Climate Tech Startup이 기후 위기 극복을 위해 생성형 AI를 사용하는 방법

생성형 인공지능(AI)은 원본 텍스트, 이미지, 동영상, 음악을 생성하는 마법처럼 보일 수도 있고 영리한 협력자처럼 보일 수도 있습니다. 생성형 인공지능은 놀라운 채팅 기능과 매력적인 이미지 생성으로 전 세계의 주목을 받았지만, 창의적인 협력자나 채팅봇 이상의 역할을 할 수 있습니다. AWS에서는 생성형 AI가 인간과 기업이 기술로 세계에서 가장 어려운 문제를 해결하는 방식을 바꾸고 있는 것을 목격하고 있습니다.

기후 위기보다 더 시급한 문제는 없습니다. 세계는 기후 변화의 영향을 돌이킬 수 없게 되기 전에 지구 온난화를 섭씨 2도까지 억제하기 위해 2050년까지 탄소 순 배출량 제로에 도달하기 위한 경쟁을 벌이고 있습니다. 기후 위기 해결을 위해서는 속도가 중요합니다. 생성형 AI는 아직 신생 분야이지만 이미 기후 솔루션의 구축과 배포를 가속화하는 중요한 도구가 되고 있습니다.

기후 위기를 막기 위해 앞장서고 있는 몇몇 Climate Tech Startup을 소개해드리게 되어 기쁩니다. 이들은 생성형 AI를 사용하여 온실가스 배출을 줄이고 전 세계가 탄소 제로 경제로 전환할 수 있도록 지원함으로써 기후 변화에 맞서고 있습니다.

BrainBox AI: 생성형 AI를 통한 건물 탈탄소화 가속화

국제 에너지 기구(IEA)에 따르면 건물이 전 세계 에너지 소비의 30%, 전 세계 에너지 관련 배출량의 26%를 차지합니다. 건물의 에너지 사용량을 줄이는 것은 전 세계 탄소 순 배출량 제로를 달성하는 데 매우 중요합니다.

BrainBox AI는 상업용 건물의 탈탄소화 및 최적화를 위한 자율 AI를 개발했습니다. 자율 AI는 또한 고객의 에너지 비용을 절감합니다. AWS를 기반으로 구축된 클라우드 기반 최적화 솔루션은 건물의 기존 난방, 환기 및 공조(HVAC) 시스템에 연결되고 실시간으로 최적화된 제어 명령을 자율적으로 전송하여 사람의 개입 없이도 배출량과 에너지 소비를 최소화합니다.

예를 들어, BrainBox AI는 과거 데이터와 날씨 및 에너지 요금 체계와 같은 외부 데이터세트를 기반으로 소매점의 온도를 예측하여 건물 소유주가 HVAC 에너지 비용을 최대 25% 줄이고 HVAC 관련 온실 가스 배출량을 최대 40% 줄일 수 있도록 지원했습니다.

BrainBox AI는 시스템에 새 건물을 추가할 때 생성형 AI를 활용하여 각 새 건물의 온보딩 시간을 줄입니다. 과거에는 펌프나 공기 처리 장치와 같은 새로운 장비가 건물에 추가될 때마다 엔지니어가 제조업체의 복잡한 기술 매뉴얼을 검토하고 펌프의 정격 출력이나 생성 압력 등의 세부 정보를 찾아서 기계가 읽을 수 있는 형식으로 변환해야 했습니다.

BrainBox AI는 Amazon Bedrock을 사용하여 데이터를 추출하고 자동으로 구성 파일을 생성합니다. 그런 다음 엔지니어가 이 파일을 완성하고 수정합니다. 이 프로세스를 파워 태깅이라고 합니다. BrainBox AI는 Amazon Bedrock을 통해 파워 태깅에 소요되는 시간을 90% 이상 단축할 수 있었다고 추정합니다. 그 결과 더 많은 고객을 더 빠르게 온보딩할 수 있게 되어 기후 위기에 더 크고 빠르게 영향을 미칠 수 있게 되었습니다.

Pendulum: 생성형 AI로 공급망 탈탄소화

현재 세계에서 가장 시급한 문제 중 하나는 조직이 적은 자원으로 더 많은 것을 창출하는 방법을 찾는 것입니다. Pendulum은 AI의 힘을 활용하여 이 문제를 해결합니다. Pendulum의 기술은 상업 공급망, 세계 보건, 국가 안보와 같은 분야의 복잡한 문제에 대한 지속 가능한 솔루션을 제공합니다.

공급망 최적화는 탄소 배출을 줄이는 데 중요합니다. Accenture는 공급망이 전 세계 탄소 배출량의 60%를 차지하는 것으로 추정합니다. 미국 환경보호청에 따르면 공급망이 기업 온실가스 배출량의 90% 이상을 차지할 수 있습니다. 오늘날 공급망이 어떻게 작동하는지 또는 작동하지 않는지를 살펴보면 낭비되는 자원과 자본의 규모에 대한 몇 가지 놀라운 세부 정보를 확인할 수 있습니다. 예를 들어, 매년 식품의 17%, 소매 및 소비재 제품의 8%가 폐기되는 등 과잉 재고로 인해 약 5,620억 USD의 손실이 발생합니다.

Pendulum의 AI 기반 솔루션을 통해 조직은 운영을 지능적으로 관리하고 제품 낭비, 수익 손실, 과도한 온실가스 배출을 줄일 수 있습니다. AWS를 기반으로 구축된 Pendulum의 소프트웨어는 수요를 예측하고, 공급을 계획하고, 배송 위치를 파악할 수 있습니다. 이를 통해 기업은 필요한 자원을 보다 정확하게 구매하면서 고객이 요구하는 만큼의 상품을 정확하게 생산할 수 있습니다.

기업 데이터에 액세스하는 것은 Pendulum의 플랫폼에서 매우 중요합니다. 그러나 데이터는 사일로화된 시스템과 PDF 및 일반 텍스트 파일과 같은 비정형 문서에 보관되어 있는 경우가 많습니다. Pendulum의 소프트웨어는 운영 의사 결정과 가장 관련성이 높은 데이터 소스를 활용하도록 설계되었습니다. Pendulum은 길고 복잡한 문서에 포함된 중요한 정보를 빠르게 찾아내어 고객의 가치 창출 시간을 단축할 수 있도록 생성형 AI를 배포하고 있습니다.

생성형 AI가 효과적으로 배포되고 있는 한 가지 예는 정밀 농업 분야입니다. Pendulum 팀은 HITL(Human-in-the-Loop) 접근 방식으로 Amazon SageMaker를 사용하여 AWS Trainium에서 대규모 언어 모델(LLM)에 대한 명령어 튜닝을 진행합니다. 이를 통해 고객의 농기계가 농약, 물, 기타 제품의 사용량을 결정하는 데 사용할 수 있는 비정형 파일에서 기계 판독 가능 데이터가 생성됩니다. 결과적으로 고객은 자원을 과도하게 사용하거나 과다 주문할 가능성이 줄어들고 비용을 절약하고 탄소 배출량과 환경에 미치는 영향을 줄일 수 있습니다. 또한 재배 요구 사항, 현지 규정 및 기타 중요한 기준을 준수할 수 있습니다.

Pendulum은 이 솔루션을 통해 이러한 문서를 해독하는 데 필요한 시간이 83% 단축되었다고 추정하며 이제 품질 보증을 위해 데이터를 검토하기만 하면 된다고 합니다. 결과적으로 비용이 절감되고 대규모 소프트웨어 배포가 가속화됩니다.

VIA: 생성형 AI를 통해 건물 관리자가 에너지 효율성을 더 쉽게 이해할 수 있도록 지원

배출량 감축을 위해 기관과 기업은 지역 및 개인 수준의 에너지 데이터를 추적해야 합니다. 예를 들어, 전기 자동차(EV)와 관련된 탄소 배출량을 줄이려면 특정 지역에서 특정 시간에 전기 자동차가 재생 에너지 또는 화석 연료로 구동되는 전기를 사용하여 충전되는지 파악하는 것이 중요합니다. 에너지 효율적인 건물을 위해서는 조직의 전체 부동산 포트폴리오에 대한 심층적이고 개별화된 데이터가 필수적입니다. 모두가 모든 데이터를 투명하게 제공한다면 문제가 되지 않을 것입니다. 하지만 개인 수준의 데이터는 개인정보 보호 문제나 보안 문제로 인해 접근이 불가능한 경우가 많습니다. 많은 개인이 차량 충전/방전/에너지 데이터의 시간, 날짜, 위치를 제공하는 것을 꺼려합니다. 이로 인해 에너지 관리와 온실가스 감축이 어렵습니다.

Via Science, Inc.(VIA)를 통해 조직은 개별 데이터를 비공개로 안전하게 유지하면서 집단적으로 탄소 배출량을 줄일 수 있습니다. 이 회사는 미국 에너지부에서 테스트하고 검증한 영지식 증명을 사용하여 지속 가능성 데이터를 제공합니다. 이를 통해 조직과 기업은 규제 또는 개인 정보 보호 장벽으로 인해 자세한 정보를 공유할 수 없는 경우에도 데이터를 추적하고 지속 가능성 목표를 달성할 수 있습니다.

VIA는 처음에 미 공군을 위한 솔루션을 개발했는데, 엄격한 데이터 프라이버시 요건으로 인해 건물 관리 및 에너지 관리 팀이 필요한 중요 데이터에 접근하지 못하는 경우가 많았습니다. VIA의 분산형 소프트웨어 솔루션을 사용하면 공군과 허가된 계약업체는 데이터를 공유하지 않고도 생성형 AI 모델을 사용할 수 있으며, 개인 데이터가 모델 훈련에 사용되거나 프롬프트에서 모델에 전송되지 않습니다. 대신 사용자가 'HVAC 시스템 상태가 60 미만인 XYZ 공군 기지의 모든 건물 보여줘'와 같은 프롬프트를 입력하면 LLM은 '알겠습니다. 데이터에 액세스할 수 없으므로 로컬 데이터베이스에서 데이터를 가져오기 위해 실행할 수 있는 SQL 쿼리를 생성하겠습니다. 또한 데이터를 표시하기 위해 실행할 수 있는 프런트엔드 코드도 전송하겠습니다.'라고 답합니다. 그러면 이 두 코드가 사용자에게 다시 전송되고 여기서 도구인 SLAM AI가 자동으로 실행되고 로컬에서 데이터를 시각화합니다.

에너지를 더 절약하고 컴퓨팅 비용을 절감하기 위해 VIA는 CPU에서 실행되는 컴팩트 오픈 소스 LLM을 사용합니다. 또한 LLM 성능의 빠른 발전에 따라 새로운 모델을 지속적으로 평가합니다. Amazon Elastic Kubernetes Service(EKS)를 통해 모델을 원활하게 핫스왑하여 더 효율적인 모델이 출시되면 이를 통합할 수 있습니다.

생성형 AI와 Climate Tech의 다음 단계

BrainBox AI, Pendulum 및 VIA는 기후 위기를 해결하기 위해 AWS 기반의 생성형 AI를 사용하고 있습니다. 또한 비정형 데이터에서 핵심 요소를 추출하고 새로운 콘텐츠를 생성하는 생성형 AI의 기능을 활용합니다. 이를 통해 기업은 고객에게 더 빠르게 서비스를 제공하고 더 많은 고객에게 서비스를 제공하고 온실 가스 배출량을 줄일 수 있습니다. 또한 이러한 회사와 고객의 비용을 절감할 수 있습니다.

Climate Tech Startup이 기후 위기를 해결하기 위해 AWS 기반 생성형 AI를 사용하는 새로운 방법을 추가로 찾을 것으로 기대합니다. 다음은 Climate Tech에 적용될 수 있다고 생각되는 다른 산업 분야의 몇 가지 예입니다.

예측 모델 훈련을 위한 합성 데이터를 생성하기 위해 생성형 AI를 사용한 데이터 증강

생성형 Al는 실제 세계를 직접 관찰하여 얻은 데이터가 아닌, 생성된 데이터의 한 종류인 합성 데이터를 생성할 수 있습니다. 이는 지하 암석 형성 데이터를 얻기 어려운 지열이나 탄소 격리를 위한 지하 모델링에 유용할 수 있습니다. 또한 저탄소 운송 분야의 Startup은 생성형 Al를 사용하여 신차 테스트를 위한 시나리오를 만들 수 있습니다. 이는 Climate Tech 하드테크 제조 분야에서도 유용합니다. 녹이나 균열이 있는 장비(예: 컴프레서, 터빈)의 이미지를 만드는 데 합성 이미지 데이터 생성을 이용할 수 있습니다. 비용을 절감하고 운영 중단 시간을 최소화하는 데 중요한 예측 유지 보수를 위한 비전 기반 기계 학습(ML) 모델 훈련에 이러한 이미지를 사용할 수 있습니다.

생성형 AI를 사용하여 Climate Tech 제조 효율성 개선

생성형 AI는 기계 사용 및 유지 보수 로그를 비롯한 과거 데이터로 훈련된 모델을 사용하여 온도, 진동, 작동 시간과 같은 다양한 요인 간의 패턴과 연관성을 식별할 수 있습니다. 이를 통해 시스템은 장비 고장 가능성을 예측하고 이러한 패턴을 품질 엔지니어, 유지 보수 엔지니어 및 운영자와 같은 적절한 이해 관계자에게 사전에 전달할 수 있습니다. 유지 보수 필요성을 사전에 전달함으로써 가동 중지 시간이 줄어들고 제조 중단이 최소화됩니다.

생성형 AI로 지속 가능한 농업 및 식량 생산을 위한 새로운 단백질 설계 및 합성

생성형 AI는 세포에서 특정 기능을 수행할 수 있는 단백질의 접힌 구조를 예측할 수 있습니다. 이를 통해 연구자들은 기능성 단백질과 다양한 분자를 안내된 방식으로 생성할 수 있습니다. 또한 과학자들은 생성형 AI를 통해 알려진 단백질 서열의 구조를 정확하게 정의하여 분자/생물학적 표적을 식별할 수 있습니다.

Climate Tech Startup이 지구 온난화 문제를 해결하기 위해 생성형 AI를 사용할 수 있는 방법은 더 많을 것입니다. 이 블로그 게시물을 통해 Climate Tech 창업자들이 새롭고 흥미로운 방식으로 생성형 AI를 활용할 수 있는 아이디어를 얻고 영감을 얻기를 바랍니다.

생성형 AI 워크로드는 많은 양의 에너지와 클라우드 리소스를 소비할 수 있으므로, 모든 워크로드와 마찬가지로 환경에 미치는 영향을 고려해야 합니다. 이 기술을 지속 가능한 방식으로 사용하는 것은 우리 모두의 책임입니다. Amazon은 2040년까지 탄소 순 배출량 제로를 달성하기 위해 최선을 다하고 있습니다. 이러한 노력의 일환으로 Amazon은 2025년까지 AWS 데이터 센터를 포함하여 100% 재생 에너지로 사업을 운영한다는 목표를 향해 나아가고 있습니다. 그 결과 Amazon은 지난 4년간 세계 최대의 재생 에너지 구매 기업이 되었습니다. AWS는 기업이 환경 지속 가능성을 위해 생성형 AI 워크로드를 최적화하는 데 도움이 되는 지침을 제공합니다. 또한 이러한 기업은 생성형 AI 사용의 영향과 조직의 전반적인 지속 가능성 목표에 대한 생성형 AI의 기여도를 측정하는 것이 중요합니다.