기상 모델의 다음 단계 AI가 당긴다

FORTUNE Korea 2025년 10월 29일 오전 07:03 조회수

1,304

위성 이후 두 번째 전환점이 열렸다. 딥마인드의 허리케인 모델은 에린 사례에서 초기 72시간 예보에서 국립허리케인센터와 물리 모델을 앞섰고, 엔비디아·화웨이·NOAA도 AI 예보를 시험 중이다. 다만 3~5일 핵심 구간의 신뢰성을 확보하지 못한 건 난제다.

By Beatrice Nolan

1960년대 미국항공우주국(NASA)과 소련이 최초의 기상 위성을 우주로 발사하면서 지구의 일기 예보는 완전히 바뀌었다. 하늘에 떠 있는 관측소들 덕분에 기상학자들은 대양과 외딴 육지의 상황을 모니터링할 수 있게 되었다. 이로써 예측 모델의 주요 공백을 메우고 멀리서 형성되는 잠재적 폭풍에 대한 조기 경보 시스템을 갖추었다.

오늘날 기후 변화로 날씨 예측이 더욱 어려워지고 극단적인 기상 현상의 빈도와 강도가 증가하고 있다. 이에 기상학자들은 또 다른 기술적 돌파구로 우위를 확보하길 바라고 있다. 인공지능은 예측 모델에 새로운 힘과 능력을 부여해 과학자들이 더 빠르고 정확하게 극단적인 기상 현상을 감지할 수 있게 한다.

지난 8월, 구글 딥마인드(Google DeepMind)의 허리케인 예측 기술이 허리케인 에린에 대해 시험되었다. 이 기술은 처음 72시간 동안 미국 국립허리케인센터(NHC)의 공식 예보뿐만 아니라 여러 물리 기반 모델들도 앞섰다.

엔비디아(Nvidia)와 화웨이(Huawei) 같은 다른 기술 기업들, 그리고 미국 해양대기청(NOAA) 같은 정부 기관들도 이미 인공지능 기반 기상 모델을 시험하고 있다.

인공지능은 예측에 필수적인 두 가지 작업에 특히 뛰어나다. 바로 대규모 데이터셋 처리와 그 안에서의 패턴 인식이다. 주로 현재의 대기 관측치에 의존하는 기존 모델들과 달리, 구글의 인공지능 시스템은 과거 허리케인 데이터를 분석해 인간 예보관들이 놓칠 수 있는 패턴을 발견한다.

물론 한계는 여전히 존재한다. 허리케인 에린(Erin)에 대한 첫 실시간 테스트에서 구글(Google)의 예측 모델은 72시간 이내의 기간에서 가장 좋은 성능을 보였다. 하지만 기상 예보관들에게는 3~5일 예보 기간이 가장 중요하다. 이 시기에 대피 명령과 허리케인 대비가 시작되기 때문이다.

가장 낙관적인 기술자들마저 만병통치약은 없으며 모델에는 득실과 한계가 있다는 점을 인정한다. 예를 들어 인공지능 모델은 지금까지 데이터를 ‘평활화’하는 경향을 보였다. 즉, 데이터를 더 깔끔하게 제시하려다 보니 미묘하지만 중요한 세부 사항들이 흐려질 수 있다는 것이다.

하지만 가능성은 분명히 존재한다. 인공지능과 기상학의 결합은 공공 안전 개선뿐 아니라 기업 계획 및 공급망 관리 향상을 위한 잠재력으로 인해 큰 관심을 받고 있다.

톰 앤더슨(Tom Andersson)은 전문가들로부터 인공지능 예측이 급속히 발전했음에도 실제 상황에서 폭풍의 강도를 예측하기에는 아직 모델이 충분히 신뢰할 만하지 않다는 말을 듣고 날씨 모델에 관심을 갖게 되었다.

구글 딥마인드(Google DeepMind)의 연구 엔지니어로 6월에 출시된 실험적 열대성 저기압 모델 개발에 참여한 앤더슨은 이렇게 말했다. “기상이변은 경고 없이 닥치면 몇 시간 또는 몇 분 만에 사람들의 삶을 뒤집어 놓을 수 있다. 우리는 기상청이 대중에게 위험을 더 잘 알릴 수 있도록 돕는 기술을 만들고자 했다.” (‘저기압’은 강력하고 회전하는 열대성 폭풍을 아우르는 용어이며, ‘허리케인’은 주로 대서양의 폭풍을 가리킨다.)

폭풍의 진로와 강도를 동시에 예측하는 이 모델의 능력은 기상학계에서 획기적인 발전으로 평가받고 있다. 현재 미국 국립허리케인센터(NHC)와 여러 국제 전문가들이 이를 적극 검토 중이다.

안데르손은 “지금까지는 사이클론의 진로와 강도를 동시에 정확히 예측하는 단일 모델이 없었다”라며 “이번 모델이 아마 두 가지를 동시에 할 수 있는 최초의 모델일 것”이라고 말했다.

허리케인은 시간에 매우 민감한 현상이다. 당국이 긴급 자원을 보내거나 주민 대피를 지시하려면 진로에 대해 최대한 많은 정보가 필요하다.

구글 딥마인드(Google DeepMind)에서 사이클론 모델 개발을 이끈 연구원 페란 알렛은 “기존 물리 기반 모델보다 하루 반 정도 더 일찍 같은 수준의 경보를 제공할 수 있다”라며 “인간 예보관들의 능력 향상에 도움이 되길 바란다”라고 전했다.

전통적 방법이 물리 방정식에 기반을 두는 반면, 인공지능(AI) 모델은 대규모 데이터에서 패턴을 학습한다. 이는 불확실성 정량화, 극단적 사건 식별, 시간에 따른 모델 개선에 도움이 된다.

물론 AI 모델의 성능은 학습 데이터의 질에 좌우된다. 딥마인드는 전 세계 기상 데이터와 40년 이상의 사이클론 데이터를 활용했다.

안데르손은 “날씨 예보가 강수량을 정확히 맞히지 못한다고 불평하는 사람들이 있지만, 대서양의 허리케인이 3~5일 후 어디로 갈지 예측할 수 있다는 것은 놀라운 일”이라며 “수십 년 전에는 불가능했던 일로, 기상학계의 혁신적인 기술 공유 덕분”이라고 강조했다.

딥마인드(DeepMind) 모델은 이론적으로 흥미롭지만, 실제 허리케인을 정확히 예측하는 면에서는 아직 검증이 부족하다. 기계학습 모델이 물리 기반 모델을 완전히 대체하긴 어려울 것이며, 각각 장단점이 있다. 기상 예보관들은 인공지능을 자신들의 업무를 자동화하는 도구가 아닌, 매우 강력하고 새로운 도구로 보고 있다.

더 정확하고 시의적절하며 지역화된 일기 예보로 기업들은 혼란을 더 잘 예측하고, 필요한 자원을 배분하며, 공급망 위험을 줄일 수 있다. 또한 인공지능으로 일기 예보와 실제 데이터를 더 직접 연결해 매우 전문화된 예측을 만들 수 있다. 예를 들어 운송 회사는 날씨 데이터와 자체 운영 정보를 함께 써서 더 효율적인 경로를 계획할 수 있다.

미국 해양대기청(NOAA) 기상 프로그램 사무소의 존 텐 후브(John Ten Hoeve) 부소장은 “도로 상태 정보, 센서 정보, 재고 정보, 날씨 정보를 활용해 날씨와 인간 정보 사이의 가치 사슬을 최적화할 수 있을 것”이라고 설명했다.

더욱이 인공지능은 전반적인 예보 비용을 줄일 수 있다. 인공지능 모델을 훈련하는 데는 비용이 많이 들지만, 개발 후에는 빠르고 저렴하게 실행할 수 있다. 반면 전통적인 모델은 예보관들이 여러 시뮬레이션을 실행할수록 더 비용이 많이 든다.

텐 후브는 “이런 모델들은 훈련이 끝나면 매우 접근하기 쉽다. 노트북에서 몇 분 만에 실행할 수 있다”라며 “이는 우리가 전에 본 적 없는 방식으로 기상 모델링을 대중화할 것”이라고 말했다.