AI를 사용하여 석탄 열차 먼지 추적

위: 석탄은 유타에서 철도로 운송됩니다. 비주얼: 조지 프레이/블룸버그

캘리포니아 발레호의 경사진 뒷마당에서 Nicholas Spada는 삼각대, 서류 가방, 풍향계가 교차된 것처럼 보이는 장비를 조정했습니다. 이제 풍화된 전망대와 햇볕에 바랜 나무로 채워진 발톱발 욕조 근처에 위치한 이 매끄러운 기계는 이와 같이 눈에 띄지 않는 장소에 설치되어 지역 대기 질에 대한 장기적인 정보를 수집할 수 있습니다.

University of California, Davis의 에어로졸 과학자이자 엔지니어인 Spada는 원래 리치몬드에서 남쪽으로 약 16마일 떨어진 곳에 위치한 프로젝트를 위해 기계를 설계했습니다. 연구원들은 6개월 동안 카메라, 공기 센서, 기상 관측소 및 인공 지능 프로세서를 포함하는 장비를 도시를 통해 석탄을 운반하는 철도 선로에 배치하고 열차를 인식하고 열차가 어떤 영향을 미치는지 기록하도록 AI 모델을 훈련시켰습니다. 공기의 질. 이제 Spada는 Vallejo에서 센서를 설치할 잠재적 위치를 물색하고 있으며 그곳에서 공기 중에 무엇이 있는지 걱정하는 주민들과 협력하고 있습니다.

리치몬드의 프로젝트는 Spada가 처음으로 AI를 사용한 프로젝트였습니다. 2023년 3월에 발표된 해당 논문은 AI에 대한 관심과 우려가 급증하는 가운데 도착했습니다. 기술 리더들은 AI가 인간 지능을 대체할 가능성에 대해 우려를 표명했습니다. 비평가들은 기술의 잠재적 편견과 공공 데이터 수집에 의문을 제기했습니다. 수많은 연구와 기사에서는 알고리즘의 데이터 처리와 관련된 상당한 에너지 사용과 온실가스 배출을 지적했습니다.

그러나 우려가 커짐에 따라 환경 모니터링을 포함하여 AI의 잠재적인 용도에 대한 과학적 관심도 높아졌습니다. 2017년부터 2021년까지 매년 AI와 대기 오염에 관해 발표된 연구의 수가 50개에서 505개로 늘어났습니다. 공중 보건 프론티어(Frontiers in Public Health) 저널에 발표된 분석은 부분적으로 더 많은 과학 분야에서 AI가 증가한 데 기인합니다. 그리고 Spada와 같은 연구원에 따르면 AI 도구를 적용하면 오랫동안 오염을 경험했지만 오염의 직접적인 원인을 명시적으로 입증할 데이터가 거의 없는 지역 주민들에게 힘을 실어줄 수 있습니다.

리치몬드에서는 기계 학습의 일종인 딥 러닝 기술을 통해 과학자들이 직접 관찰하는 전통적인 방법에 의존하지 않고 24시간 내내 원격으로 열차를 식별하고 기록할 수 있었습니다. 연구팀의 데이터에 따르면 도시를 통과하는 석탄을 가득 실은 열차가 지나갈 때 조기 사망과 함께 호흡기 및 심혈관 질환과 관련된 미세먼지의 일종인 대기 PM2.5가 크게 증가한 것으로 나타났습니다. PM2.5에 단기간 노출되더라도 건강에 해를 끼칠 수 있습니다.

논문의 저자들은 처음에는 이 기술이 자신들의 작업에 얼마나 잘 어울리는지 확신할 수 없었습니다. UC Davis의 환경 전염병학자이자 논문의 주요 저자인 Bart Ostro는 "나는 AI 팬이 아닙니다."라고 말했습니다. "하지만 이 일은 놀라울 정도로 잘 작동했고, 이 일이 없었다면 우리는 이 일을 해낼 수 없었을 것입니다."

Ostro는 팀의 결과가 소수의 연구자들이 조사한 질문에 답하는 데 도움이 될 수 있다고 말했습니다. 석탄 시설과 그 사이를 이동하는 열차가 도시 지역의 공기에 어떤 영향을 미치는가?

이 질문은 거의 10년 동안 석탄 수출 터미널 제안을 논의해 온 인근 오클랜드와 특히 관련이 있습니다. 오클랜드가 2016년에 프로젝트를 중단하라는 결의안을 통과시킨 후, 판사는 석탄 운송이 공중 보건에 심각한 위험을 초래할 수 있다는 점을 시가 적절하게 입증하지 못했다고 판결했습니다. Ostro와 Spada는 부분적으로 개발과 관련된 데이터를 제공하기 위해 연구를 설계했습니다.

오랫동안 베이 지역 활동가이자 오클랜드 터미널 프로젝트에 반대하기 위해 조직된 풀뿌리 자원 봉사 단체인 No Coal의 회원인 Lora Jo Foo는 "이제 우리는 새로운 증거를 제공하는 연구가 있습니다."라고 말했습니다.

연구 기술은 베이 지역(Bay Area) 너머에서도 유용할 수 있습니다. Foo는 AI 기반 방법론을 지역 오염을 더 잘 이해하려는 다른 커뮤니티에서 적용할 수 있다고 말했습니다.