[이미디어= 황원희 기자] 최근 새로운 연구에 따르면 동물 멸종 위기가 우리가 생각했던 것보다 훨씬 더 심각할 수도 있다는 점을 시사한다. 노르웨이 과학기술대학교의 연구원들이 예측한 바에 따르면, 지금까지 공식적인 보존 평가를 회피한 종의 절반 이상이 멸종 위기에 처해 있다고 한다.

보존 자원은 제한되어 있고 육지와 바다를 보호하는 일은 실현가능하거나 논리적이지 않다. 따라서 효율적인 자원 보존을 위해 먼저 어떤 종들을 보호해야 하는지 알아야 한다.

국제 자연 보전 연맹(IUCN)은 50년 이상 전 세계 모든 종에 대해 이용 가능한 생물학적 정보를 평가한 과학자들의 네트워크를 조정하여 멸종위기종 목록을 작성했다. 목록 작성의 목표는 멸종 위험의 보호가 필요한 종들을 식별하는 것이었다.

예를 들어, 호랑이가 공식적으로 멸종위기에 처해있다고 확인되거나, 자이언트 판다의 개체수가 멸종위기에서 주의계층으로 이동할 수 있을 정도로 충분히 회복되었다는 것을 확인한 것은 레드 리스트 덕분이라 할 수 있다.

하지만 판다와 호랑이와 같은 종들이 연구되고 있지만, 연구원들은 일부 종에 대해 그들의 보존 상태에 대한 평가가 가능할만큼 충분히 파악하지 못하고 있다. 이 "정보부족종"은 현재 평가된 약 15만 종의 약 17%를 차지한다.

보존 데이터를 분석할 때 연구자들은 알 수 없는 변수나 오판을 제어하기 위해 이러한 종에 대한 위협 가정을 제거하거나 과소평가하는 것이 일반적이다. 노르웨이의 연구원들은 이 자료 부족 종들의 멸종 위협을 예측하는 기계 학습 모델을 설계함으로써 알려지지 않은 멸종 위험의 블랙홀을 밝히고자 노력했다.

인공지능과 기계 학습을 생각하면 로봇, 컴퓨터 시뮬레이션, 얼굴 인식 등을 상상하기 쉽다. 현실에서는 기계 학습은 우리가 가지고 있는 실제 데이터를 가장 잘 표현하기 위해 수천 개의 계산을 실행하는 데 사용되는 분석 도구일 뿐이다.

이 경우 노르웨이 연구진은 레드 리스트 멸종 범주를 이진 분류기로 단순화하여 데이터 부족 종이 멸종에 의해 "위협"되거나 "위협"되지 않을 확률을 예측했다. 모델 알고리즘은 레드 리스트에 이미 지정된 보존 범주가 있는 종들의 생물학적 및 생물학적 기후 데이터에서 발견된 수학적 패턴으로부터 "학습"되었다.

그들은 데이터 부족 종들의 절반 이상(56%)이 위협을 받을 것으로 예측했는데, 이는 현재 레드 리스트에서 위협으로 평가되고 있는 전체 종의 28%의 두 배에 달한다. 이는 데이터 부족 종에 대한 연구가 부족할 뿐만 아니라 영원히 사라질 위험에 처해 있다는 우려를 더욱 키우고 있다.

육지에서는 모든 대륙에서 발견되지만, 지리적으로 제한된 작은 지역에서 서식되는 경향이 있다. 이 발견은 분포 지역 크기가 작은 종들이 삼림 벌채나 도시화와 같은 인위적인 서식지 파괴에 특히 취약하다는 결론으로 이전의 연구를 뒷받침한다.

특히 양서류는 가장 위험한 집단으로, 정보부족종의 85%가 멸종위기종으로 예측된다. 양서류는 이미 멸종위기의 대표 위기종이며, 육지와 물 두 가지에 의존하기 때문에 생태 건강의 핵심 지표이다. 하지만 사람들은 무엇이 양서류의 멸종을 일으키는지 충분히 알지 못한다. 

멸종 위기에 처한 것으로 예측되는 데이터 부족 해양 종은 특히 동남아시아, 대서양 동부 해안선, 지중해 연안에 집중되어 있다. 자료가 부족한 종들과 완전한 평가를 받은 종들이 레드 리스트에서 합쳐지면, 열대 라틴 아메리카의 동부 해안선을 따라 멸종될 확률이 20% 증가할 것으로 보인다.

이렇듯 기계 학습 도구의 사용은 레드 리스트를 강화하고 어디서 무엇을 보호해야 할지 어려운 결정을 극복하는 데 도움이 된다. 또한 표적 보존 조치를 지원하고 생물 다양성의 블랙홀에서 보호 영역을 확장하는 데 도움이 될 수 있다.

[저작권자ⓒ 이미디어. 무단전재-재배포 금지]