구글 딥마인드 액셀러레이터 아태지역 16개 기관 선정과 텔레픽스의 참여

구글 딥마인드 액셀러레이터: 지구를 위한 AI 프로그램에 텔레픽스가 최종 선정되면서 위성 데이터와 알파어스 임베딩을 결합한 맹그로브 모니터링 프로젝트가 본격적인 기술 고도화 단계에 돌입했다. 이번 프로그램은 시급한 환경 난제를 해결하고 지속 가능한 미래를 구축하는 혁신 솔루션의 확장을 돕기 위해 마련되었으며, 아태지역에서 총 16개 기관이 최종 명단에 올랐다.

최종 선정된 16개 기관은 이번 주 싱가포르에서 열린 몰입형 부트캠프를 시작으로 3개월간의 여정을 시작했다. 참가 기관들은 자연 보호 및 기후 복원력 강화, 지속 가능한 농업 발전, 기후 및 탄소 솔루션 확장 등 3개 핵심 분야에 걸쳐 기술을 고도화한다. 특히 알파어스 파운데이션, 포레스트캐스트, 앤스로크리시, 스피시즈넷, 퍼치 등 구글과 구글 딥마인드가 연구·개발한 프론티어 AI 모델을 활용하며, 구글 연구진의 맞춤형 멘토링을 통해 기술적 난제를 해결해 나간다.

이 중 국내 기업으로는 우주 AI 종합 솔루션 기업인 텔레픽스가 유일하게 자연 보호 및 기후 복원력 강화 분야에 이름을 올렸다. 텔레픽스는 위성 데이터와 구글 딥마인드의 지리공간 AI 모델을 결합해 해양 블루카본의 핵심인 맹그로브 숲을 실시간으로 모니터링하는 해양 블루카본을 위한 글로벌 맹그로브 모니터링 프로젝트를 선보였다.

텔레픽스의 AI 초소형 위 블루본

텔레픽스의 핵심 모니터링 플랫폼은 이미 구글의 기술 생태계 위에서 출발했다. 플랫폼의 핵심 추론 단계마다 알파어스 임베딩이 필수적인 기준 축으로 쓰이고 있어, 이번 프로그램은 이미 현업에 적용 중인 기술을 해당 모델을 직접 개발한 구글 딥마인드 연구진과 함께 깊이 발전시키는 기회가 된다.

기존 식생지수의 지리적 병목 한계와 알파어스 임베딩 결합 구조

NDVI(정규식생지수), NDMI(정규수분지수), MVI(맹그로브지수) 같은 단순 분광지수는 촬영 날짜나 지역의 특성에 따라 맹그로브 경계선이 왜곡되는 현상이 발생한다. 분광지수는 식물이 빛을 반사하는 특성을 이용해 식생의 유무나 상태를 구분하는 수치적 지표다. 하지만 맹그로브 숲은 조수 간만의 차가 크고 수질 탁도가 빈번하게 변하는 환경에 위치한다. 특정 날짜에 촬영된 단일 영상에만 의존하는 기존 방식은 이러한 일시적인 환경 변수를 식생의 특성으로 오인하는 한계가 있다. 이로 인해 인도네시아 해안의 데이터로 최적화한 기준치를 나이지리아나 브라질 해안에 그대로 적용하면 경계선이 엉뚱한 곳에 그려지는 지리적 일반화의 병목 현상이 나타난다. {{IMG:https://storage.googleapis.com/gweb-uniblog-publish-prod/images/GDMAccelerator_cohort.width-1200.format-webp.webp}}

알파어스 임베딩은 지표면 각 지점이 가진 기후, 지형, 수문학적 특성을 64차원의 벡터로 압축해 표현한 값이다. 벡터는 여러 개의 숫자를 나열해 데이터의 다차원적 특징을 수학적으로 나타낸 것이다. 64차원이라는 수치는 해당 지점이 가진 복잡한 환경 정보를 64개의 서로 다른 특성 값으로 세분화해 저장했음을 의미한다. 단일 광학 영상이 특정 시점의 상태를 기록하는 일시적인 스냅샷이라면, 알파어스 데이터는 조석의 변화나 갑작스러운 날씨 변화에 휘둘리지 않는 해당 지역 고유의 기준 특성을 담고 있다. 이는 관측 시점의 우연성에 의존하지 않고 지표면이 가진 본질적인 지리적 정체성을 데이터화한 것이다.

텔레픽스는 AlphaEarth-guided spectral projection 모델을 통해 이 64차원 임베딩을 광학 밴드 데이터와 결합하는 아키텍처를 구현했다. 광학 밴드는 위성 센서가 포착한 가시광선이나 적외선 등 서로 다른 파장대의 빛 정보를 의미한다. 모델 내부의 특수 변환 계층은 64차원의 고차원 임베딩을 맥락 채널로 압축하여 연산 효율을 높이고 핵심 정보만을 추출한다. 이렇게 압축된 맥락 채널은 위성영상의 각 밴드 데이터와 나란히 결합되어 AI 모델의 최종 입력값으로 전달된다. 단순한 데이터의 병합이 아니라, 지리적 배경 정보가 광학 데이터의 해석 방향을 가이드하는 구조다. {{IMG:https://storage.googleapis.com/gweb-uniblog-publish-prod/images/TelePIX_groupphoto.width-1200.format-webp.webp}}

이 결합 구조는 AI가 픽셀 단위로 맹그로브 여부를 판별할 때 두 가지 서로 다른 성격의 정보를 동시에 교차 검증하도록 만든다. 첫 번째는 위성 카메라에 현재 어떻게 보이는지를 나타내는 현재 관측값 기반의 시각 정보이다. 두 번째는 이 장소가 본래 어떤 기후와 지형적 배경을 가진 곳인지를 알려주는 지리적 맥락 정보이다. AI는 현재 관측되는 픽셀의 색상이나 밝기가 맹그로브와 유사하더라도, 해당 지점의 지리적 맥락 정보가 맹그로브가 자랄 수 없는 환경이라면 이를 식생으로 판별하지 않는다. 이러한 교차 검증 방식은 흙탕물이나 연무 같은 일시적인 노이즈를 식생으로 오인하는 오류를 줄이고, 전 세계 어느 해안선에서도 일관된 탐지 정확도를 유지하는 근거가 된다.

인공지능 기반 맹그로브 탐지 모델의 성능 검증 결과

학습에 전혀 사용하지 않은 국가들의 위성 데이터만으로 평가했을 때 탐지 일치도를 나타내는 IoU(Intersection over Union, 예측 영역과 실제 영역이 겹치는 비율)와 F1 점수 모두 90% 이상을 기록했다. 검증 과정에서는 5개 대륙 주요 지역에서 수집한 위성영상 1,300장을 활용해 정밀 분석을 진행했다.

강 하구의 퇴적물이 섞인 탁한 흙탕물이나 대기 중의 연무는 식생과 유사한 분광 반사 특성을 보여 맹그로브로 잘못 인식되는 경우가 많았으나, 이번 모델을 적용한 결과 이러한 환경적 노이즈를 식생과 명확히 구분해내며 오인 오류를 줄였다. 바닷물이 들고 남에 따라 식생의 일부가 잠기거나 드러나는 조석 간만의 차가 극심한 환경에서도 맹그로브의 존재 여부와 범위를 정확하게 식별해냈다. 결과적으로 지역별 재튜닝이라는 수동 작업 없이도 전 지구적 규모의 블루카본 모니터링이 가능한 구조를 완성했다.

제미나이 자연어 리포트 자동 생성과 젬마 기반 온프레미스 체계

공공기관의 보안 규정과 상용 클라우드 환경 사이에서 선택해야 하는 현장 조건에 따라, 텔레픽스는 제미나이(Gemini) 자연어 리포트 자동 생성 기능과 젬마(Gemma) 기반 온프레미스(On-premise) 분석 체계를 양방향으로 지원한다. 환경 보전 정책 수립과 단속을 집행하는 현장 실무자가 GIS 분석 전공자가 아니더라도 일상 언어로 질문하고 실시간 답변을 얻을 수 있는 대화형 환경이 구축된다. {{IMG:https://storage.googleapis.com/gweb-uniblog-publish-prod/images/TelePIX_BlueBON.width-1200.format-webp.webp}}

텔레픽스는 제미나이를 도입하여 AI가 탐지한 맹그로브 변화 분석 결과를 자연어 리포트로 자동 생성한다. 외부 전문가의 분석 보고서를 몇 달씩 기다리지 않고 담당자가 즉각 현황을 파악하여 보호 조치를 취할 수 있다.

또한 엄격한 보안 규정으로 인해 내부 데이터를 외부 상용 클라우드에 업로드하기 어려운 공공기관과 국방 및 보안 조직을 위해 구글 경량 오픈 모델인 젬마를 활용한다. 외부 인터넷과 단절된 폐쇄망 환경에서도 구동 가능한 온프레미스 분석 체계를 지원할 계획이며, 공공기관 보안 환경 내 언어모델 구축 경험을 바탕으로 국내외 환경 당국에 맞춤형 솔루션을 제공한다.

3개월간의 구글 클라우드 실증 목표와 우주 AI의 실시간 대응 전환

향후 3개월 동안 구글 클라우드 환경에서 국가 단위의 광대한 해안선 전체를 사람의 개입 없이 상시 자동으로 탐지하고 처리하는 운영 파이프라인을 실증하며 상용화를 위한 인프라 운영 비용을 최적화할 계획이다. 이 과정에서 시계열 변화 자동 추적 알고리즘과 제미나이 기반 자연어 질의응답 기능의 완성도 높은 프로토타입을 도출하고자 한다. 또한 알파어스 임베딩이 탐지 성능 향상에 기여하는 바를 정량적인 학술 벤치마크로 입증하는 과정에서 구글 연구진의 자문을 받을 예정이다. 사업적으로는 동남아시아의 주요 환경 공공기관 및 국제 해양 보전 기구와 손잡고 실제 해안선 현장에서 맹그로브 모니터링 파일럿 프로젝트를 시작하는 것을 목표로 삼고 있다.

위성 관측과 인공지능 분석이 빈틈없이 상시화된다면, 해양 환경 훼손은 이미 벌어진 뒤 안타깝게 기록하는 사후 기록이 아니라 파괴가 진행되는 바로 그 순간 선제적으로 개입해 막아낼 수 있는 실시간 대응의 영역으로 전환될 수 있다. 나아가 위성이 궤도 위에서 직접 영상을 분석해 지상으로 내려보내고 처리하는 시간을 기다리지 않고 변화를 곧바로 알리는 것까지 내다보고 있다. 우주에서 정밀한 인사이트를 끌어내어 환경 분야의 실질적 가치로 전환하는 체계를 완성한다.