스마트팜학과

AI를 배우는 과목이 아니라, 더 나은 재배 결정을 위해 데이터를 다루는 과목

"AI가 알아서 재배해 준다"는 말을 들어보셨을 겁니다. 이 과목은 그 문장을 냉정하게 해부하는 데서 시작합니다. 아무리 정교한 알고리즘도 잘못 설치된 센서 하나, 캘리브레이션되지 않은 EC 값 하나 앞에서는 무력합니다. Garbage In, Garbage Out. 데이터가 틀리면 AI의 결정도 틀립니다.

그래서 이 과목은 머신러닝 설명으로 시작하지 않습니다. 순서는 이렇습니다.

작물 → 온실 → 환경 → 생육반응 → 환경제어 → 센서 → 데이터 → 데이터 해석 → 의사결정 → 예측 AI → 자율제어 AI

전반부 8주는 광·온도·습도(VPD)·CO₂·관수·EC·pH·배액률이라는 환경제어의 골격을 원리부터 세웁니다. 9주차에 "이 많은 요소를 사람이 손으로 최적화할 수 있는가"라는 문제의식을 만나고, 그 답을 찾아가는 과정에서 비로소 데이터와 AI가 등장합니다.

강의가 끝나면 여러분은 다음을 할 수 있게 됩니다.

- 실제 온실 환경데이터를 그래프로 펼쳐 놓고 이상치와 센서 오류를 판독한다.

- 환경–생육–수량의 상관을 읽고 재배 의사결정의 근거로 데이터를 사용한다.

- 수량·병해 예측, 디지털트윈, 강화학습 자율온실, 생성형 AI와 LLM, 피지컬 AI를 상용화·실증·연구·과장 단계로 구분하여 도입 여부를 판단한다.

- 가상의 1,000㎡ 온실에 대해 초기투자·운영비·에너지비·수익성·리스크를 따진 통합운영 개선안을 제안한다.

학기 후반에는 가상 1,000㎡ 온실의 데이터·AI 통합운영 개선안을 팀별로 발표합니다. "AI를 도입한다"가 결론이 아니라, "이 온실에는 어디까지가 필요하고 어디부터는 불필요한가"를 말할 수 있는 것이 목표입니다.

AI를 사용하는 것이 목적이 아닙니다. 더 나은 재배 의사결정을 내리는 것이 목적이고, AI는 그것을 위한 도구 중 하나입니다.