AI and Remote Sensing for Resilient and Sustainable Built Environments: A Review of Current Methods, Open Data and Future Directions

현대 사회의 도로, 교량, 고층 빌딩과 같은 인프라를 우리 몸의 골격과 근육이라고 상상해 보십시오. 인체와 마찬가지로, 이러한 구조물들도 피로를 느끼고, 균열이 생기며, 폭풍이나 지진, 혹은 단순히 세월의 흐름에 따른 마모로 인해 때때로 큰 부상을 입기도 합니다. 오랫동안 이러한 부상을 점검하는 방법은 엔지니어 팀이 클립보드와 안전모를 들고, 때로는 높은 곳을 올라가 자세히 살펴보기 위해 위험한 장비를 갖추고 직접 현장에 나가는 것이었습니다. 하지만 만약 이 구조물들에게 '초능력 시력'을 줄 수 있다면 어떨까요? 바로 여기서 **인공지능(AI)**과 **원격 탐사(Remote Sensing)**가 등장합니다. AI를 수백만 장의 사진을 보고 인간의 눈이 놓칠 수 있는 아주 작은 균열이나 포트홀을 즉각적으로 찾아내는 초스마트 탐정이라고 생각해보십시오. 원격 탐사는 이 탐정의 망원경이자 현미경입니다. 이는 지면에 직접 닿지 않고도 위성이나 드론을 이용해 높은 하늘에서 지면의 사진을 찍을 수 있게 해주는 기술입니다. 우리가 이 기술에 관심을 갖는 이유는 우리의 도로와 교량이 점점 노후화되고 있으며, 날씨 또한 점점 더 극단적으로 변하고 있기 때문입니다. 손상을 조기에 발견하지 못하면 작은 균열이 거대한 붕괴로 이어져 수십억 달러의 비용을 발생시키고 생명을 위협할 수 있습니다.

이제 이 이야기의 주인공인 탐정들을 만나보겠습니다. 바로 우리 인프라를 고치기 위해 현재 AI가 어떻게 사용되고 있는지 그 전체적인 지형을 거시적으로 살펴보기로 결심한 한 연구팀입니다. 그들은 단순히 새로운 도구를 만든 것이 아니라, 2018년부터 2026년 사이에 발표된 244개의 서로 다른 연구를 검토하여 다른 사람들이 무엇을 하고 있는지 확인했습니다. 그들의 임 mission은 간단하지만 까다로운 질문에 답하는 것이었습니다. "우리는 실제로 다리와 도로를 구하기 위해 AI를 사용하는 능력이 향상되고 있는가, 아니면 그저 현실 세계에서는 중요하지 않은 퍼즐을 푸는 데 더 능숙해지고 있는 것뿐인가?"

그들이 발견한 내용은 다음과 같으며, 여기에는 약간의 반전이 있습니다. 여러분은 아마 가장 "똑똑한" AI 모델이 승기를 잡을 것이라고 예상할지도 모릅니다. 하지만 연구진은 AI 모델이 주인공이 아니라, 바로 데이터가 주인공이라는 사실을 발견했습니다. 이것은 마치 세계적인 수준의 요리사(AI)를 데려왔지만, 그에게 요리 재료로 감자(데이터)만 주는 것과 같습니다. 요리사가 아무리 훌륭해도 그가 만들 수 있는 것은 감자 요리뿐입니다. 이 연구는 대부분의 연구자가 똑같은 몇 가지 재료, 즉 드론으로 촬영한 도로 균열 사진처럼 구하기 쉬운 특정 데이터셋에 갇혀 있다는 것을 보여줍니다. 이러한 데이터셋이 매우 인기 있기 때문에, 거의 모든 사람이 동일한 유형의 AI(소위 "CNN" 및 "YOLO" 탐지기)를 사용하여 동일한 작은 문제들을 해결하고 있습니다.

연구진은 AI가 작동하는 세 가지 뚜렷한 "동네"를 식별했으며, 각 동네는 서로 다른 규칙을 따릅니다.

1. 도로 순찰대 (UAV 및 드론): 가장 활발한 동네입니다. 도로 위로 드론을 날려 사진을 찍는 것이 쉽기 때문에 대부분의 연구가 이곳에 집중되어 있습니다. AI는 초고속 스캐너처럼 작동하여 포트홀과 균열을 찾아내기 위해 확대합니다. 이는 국지적인 작은 문제를 찾아내는 데는 탁고 있지만, 마치 한 번에 한 거리만을 관찰함으로써 나라 전체의 지도를 그리려는 것과 같습니다.
2. 교량 감시단 (위성 및 시간): 교량은 까다롭습니다. 어떤 연구자들은 드로를 사용하여 균열을 관찰하지만, 다른 이들은 위성을 사용하여 몇 달 또는 몇 년 동안 교량의 움직임을 관찰합니다. 이것은 교량이 바람에 흔들리는 모습을 슬로 모션 영화처럼 지켜보는 것과 같습니다. 여기서 AI는 단순히 균열을 찾는 것이 아니라, 교량이 붕창할 가능성을 시사하는 움직임의 패턴을 찾습니다. 이는 단순한 사진이 아닌, 시간을 이해하는 다른 종류의 AI를 필요로 합니다.
3. 건물 수호자 (위성 사후 분석): 지진이나 홍수와 같은 재난이 닥치면 위성이 달려와 도시 전체의 "전과 후" 사진을 찍습니다. 여기서 AI는 포렌식 아티스트처럼 작동하여 두 사진을 비교하고, 어떤 건물이 서 있고 어떤 건물이 파괴되었는지 확인합니다. 이는 구조 팀에게 매우 중요하지만, 주로 피해가 발생한 후에 일어나는 일입니다.

이 논문의 핵심적인 폭로는 우리가 벽에 부딪히고 있다는 것입니다. 연구의 수가 폭발적으로 증가했음에도 불구하고(2018년 연간 약 15개에서 2025년 61개로 증가), 실제 엔지니어들이 이러한 도구를 사용하는 비율은 여전히 매우 낮습니다. 왜 그럴까요? 그것은 AI가 종종 "블랙박스"이기 때문입니다. AI는 답을 주지만, 왜 그런 결과가 나왔는지 설명하지 못합니다. 마치 의사가 "수술이 필요합니다"라고 말하면서 정작 X-ray 사진을 보여주지 않거나 진단 이유를 설명하지 않는 것과 같습니다. 교량의 안전을 책임지는 법적 의무가 있는 엔지니어들은 이해할 수 없는 도구를 신뢰할 수 없습니다. 더욱이, AI는 특정 지역(예: 특정 국가나 특정 유형의 도로)의 데이터로 학습됩니다. 만약 그 동일한 AI를 다른 기후나 다른 도로 자재를 사용하는 다른 나라에 가져간다면, 대개 실패하게 됩니다. 이는 마치 학생에게 캘리포니아의 화창한 날에만 운전하는 법을 가르친 뒤, 그 학생을 캐나다의 눈 내리는 숲속에 떨어뜨려 놓는 것과 같습니다. 그러면 학생은 무엇을 해야 할지 모르게 됩니다.

이 논문은 우리가 지금 당장 더 "똑똑한" AI 모델을 필요로 하는 것이 아니라, 더 나은 데이터와 더 나은 규칙이 필요하다고 주장합니다. 우리는 단순히 컴퓨터 테스트의 높은 점수를 쫓는 것을 멈추고, 이 도구들을 복잡하고 혼란스러운 현실 세계에서 테스트하기 시작해야 합니다. 저자들은 인간이 모든 단계에서 AI의 도움을 받는 "3단계" 시스템이라는 새로운 방향을 제시합니다.

• 1단계: 드론이 빠르고 근접한 점검을 수행하고, 최종 결정은 인간 엔지니어가 내립니다.
• 2단계: 위성이 재난 후 지역 전체를 스캔하고, 인간 분석가가 지도를 해석합니다.
• 3단계: 위성이 수년간 교량을 관찰하고, 인간 엔지니어가 AI의 장기적 추세를 바탕으로 보수 작업을 승인합니다.

요약하자면, 이 논문은 우리 인프라를 구할 기술은 존재하지만, 현재는 쉬운 데이터와 검증되지 않은 모델의 굴레에 갇혀 있다고 제안합니다. 도시를 진정으로 회복 탄력 있게 만들기 위해서는 이 굴레를 깨야 합니다. 우리는 AI에게 더 다양한 데이터를 제공하고, AI가 자신의 추론 과정을 설명할 수 있도록 하며, AI가 자율적인 상사가 아닌 유능한 조수가 되는 시스템을 구축해야 합니다. 미래는 스스로 교량을 고치는 로봇을 만드는 것이 아니라, AI와 인간 엔지니어가 협력하여 세상이 굳건히 서 있도록 만드는 파트너십을 구축하는 데 있습니다.