매년 봄이면 청어들은 매사추세츠의 연안에서 민물 산란지로 향하는 중요한 이동을 시작한다. 그동안 이러한 개체군 모니터링은 자원봉사자들의 노동 집약적인 육안 계수에 의존해 왔으나, 이는 일조량과 인간의 체력이라는 한계가 명확했다. 이에 MIT 시그랜트(MIT Sea Grant)와 컴퓨터과학 인공지능 연구소(CSAIL) 연구진은 수중 비디오를 통해 24시간 자동 모니터링이 가능한 정교한 신경망 기반 시스템을 대안으로 제시했다.

연구팀은 원본 영상 캡처부터 객체 탐지 및 종 분류에 이르는 엔드투엔드 파이프라인을 개발했다. 특히 다양한 수질 조건과 조도 환경이 반영된 데이터셋으로 모델을 학습시킨 결과, 수천 마리의 물고기를 성공적으로 식별하고 추적할 수 있었다. 무엇보다 AI 기술은 인간이 미처 발견하지 못했던 생물학적 통찰을 제공했는데, 대표적으로 물고기들이 포식자를 피하기 위해 새벽에 상류로 집중 이동하고 주로 야간에 하류로 내려간다는 사실이 새롭게 밝혀졌다.

이러한 기술적 진보가 전례 없는 규모와 정밀도를 제공함에도 불구하고, 연구진은 이것이 시민 과학을 대체하기보다는 보완하기 위해 설계되었음을 강조했다. 또한 자원봉사자들은 여전히 장비 유지 보수와 모델 출력값 검증에서 핵심적인 역할을 담당한다. 실제로 인간 관찰자와 자동화된 시각 분석의 이러한 협력 구조는 향후 다양한 수생 생태계에서 비용 효율적이고 고해상도의 환경 보존 및 어업 관리 기준을 정립할 것으로 기대된다.

매년 봄이면 청어들은 매사추세츠의 연안에서 민물 산란지로 향하는 중요한 이동을 시작한다. 그동안 이러한 개체군 모니터링은 자원봉사자들의 노동 집약적인 육안 계수에 의존해 왔으나, 이는 일조량과 인간의 체력이라는 한계가 명확했다. 이에 MIT 시그랜트(MIT Sea Grant)와 컴퓨터과학 인공지능 연구소(CSAIL) 연구진은 수중 비디오를 통해 24시간 자동 모니터링이 가능한 정교한 신경망 기반 시스템을 대안으로 제시했다.

연구팀은 원본 영상 캡처부터 객체 탐지 및 종 분류에 이르는 엔드투엔드 파이프라인을 개발했다. 특히 다양한 수질 조건과 조도 환경이 반영된 데이터셋으로 모델을 학습시킨 결과, 수천 마리의 물고기를 성공적으로 식별하고 추적할 수 있었다. 무엇보다 AI 기술은 인간이 미처 발견하지 못했던 생물학적 통찰을 제공했는데, 대표적으로 물고기들이 포식자를 피하기 위해 새벽에 상류로 집중 이동하고 주로 야간에 하류로 내려간다는 사실이 새롭게 밝혀졌다.

이러한 기술적 진보가 전례 없는 규모와 정밀도를 제공함에도 불구하고, 연구진은 이것이 시민 과학을 대체하기보다는 보완하기 위해 설계되었음을 강조했다. 또한 자원봉사자들은 여전히 장비 유지 보수와 모델 출력값 검증에서 핵심적인 역할을 담당한다. 실제로 인간 관찰자와 자동화된 시각 분석의 이러한 협력 구조는 향후 다양한 수생 생태계에서 비용 효율적이고 고해상도의 환경 보존 및 어업 관리 기준을 정립할 것으로 기대된다.