설명 가능한 AI 기반 지속 가능한 농업

최근 인공지능(AI)은 방대한 데이터 분석과 정보 기반 의사결정 능력을 통해 전 세계 산업을 혁신하는 파괴적인 기술로 부상했습니다. 농업 분야 또한 생산성, 효율성, 지속가능성 향상을 위해 AI 기술을 도입하며 혁명적인 변화를 겪고 있습니다. 그러나 AI 모델의 투명성 부족은 특히 의학 및 농업과 같은 중요 산업에 적용될 때 신뢰성에 대한 의문을 제기합니다. 이러한 문제를 해결하기 위해 2017년 초부터 설명 가능한 인공지능(XAI) 연구가 활발해졌습니다. LIME, SHAP, Grad-CAM과 같은 도구들은 복잡한 AI 모델의 내부 작동 방식을 명확히 하고 의사결정 과정을 투명하고 이해하기 쉽게 만드는 데 중요한 역할을 했습니다. 본 연구는 2017년부터 2024년까지 Scopus, Web of Science 등 주요 학술 데이터베이스에 게재된 논문을 검토하여 식물 질병 식별을 위한 AI 활용 등 농업 분야의 최신 XAI 개발 동향을 조사했습니다. 검토 결과, XAI 방법론의 다양한 적용 사례와 연구자들이 직면한 어려움을 파악했습니다. 또한, 농업 분야에서 농업인들이 겪는 머신러닝(ML) 및 딥러닝(DL)의 한계를 분석하기 위해 최신 ML 및 DL 발전을 검토했습니다. 본 논문은 식물 질병 식별을 위한 현대적인 설명 가능 모델을 제시하고, 농업 응용 분야에서 XAI가 어떻게 활용될 수 있는지 보여줍니다. 결론적으로, XAI는 ML 및 DL 모델뿐만 아니라 농업 분야의 실시간 모니터링에 필수적임을 강조합니다. 이는 AI 기반 농업 시스템의 신뢰성과 수용성을 높여 지속 가능한 농업 발전에 기여할 것입니다.