한국공학대학교(총장 박건수. 이하, 한국공대) 경영학부 이동현 교수 연구팀이 '설명가능한 인공지능(eXplainable AI, XAI) 기반 통합 녹조 예보 모델'을 개발하고 이를 통해 우리나라 4대강 29개 지역의 녹조를 동시에 예측하면서도 약 400배 빠른 학습 속도를 보여 학습 시간이 오래 걸린다는 기존 AI의 단점을 해결했다고 밝혔다.

특히, 이 교수 연구팀이 새롭게 개발한 설명가능한 녹조 예보 인공지능 모델은 시계열 순환신경망(RNN) LSTM(Long Short-Term Memory) 모형 대비 38% 높은 예측 성능을 보였다고 한다.

기존의 인공지능은 블랙박스 모형으로 예측 결과에 대한 설명이 힘들어 투명성 확보가 힘든 부분이 있었다면, 개발된 녹조 예보 모델은 설명가능한 통합 딥러닝(Integrated explainable deep learning) 모델로 수온, 풍향 등 각 환경 변수가 녹조에 미치는 영향의 정도와 방향을 객관적인 수치로 판단할 수 있게 되었다.

결과적으로 약 92%의 높은 예측 정확도를 확보함과 동시에 빠른 학습 속도, 설명 가능성을 겸비하여 실제 녹조 예보에 적용된다면 데이터 기반의 과학적 수질 관리 모델로 녹조 예측 및 대응에 많은 도움을 줄 것으로 기대된다. 

이동현 교수는 “이번 연구 성과는 빠르고 정확한 성능이라는 기술적 가치와 국민 생활에 도움이 되는 신뢰 가능한 인공지능 개발이라는 환경정책적 가치를 동시에 지니기에 환경 피해로 인한 사회적 비용을 줄이기 위한 실제 녹조 예보에 적용 가능할 것으로 보이며, 날로 심해지는 기후변화에 대응하기 위한 인공지능으로 역할을 할 수 있을 것으로 보인다.” 라고 밝혔다.

한편, 이번 연구에 사용된 데이터세트는 국립환경과학원 수질측정소에서 수집한 8종과 기상청 ASOS()에서 수집한 4종(다운)의 기상자료를 사용하였으며, 사용된 모든 코드는 현재, 깃허브(다운)를 통해 공개돼 있다.

김민규, 이범희, 채상원, 권성준 연구원으로 참여한 이번 연구는 도시계획 분야 세계 1위 SSCI 저널인 TFSC(Technological Forecasting and Social Change, 기술 예측과 사회변화)에 '유해 녹조의 통합 설명 가능한 딥러닝 예측(Integrated explainable deep learning prediction of harmful algal blooms-보기)'란 제목으로 지난 9월 28일 게재됐다.