[논문 리뷰] Artificial Intelligence for Digital Agriculture at Scale: Techniques, Policies, and Challenges

Somali Chaterji, Nathan D. DeLay외 5명|arXiv (Cornell University)|2020. 01. 21.

Smart Agriculture and AIAgricultural and Biological Sciences참고 문헌 70인용 수 19

한 줄 요약

이 논문은 농업 현장 운영 전반에서 기술적, 경제적, 정책적 과제를 해결함으로써 디지털 농업에서 인공지능을 확장하는 통합 프레임워크를 제안한다. 사물인터넷(IoT), 기계학습, 데이터 공유 메커니즘을 통해 규모 기반 의사결정을 향상시키는 방법을 제시하며, 지적 재산권, 인프라 필요성, 지속 가능한 채택을 위한 인센티브 호환 시스템 모델링에서 주요 기여를 이룬다.

ABSTRACT

Digital agriculture has the promise to transform agricultural throughput. It can do this by applying data science and engineering for mapping input factors to crop throughput, while bounding the available resources. In addition, as the data volumes and varieties increase with the increase in sensor deployment in agricultural fields, data engineering techniques will also be instrumental in collection of distributed data as well as distributed processing of the data. These have to be done such that the latency requirements of the end users and applications are satisfied. Understanding how farm technology and big data can improve farm productivity can significantly increase the world's food production by 2050 in the face of constrained arable land and with the water levels receding. While much has been written about digital agriculture's potential, little is known about the economic costs and benefits of these emergent systems. In particular, the on-farm decision making processes, both in terms of adoption and optimal implementation, have not been adequately addressed. For example, if some algorithm needs data from multiple data owners to be pooled together, that raises the question of data ownership. This paper is the first one to bring together the important questions that will guide the end-to-end pipeline for the evolution of a new generation of digital agricultural solutions, driving the next revolution in agriculture and sustainability under one umbrella.

연구 동기 및 목표

• AI 기반 디지털 농업을 확장하는 데 있어 핵심적인 장애요인인 데이터 소유권, 개인정보 보호, 인프라 문제를 규명하고 해결하기.
• 실제 농업 현장에서 지역 및 글로벌 규모로 AI와 IoT를 구현하는 데 있어 기술적·경제적 타당성 분석하기.
• 농민의 지적 재산권과 개인정보를 보호하면서도 공정한 데이터 공유를 가능하게 하는 정책 및 기술적 해법 제안하기.
• 농촌 농업에서 실시간 데이터 처리 및 의사결정 지원을 가능하게 하는 고속 대역폭과 데이터 인프라의 역할 분석하기.
• 농민, 서비스 제공자, 농업 기업 간의 데이터 공유를 장려하는 인센티브 호환 메커니즘 개발하기.

제안 방법

• 식재, 살포, 수확 등의 현장 운영에서 다중 척도의 실시간 데이터를 수집하기 위해 사물인터넷(IoT)과 무선 센서 네트워크(WSNs)를 활용한다.
• 저비용 센서, 드론, 농기계에서 수집한 데이터를 기계학습 및 컴퓨터 비전 기법을 적용해 정밀한 입력 관리 분석을 수행한다.
• 실시간 의사결정 요구에 부응하기 위해 분산된 데이터 수집, 집계, 저지연 처리를 위한 데이터 파이프라인 아키텍처를 제안한다.
• 서비스 계약 및 네트워크 기반 액세스 제어를 통해 접근을 제한할 수 있는 특성에 기반해, 농업 데이터를 '클럽 재화'(non-rivalrous but partially excludable)로 모델링한다.
• 농업 데이터의 법적 및 정책 프레임워크를 분석하며, 이를 헬스정보기밀보호법(HIPAA) 및 교육정보기밀보호법(FERPA)과 비교해 법적 보호의 부재를 드러낸다.
• 농민의 통제와 경제적 수익을 고려한 인센티브 호환 메커니즘을 도입하며, FarmBeats와 Indigo Ag의 사례 연구를 활용한다.

실험 결과

연구 질문

• RQ1 디지털 농업에서 확장 가능한 데이터 공유를 가능하게 하기 위해 데이터 소유권과 개인정보 보호 문제는 어떻게 해결할 수 있는가?
• RQ2 중소 및 중간 규모 농가, 특히 농촌 지역에서 AI와 IoT를 도입하는 데 있어 기술적·경제적 장벽은 무엇인가?
• RQ3 정의롭고 투명한 정책에 따라 데이터 공유가 높아진 작물 수확량, 입력 효율성, 지속 가능성에 얼마나 기여할 수 있는가?
• RQ4 농업 데이터에 대한 기존 법적 보호 조치는 의료 또는 교육 데이터와 비교해 어떻게 다를까? 그리고 그 격차는 무엇인가?
• RQ5 고속 대역폭 인프라는 농업에서 실시간 AI 기반 의사결정 지원을 가능하게 하는 데 어떤 역할을 하는가?

주요 결과

• 대략 80%의 농민이 자신의 데이터에 누가 접근할 수 있는지에 대해 우려하거나 매우 우려하고 있어, 이는 채택의 주요 장벽으로 작용한다.
• 데이터 서비스 제공자를 이용하는 농민의 55% 이상이 자신의 데이터를 소유하거나 제어하고 있는지 모른다. 이는 심각한 투명성 부족을 시사한다.
• 농업 데이터는 '클럽 재화'로 가장 잘 분류된다. 즉, 비경쟁적이지만 계약 또는 네트워크 기반 액세스 제어로 부분적으로 배제 가능하다. 이는 사적 재화나 공적 재화가 아니다.
• HIPAA나 FERPA 수준의 법적 보호가 없으면서도 현재 연방 차원의 보호 장치가 없어, 농업 데이터는 오용 위험에 노출되어 있다.
• 고속 대역폭은 연결된 농장에서 실시간 데이터 전송을 위해 필수적이지만, 농촌 지역의 대역폭 공급은 여전히 부족하여 AI의 확장성에 제약을 끼친다.
• 정밀 농업의 대규모 도입은 농업의 통합을 가속화할 수 있으며, 규모의 경제를 갖춘 농장과 데이터 도구에 조기에 접근한 기업들에게 유리하게 작용할 수 있다.