다 해빙과 충돌할 가능성이 낮을 것입니다.

해빙은 북서 대서양에서 심각한 문제와 선박 위험을 초래합니다. 기록에 따르면 17세기부터 충돌과 침몰이 발생했습니다. IIP는 1912년 타이타닉호 침몰 이후에 설립되었으며, 북서 대서양의 해빙과 조건을 관찰하고 잠재적인 위험을 경고하는 역할을 합니다.

해빙의 선박 위험은 매년 달라집니다. 한 해에는 해당 지역을 건너는 해빙이 없을 수 있지만, 다른 해에는 1,000개 이상의 해빙이 있을 수 있습니다. 이는 예측하기 어렵지만 일반적으로 1980년대 이후로 더 많은 해빙이 감지되고 있습니다.

2020년은 해당 지역의 해빙과 계절 동안의 변화율을 예측하기 위해 인공 지능을 사용하는 첫 번째 해입니다.

이 모델은 셰필드 대학교의 Grant Bigg 교수가 이끄는 팀에 의해 개발되었으며, AXA XL의 Ocean Risk Scholarships Programme에 의해 자금을 지원받았습니다. 제어 시스템 모델과 두 개의 기계 학습 도구가 사용됩니다.

랩라도르 해의 표면 온도와 북대서양의 대기 압력 변동, 그린란드 빙하의 표면 질량 균형과 관련된 데이터가 분석됩니다.

기본 제어 시스템 접근법은 1997년에서 2016년 사이의 계절 동안의 해빙 수에 대한 데이터와 테스트했을 때 80%의 정확도를 보였습니다.

Grant Bigg 교수의 이전 연구에 따르면, 해당 지역으로漂流하는 해빙의 수의 변동은 그린란드의 가변적인 빙하 분리율에 의한 것으로 나타났습니다. 그러나 지역 기후와 해류가 가장 큰 요인입니다. 더 많은 해빙이 나타날 때는 더 차가운 해면 온도와 더 강한 북서풍이 있습니다.

Grant Brigg는 셰필드 대학교의 지구 시스템 과학 교수입니다.

“우리는 2018년부터 IIP에 계절적인 얼음 예측을 제공했지만, 올해는 처음으로 원래의 제어 시스템 모델과 두 가지 인공 지능 접근법을 결합하여 특정한 예측 측면에 대한 예측을 제공했습니다. 세 가지 접근법 모두에서 일치하는 결과가 있으므로, 저희는 공개적으로 낮은 해빙 수를 예측할 수 있는 자신감을 가지고 있습니다. 그러나 이는 해빙 조건에 대한 예측일 뿐이며, 보장된 결과는 아니며, 저해빙 해에서도 선박과 해빙의 충돌이 발생할 수 있습니다.”

국제 아이스 패트롤의 Mike Hicks는 “신뢰할 수 있는 예측의 가용성은 우리가 계절 동안 공중 및 위성 정찰 방법의 자원을 더 잘 사용할 수 있도록 합니다”라고 말했습니다.

AXA XL의 과학 및 자연 재해 팀의 시니어 과학 전문가인 John Wardman 박사는 “해수면 상승이 해안 지역에 미치는 영향과 북극 해상 활동의 증가로 인한 잠재적인 위험을 고려할 때, 보험 및 재보험 제품과 기타 ‘부드러운’ 완화 전략을 이용한 위험 전환 솔루션의 다양성이 필요할 것입니다. 보험 산업은 북극을 주시하고 있으며, 이 모델은 산업이 그린란드 빙하의融解이 시장에 직접적인 영향을 미칠 때 또는 어떻게 영향을 미칠지 식별하는 데 중요한 도구입니다”라고 말했습니다.