Automating Visual Recognition of Leprosy in Wild Chimpanzees

깊은 숲속에 숨겨진, 움직임 없이 정지해 있는 카메라들이 자연의 가장 경계심 강한 보안 요원인 세상을 상상해 보십시오. 이들은 도둑을 잡는 종류가 아니라, 지구상에서 가장 찾기 힘든 거주자들인 야생 동물들을 지켜보는 종류입니다. 수십 년 동안 과학자들은 동물의 수를 세고 그들의 삶을 연구하기 위해 이 "카메라 트랩"에 의존해 왔지만, 이들이 생성하는 영상의 양은 압도적입니다. 그것은 마치 산더미 같은 가을 낙엽 속에서 특정한 종류의 잎사귀 하나를 손으로 직접 찾는 것과 같습니다. 시간이 엄청나게 오래 걸릴 뿐만 아니라, 가장 중요한 것을 놓칠 수도 있습니다. 바로 여기서 인공지능(AI)의 마법이 등장합니다. AI를 수천 장의 사진을 몇 초 만에 스캔하여 인간의 눈이 놓칠 수 있는 아주 작은 단서까지 찾아내는, 매우 빠르고 지치지 않는 탐정이라고 생각해보십시오. 하지만 여기 까다로운 부분이 있습니다. 컴퓨터에게 호랑이를 인식하도록 가르치는 것보다 병든 동물을 인식하도록 가르치는 것이 훨씬 더 어렵다는 점입니다. 동물들은 움직이고, 나무 뒤로 숨기도 하며, 빛에 따라 모습이 달라 보입니다. 과학자들이 던지는 큰 질문은 이것입니다: 우리가 숲속의 흐릿한 원숭이 사진만 보고도 질병을 포착할 수 있을 만큼 똑똑한 디지털 탐정을, 전문가 팀이 모든 초 단위의 영상을 일일이 지켜보지 않고도 만들 수 있을까?

이것이 바로 연구팀이 나병이라는 고약한 질병으로부터 야생 침팬지를 구하기 위해 해결하고자 하는 과제입니다. 여러분은 나병을 인간의 문제라고 생각할 수도 있겠지만, 이는 이 위대한 유인원들에게도 소리 없는 살인자입니다. 침팬지가 병에 걸리면 단순히 몸 상태가 조금 안 좋은 정도가 아닙니다. 매우 눈에 띄는 신체적 변화가 나타납니다. 피부색을 잃거나, 귀가 두껍고 부어오르거나, 털을 잃거나 심지어 손가락을 잃기도 합니다. 이러한 징후들은 바람에 휘날리는 밝은 빨간색 깃발과 같지만, 침팬지는 야생에서 살고 인간을 피하기 때문에 우리가 다가가서 직접 확인할 수는 없습니다. 우리는 카메라 트랩에 의존해야만 합니다. 문제는 카메라가 너무 많은 영상을 기록하기 때문에 인간이 그 모든 것을 보는 것이 불가능하다는 것입니다. 그래서 연구진은 자신들을 대신해 관찰할 수 있는 새로운 종류의 AI 파이프라인을 구축했습니다.

먼저, 그들은 "PanLep300"이라 불리는 방대한 훈련 데이터 라이브러리를 만들었습니다. 이것을 5년 동안 수백 개의 서로 다른 영상에서 추출한 125,000장 이상의 침팬지 크롭(crop) 사진이 담긴 거대한 사진 앨범이라고 상상해 보십시오. 그들은 각 사진에 어떤 침팬지가 건강한지, 혹은 어떤 침팬지가 진행된 단계의 나병 징후를 보이는지 꼼꼼하게 라벨을 붙였습니다. 결정적으로, 그들은 단순히 모든 사진을 한데 모아 던져 넣은 것이 아니라, 실제 상황을 모방하는 방식으로 정리했습니다. AI가 "학습"하는 동안에는 "최종 시험"을 치를 때와 동일한 특정 침팬치나 동일한 카메라 위치를 절대 보지 못하도록 했습니다. 이는 AI가 단순히 "침팬지 밥은 항상 5번 카메라 근처에 앉는다"는 것을 암기하는 것이 아니라, 질병 자체를 포착하는 법을 배우도록 보장하기 위함입니다.

AI가 준비되자, 연구진은 이를 더 똑똑하게 만들기 위한 세 가지 서로 다른 방법을 테스트했습니다. 첫 번째 방법은 단일 스냅샷을 보는 것과 같았습니다. AI는 침팬지의 사진 한 장을 보고 병이 들었는지 판단합니다. 두 번째 방법은 침팬지가 걷는 16프레임짜리 짧은 영화 클립을 보는 것으로, 움직임을 보는 것이 도움이 되기를 기대하는 방식입니다. 세 번째 방법은 가장 복잡한 것으로, AI가 전체 비디오 시퀀스를 한꺼번에 이해하여 시간이 흐름에 따라 침팬지가 어떻게 움직이고 변하는지를 학습하는 방식입니다.

여기서 놀라운 반전이 일 있습니다. 가장 단순한 방법이 승리했습니다. 연구진은 AI가 영화 평론가나 동작 전문가가 될 필요가 없다는 것을 발견했습니다. 사실, 가장 좋은 접근법은 침팬지의 개별 사진(크롭)을 가져와서 AI에게 각 사진이 아픈 것처럼 보이는지 묻고, 그 결과를 그냥 합산하는 것이었습니다. 만약 시퀀스 내의 대부분의 사진이 "아픔"이라고 말한다면, 그 침팬지는 아픈 것입니다. 알고 보니 나병은 정적인 질병입니다. 징후는 춤 동작처럼 빠르게 변하지 않습니다. 그것은 옷에 묻은 얼룩처럼 그 자리에 그냥 있습니다. AI에게 침팬지의 복잡한 움직임을 분석하도록 가르치는 것(비디오 방식)은 오히려 성능을 약간 떨어뜨리거나 별 차이가 없었습니다. 복잡한 모델들은 숫자를 보고 단순히 더하기만 하면 되는데도, 숫자에 대해 소설을 쓰려고 노력하는 학생과 같았습니다.

연구는 또한 똑똑한 AI조차도 실수하게 만드는 몇 가지 "함정"을 발견했습니다. 한 가지 주요 문제는 비디오 클립의 맨 처음과 끝에서 발생합니다. 침팬지가 프레임 안으로 들어올 때는 종종 몸의 일부가 가려지거나 흐릿합니다. 밖으로 나갈 때도 마찬가지입니다. 연구진은 만약 AI가 전체 비디오의 점수를 평균 내려고 시도하면, 이러한 흐릿하고 반쯤 가려진 순간들이 점수를 깎아내려 분명히 아픈 침팬치를 건강한 것처럼 보이게 만든다는 것을 발견했습니다. 이는 마치 학생이 시험에서 만점을 받았는데, 수업에 늦어서 첫 번째 문제를 놓쳤다는 이유로 0점을 받는 것과 같습니다. 이를 해결하기 위해 연구진은 클립의 흐릿한 시작과 끝을 단순히 잘라내거나(트리밍 전략), 가장 선명하고 확신이 있는 사진들만 계산하는 방식(상위 25% 전략)을 사용하면 AI가 훨씬 더 정확해진다는 것을 보여주었습니다.

또 다른 흥-미로운 발견은 배경에 관한 것이었습니다. 연구진은 AI가 침팬지에 집중할 수 있도록 사진에서 숲 배경을 제거해 보았습니다. 그러면 도움이 될 것이라고 생각했기 때문입니다. 놀랍게도 이는 AI를 더 나쁘게 만들었습니다. AI가 침팬스가 아픈지 판단하기 위해 숲의 단서들, 예를 들어 나무의 종류나 조명 등을 활용하고 있었던 것입니다. 배경을 제거했을 때, 우리는 의도치 않게 그 도움이 되는 힌트들까지 제거해 버린 셈이었습니다. 이는 마치 누군가의 기분을 얼굴만 보고 맞추려다가, 사실은 그 뒤에 있는 비 내리는 창문을 봐야만 그 사람이 왜 슬픈지 이해할 수 있다는 것을 깨닫는 것과 같습니다.

결국, 연구진은 단순하고 똑똑한 카메라와 컴퓨터만을 사용하여 야생 침팬지를 나병으로부터 선별할 수 있는 시스템을 구축할 수 있음을 보여주었습니다. 그들은 이 일을 수행하기 위해 초복잡한 동작 감지 로봇이 필요한 것이 아니라, 단일 사진에 대한 세밀한 시선과 결과를 합산하는 스마트한 방식만 있으면 충분하다는 것을 증명했습니다. 이 시스템이 아직 완벽하지는 않으며 더 큰 규모의 침팬지 집단을 대상으로 추가 테스트가 필요하지만, 이는 강력한 새로운 도구를 제공합니다. 이는 미래에 우리가 동물을 방해하거나 수많은 시간의 영상을 직접 지켜보는 일 없이도, 전체 야생 생태계를 감시하며 질병을 조기에 발견하고 생명을 구할 수 있음을 시사합니다. 핵심적인 교훈은, 때로는 문제에 접근하는 가장 단순한 방법이 그것을 해결하는 데 가장 효과적일 수 있다는 것입니다.