The big tech quest to find the metals needed for the energy overhaul

AI를 이용해 거대 광물 매장지 찾아내는 기업

리튬, 코발트, 흑연 같은 전기차나 휴대폰에 들어가는 배터리 소재 수요가 급증하고 있는 가운데 조만간 AI 기술이 이런 소재 탐사 속도와 채굴 확률을 높이는 데 크게 기여할 시대가 도래할 것으로 기대된다.

최근 몇 주 동안 날씨가 허락하는 한 하루도 빠지지 않고 미국 광물탐사 업체인 코볼드메탈스(KoBold Metals)의 헬리콥터 한 대가 캐나다 퀘벡 북부 상공을 비행했다. 헬리콥터에는 다소 평범하지 않은 화물이 실려 있었다.

다름 아닌 35m 넓이의 구리 코일이었다. 헬리콥터에 매달린 구리 코일이 땅속으로 전자기파를 보내 땅속 깊은 곳에 있는 암석에 전류를 발생시키면 암석에 전기가 통하는 전도체 성분이 포함되어 있을 경우 코일로 신호를 다시 보내왔다. 이는 암석에 휴대폰과 노트북, 전기자동차 배터리에 사용되는 귀중한 금속인 니켈과 코발트 성분이 들어있을 가능성이 있다는 의미였다.

날씨가 좋은 날이면 헬리콥터는 160여km에 이르는 지역을 탐사할 수 있었다. 헬리콥터 조종사가 지역 탐사를 마치면, 수집된 데이터는 인공위성을 통해 수천 킬로미터 떨어진 사무실에서 일하고 있는 코볼드의 과학자들에게 전송되었다. 과학자들은 새로 받은 조사 데이터를 머신러닝(Machine learning) 모델에 연결했고, 새로운 데이터는 코볼드가 퀘벡 지역의 지질을 이해하기 위해 수집한 다른 수많은 데이터와 결합되었다. 마지막으로 과학자들은 코볼드가 스탠퍼드대학교와 협력하여 개발한 인공지능(AI) 시스템에 모든 정보를 입력했다. 그러면 AI 시스템은 방대한 계산능력을 이용해 자료를 분석한 뒤 다음에 탐사하기 가장 적합한 지역을 알려준다.

빌 게이츠와 제프 베이조스로부터 투자받은 코볼드는 이러한 최첨단 소프트웨어 도구를 이용해 항공 탐사 계획을 매일 수정하면서 탐사에 적합한 장소로 더 빠르게 향할 수 있게 되었다.

코볼드가 사용하는 방식은 지질학자들이 광물 매장층을 찾는 데 사용했던 전통적인 방식과는 완전히 다르다. 기존에는 현장 데이터를 수집하고, 탐사가 끝난 이후에 데이터를 분석하는 방식을 사용했다.

새로운 매장층을 찾는 과정에서 기존 방식은 전적으로 인간의 해석에 의존했으나 이제는 데이터 과학의 역할이 점점 더 커지고 있다. 특히 청정에너지 부문에서도 니켈 같은 금속 수요가 급격하게 증가하면서 그러한 금속을 발견하기가 점점 더 어려워지고 있는데, 이 점을 인지하고 있는 실리콘 밸리 투자자들은 코볼드 같은 기업들이 새로운 광물 발견을 가속화하여 광물 가격을 끌어내릴 것이라고 확신하고 있다.

그러한 예감이 옳든 틀리든, 전문가들은 주요 기술 기업이 채굴 산업에 관여하는 것을 긍정적으로 본다. 기술 기업이 채굴 산업에 뛰어들면 새로운 광산에 투자가 부족하다는 사실을 알릴 수 있으며, 잠재적으로는 환경적, 사회적 책임을 다하는 방식으로 금속을 채굴하고자 하는 스타트업을 위한 자금을 끌어모으는 데도 도움이 될 것이라고 전망하기 때문이다.

에너지 연구 기업 블룸버그NEF(BloombergNEF)의 채굴 분석가 크와시 암포포(Kwasi Ampofo)는 “사람들은 전기차를 떠올릴 때, 쇼룸에 놓인 그 반짝이는 자동차에 동력을 공급하는 원자재에 관해 잊어버리는 경우가 많다”라고 말한다.

점점 찾기 어려워지는 광물들

리튬, 코발트, 흑연, 니켈 등 전기차 배터리에 사용되는 각종 금속과 광물에 대한 수요는 향후 수년 동안 치솟을 것으로 예상된다. 국제에너지기구(International Energy Agency)가 5월에 발표한 보고서에 따르면, 지구 온도 2℃ 상승을 막는 데 필요한 속도로 청정에너지 기술을 사용하면 2040년까지 에너지 저장에 사용되는 광물 수요가 30배 이상 증가할 것이라고 한다.

그러나 채굴 산업은 그 속도를 따라가지 못하고 있다. 일단 어떤 기업이 광물에 대한 권리를 취득하고 허가를 받은 이후에 새로운 광산을 가동하는 데에는 10년 이상이 걸릴 수 있다. 시추하기 가장 적합한 장소를 찾아내는 것에는 그보다 더 오랜 시간이 걸린다. 쉽게 찾아낼 수 있는 높은 등급의 광체(Ore body) 대부분은 이미 발견되었고, 탐사에 대한 투자가 줄어들면서 새로운 광물 매장층 발견이 점점 더 어려워지고 있다. 채굴 업계에서는 채굴 예정지 100곳이 있다면 그중 딱 한 곳만이 수익성 있는 매장층을 포함하고 있을 것이라고 말한다. 그러나 일부 전문가들은 그 수가 1,000곳 중 하나에 불과할 것이라고 생각한다.

머신러닝 같은 데이터 과학 도구에는 광산 발견까지 걸리는 시간을 상당히 줄여줄 잠재력이 있다. 예를 들어, 방대한 데이터 세트를 분석해 패턴을 찾아내는 알고리즘을 사용하면 데이터 분석에 걸리는 시간을 단축할 수 있다. 채굴기업들은 인간에게는 잘 보이지 않는 어떤 연관성을 발견할 수 있기를 기대하면서, 지질, 지구과학, 지구물리 관련 데이터 세트를 동시에 분석하는 그런 시스템을 점점 더 많이 사용하고 있다.

코볼드의 최고기술경영자 조시 골드먼(Josh Goldman)에 따르면, 코볼드는 이러한 접근법을 스탠퍼드대학교와 함께 개발한 AI 의사결정 도구에 결합하여 광물 발견율을 20배나 높일 수 있다고 확신하고 있다. 코볼드는 이러한 방식을 이용하면 지면에 불필요한 시추공을 뚫는 일이 줄어들게 되므로 탐사가 환경에 미치는 영향도 줄일 수 있다고 말한다.

채굴에 집중하고 있는 다른 데이터 과학 기업과 달리 코볼드는 서비스를 판매하지 않는다. 그 대신 자사의 탐사 작업을 도와줄 소프트웨어 도구를 개발하고 있는데, 이는 탐사 장소를 코볼드가 결정하게 된다는 의미이다. 코볼드는 지역사회의 동의를 얻은 곳에서만 윤리적인 방식으로 탐사 작업을 벌일 것이라고 주장한다.

현장에서 항공 탐사를 준비하고 있는 코볼드 직원들 KOBOLD

코볼드가 광물 발견율을 끌어올리고 환경친화적인 채굴 작업을 진행하겠다는 약속을 지킬 수 있을지는 두고 보아야 하겠지만, 이들의 이러한 주장은 투자자들의 반향을 불러일으켰다. 2018년에 설립되어 스무 명 이상의 데이터 과학자들과 지질학자를 고용하고 있는 코볼드는 ‘브레이크스루 에너지 벤처스(Breakthrough Energy Ventures)’와 실리콘 밸리의 선도적인 벤처 캐피털 기업 ‘앤드리슨 호로위츠(Andreessen Horowitz)’로부터 수천만 달러를 투자받았다. 그중 브레이크스루 에너지 벤처스는 투자자와 이사진에 빌 게이츠, 제프 베이조스, 리처드 브랜슨(Richard Branson)이 이름을 올리고 있는 기후기술 펀드이다. 또한 2021년 초에는 노르웨이의 국영 석유회사 에퀴노르(Equinor)가 코볼드의 지분을 취득하고, 자사의 벤처 캐피털 부문을 통해 추가 자금을 투자하겠다고 약속했다. 에퀴노르의 벤처 캐피털 부문은 저탄소 미래를 가능하게 할 기업들에 투자한다.

브레이크스루 에너지 벤처스의 투자 위원회 소속 카마이클 로버츠(Carmichael Roberts)는 “우리는 지구를 ‘전기화(Electrification)’하는 데 필요한 엄청난 양의 핵심 배터리 물질을 찾아내고 개발하는 중요한 문제를 해결하기 위해 코볼드 메탈스에 투자했다”라고 말한다. 코발트와 니켈은 향후 10년 안에 부족해질 것이라는 예측이 있다. 코발트와 니켈 채굴에는 환경 문제와 인권 유린 문제도 얽혀 있기 때문에 거대 기술 기업들은 더 윤리적으로 채굴할 수 있는 자원을 찾아야 한다는 압박도 받고 있는 상황이다.

코볼드는 캐나다 퀘벡과 서스캐처원(Saskatchewan) 북부 지역에 대중적으로 공개된 광구 두 곳을 보유하고 있고, 이번 여름에 이 지역에서 탐사 현장 연구를 진행하고 있다. 또한 캐나다의 밝혀지지 않은 세 번째 지역과 잠비아와 호주 서부의 어떤 장소에서도 연구를 진행하고 있다고 골드먼은 말한다.

코볼드가 초기 연구를 주로 캐나다에서 진행하고 있는 것은 캐나다가 저작권 없이 공유한 엄청난 양의 조사 데이터 덕분이기도 하다. 이러한 자료에는 현장 답사 보고서, 오래된 지질도, 시추공 시료에 관한 지구화학 데이터, 자기장 및 전자기장 항공 조사 자료, 라이다(LiDAR) 판독자료, 수십 년 동안의 탐사를 포괄하는 위성 사진 등이 포함된다.

골드먼은 “우리에게는 이 모든 데이터를 소화하여 기준 포맷으로 저장하고, 데이터 품질을 제어하고, 데이터를 검색할 수 있게 만들고, 프로그래밍 코드로 데이터에 접근할 수 있게 하는 시스템이 있다”라고 말한다.

최첨단 기술 활용

일단 이용 가능한 모든 정보가 사이트에 올라가면, 코볼드의 연구팀은 머신러닝을 이용하여 데이터를 탐색한다. 예를 들어 코볼드는 광석 매장층의 어떤 부분에 코발트 매장량이 가장 많은지 예측하는 모델을 만들거나 어느 지역의 다양한 암석 종류와 단층 구조를 보여주는 새로운 지질도를 만들 수도 있다. 코볼드는 새로 수집하는 데이터를 이러한 모델에 추가할 수 있으며, 이를 통해 탐사 계획을 상황에 따라 ‘거의 실시간으로’ 변경할 수 있다고 골드먼은 말한다.

캐나다는 데이터 세트와 각종 정보를 누구나 이용할 수 있도록 공개하고 있다. 예를 들어 이 이미지는 라이다(LiDAR)로 생성한 서스캐처원의 이미지이다. Government of Canada

코볼드는 캐나다에 있는 광구를 획득하고 현장 프로그램을 개발하기 위해 이미 머신러닝 모델에서 얻은 지식을 사용해왔다. 또한 2월부터 스탠퍼드 지구자원예측센터(Center for Earth Resources Forecasting)와 협력하면서 전체적인 탐사 계획을 설계하는 ‘AI 의사결정 에이전트(AI decision agent)’에 새로운 분석 정보를 추가하고 있다.

협력 작업을 감독하고 있는 스탠퍼드의 지구과학자 제프 카어스(Jef Caers)는 이 AI 에이전트가 코볼드의 모델 결과에서 불확실성을 수량화한 뒤 불확실성을 줄이기 위한 데이터 수집 계획을 설계한다고 설명한다. 말의 움직임을 최소화하여 게임에서 이기려는 체스 선수처럼 AI의 목표도 코볼드가 탐사에 관한 결정을 내릴 때 불필요한 노력을 최소화하도록 돕는 것이다. 그 결정은 특정한 장소를 시추하는 것이 될 수도 있고, 그냥 지나치는 것이 될 수도 있다.

광업 분야의 머신러닝 활용에 관해 글을 쓰고 강의하는 탐사 지질학자 가이 데하르네(Guy Desharnais)는 많은 데이터 세트를 한번에 수집하고 분석할 수 있다는 점에서 이러한 도구 사용에 “엄청난 가치가 있다”고 말한다. 그러나 데하르네는 머신러닝을 통한 AI의 판단에도 한계가 있을 수 있음을 유념해야 한다고 충고한다.

지질 데이터는 품질이 고르지 못한 경우가 많아서 이로 인해 모델이 잘못된 신호를 잡거나 부정확한 추론을 할 가능성이 있다. 게다가 광물 매장량이 풍부한 광체는 드물기 때문에, 그런 광체를 탐지하도록 알고리즘을 교육하려고 해도 교육에 사용할 좋은 사례가 부족한 경우도 많다.

데하르네는 “결국 매장층을 발견하는 실질적인 일은 그런 AI 도구를 사용해 자신의 능력을 개선한 인간 지질학자의 몫이 될 것”이라고 말한다.

언어스드(Unearthed)의 탐사 지질학자 홀리 브리지워터(Holly Bridgwater)도 머신러닝이나 다른 AI 도구가 인간이 혼자서는 찾아내지 못했을 것들을 발견하는 데 도움이 되고 있는지 확신하기 어렵다고 말한다. 언어스드는 자원 부문에서 혁신을 유도하기 위해 해커톤(Hackathon)을 주최하는 등 여러 노력을 기울이고 있는 호주의 기관이다. 브리지워터는 탐사 과정에 비용이 많이 들기 때문에 매장층이 있을 법한 장소 중 소수만을 선별하여 테스트한다고 설명한다. 따라서 “실제 작업에 관한 긍정적인 피드백 루프(Feedback loop)를 얻는 것이 매우 어렵다”고 말한다.

브리지워터는 코볼드가 AI 도구를 이용해 광물 발견율을 실제로 20배 끌어올리고 있는지 증명하기는 어려울 것으로 보고 있지만, 그러면서도 코볼드의 목표 자체는 합리적이었다고 생각한다. 브리지워터는 “코볼드의 목표는 상당히 타당하다고 생각한다. 현재 광산 업계의 광물 발견율은 매우 낮기 때문이다”라고 말한다.

블룸버그NEF의 채굴 분석가 암포포는 코볼드가 많은 투자를 받고 채굴 업계에 진입한 기술 스타트업의 상징이라는 점이 코볼드가 발견할 배터리 금속보다 훨씬 의미 있을지도 모른다고 말한다.

데하르네도 이 점에 동의한다.

그는 “코볼드 같은 기업이 가져올 가장 큰 효과는 광업에 투자가 부족하다는 사실에 사람들의 이목을 집중시킬 수 있다는 점이다. 그런 기업들은 다른 이들이 자금을 조달하지 못했던 곳에서도 투자받을 수 있을 것이다. 그러면 새로운 데이터를 발견하거나 오래된 데이터를 업데이트하면서 실제로 새로운 것을 발견할 수도 있다”라고 말한다.

미리보기 3회1회

MIT Technology Review 구독을 시작하시면 모든 기사를 제한 없이 이용할 수 있습니다.