[해외 DS] “AI 기상 예측, 슈퍼컴퓨터 넘어섰다”, 극한 기후 예측은 ‘글쎄’

현대 물리학의 산물인 ‘수치 예보 방식’, 지나치게 과도한 계산량과 개별 분석 못하는 부분 단점으로 꼽혀 데이터 기반 AI 기상 예측 모델, 전통적인 기상 예측보다 계산 속도 빠르나 극단 기후 예측 난항 겪어 물리학 모델과 AI 모델의 장점을 취한 ‘하이브리드’ 기상 예측 모델 수요 급증

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.


Weather ScientificAmerican 20230717
Weather ScientificAmerican 20230717

오늘날의 기상 예측은 매우 과학적으로 수행된다. 그러나 과학계에서는 아직까지도 100% 정확도의 기상 예측은 불가능하다고 본다. 슈퍼 컴퓨터로도 현대 기상 예측에서 중요한 ‘초깃값’ 설정을 완벽하게 해내지 못한다는 이유에서다. 설혹 초깃값이 완벽하다고 양보하더라도, 복잡한 대기의 상호작용에 대한 완벽한 수학적 설명은 불가능에 가깝다는 게 지금까지의 현대 과학의 결론이었다.

그런데 최근 인공지능(AI) 기술의 발전이 가속화됨에 따라 일기 예측이 새로운 국면으로 접어들 것으로 분석된다. 네이처(Nature) 저널에 발표된 논문에 따르면 AI 기반 기상 예측 모델은 기존 수치 예보 방식의 일기 예측 모델보다 더 빠르고 정확한 결과를 산출할 수 있는 것으로 밝혀졌다.

현대 기상과학의 현주소, ‘수치 예보 방식’

현대의 일기 예측은 ‘수치 예보’ 방식에 의해 이뤄진다. 수치 예보란 대기의 습도 및 기온과 바람의 변화를 설명하는 유체역학 방정식을 풀어냄으로써 현재와 미래의 대기 상태를 설명 및 예측하는 물리학적 방법론이다.

다만 수치 예보 방식은 실제 대기 상태에 대한 방대한 고해상도 관측 데이터와 복잡한 수학・물리학적 방정식을 다뤄야 하는 만큼 엄청난 양의 컴퓨팅 자원을 필요로 한다. 또한 해당 방식의 계산 특성상 주로 대기의 대규모 움직임을 예측하기 때문에 개별 구름에 대한 미시적인 운동까지 포착하기는 어렵다는 단점이 있다.

기상학자들은 수치 예보 방식에서 이같은 어려움을 극복하고자 다양한 방법을 제시해 왔다. 가장 대표적인 방법으로는 ‘매개변수화’로, 쉽게 말해 수치 예보 모델의 물리 방정식을 인위적으로 단순화함으로써 모델의 복잡성과 계산량을 줄이는 한편 기후의 개별적인 특성을 포착할 수 있게끔 하는 방식이다.

수치 예보 방식 대비 계산 효율을 끌어올린 ‘AI 기상 예측 모델’

그런데 최근 일부 기상학자들 사이에선 AI가 수치 예보 방식을 완벽하게 대체할 수 있다는 주장이 제기된다. AI 기상 예측 모델은 복잡한 물리 방정식을 쓰지 않는 대신, 과거 날씨 데이터를 통해 패턴을 인식해 계산량을 획기적으로 줄일 수 있다는 지적이다.

이와 관련해 네이처(Nature) 저널에 중국 빅테크 기업인 화웨이 테크놀로지스(Huawei Technologies)가 등재한 두 논문의 AI 모델이 세상에 공개되면서 기상학계의 주목을 받고 있다. 첫 번째 연구는 ‘판구웨더(Pangu-Weather)’로, 기온과 풍속 등의 다양한 날씨 변수를 최대 일주일 전에 예측할 수 있다. 또한 이 모델은 기존 수치 예보 모델보다 최대 10,000배 빠른 결과를 낼 수 있는 것으로 알려졌다. 이에 화웨이 연구자 A씨는 “열대성 저기압의 경로를 정확하게 추적할 수 있다”고 밝혔다.

두 번째 연구는 나우캐스트넷(NowcastNet)으로, 단기간 내 발생하는 강우량에 대한 예측을 전문적으로 수행하는 AI 알고리즘이다. 연구에 따르면 나우캐스트넷이 현재 일반에 공개된 기상 예측 모델 경쟁사들을 능가하는 것으로 확인된다.

그러나 일각에선 지구 온난화로 인해 최근 기후 트렌드가 급변하면서 AI 기상 예측 모델이 기상 예측을 제대로 수행하지 못할 것이라는 지적이 나온다. AI 시스템은 정확한 기후 예측을 위해 과거 기상 데이터에 의존하는데, 최근 세계 각지에서 발생하는 폭염, 허리케인, 집중 호우와 같은 특정 종류 기상 현상은 너무 극단적이라 역사적으로 기록된 바 없다는 것이다. 즉 과거 데이터로 인해 ‘과적합’된 AI 모델이 현시점의 기상을 정확하게 시뮬레이션 하기엔 역부족이란 얘기다.

기존 기상 예측 모델과 AI 모델의 융합

극한 기상 현상을 정확하게 예측하는 것은 일기 예보의 중요한 부분을 담당한다. 의사 결정자는 이같은 일기 예보를 사전에 접한 뒤 충분한 시간을 가지고 추후 대책을 강구할 수 있다. 그러나 앞서 살펴봤듯 AI 모델은 과거 기상 데이터를 사용해 예측 결괏값을 내놓는 만큼, 최근 날씨가 더욱 극심해짐에 따라 기상 이변을 제대로 예측하지 못한다는 우려가 지속적으로 제기되고 있다. 이와 관련해 기상학자 이버트 어포브는 “AI 기상 예측 프로그램은 극단적인 날씨 이벤트에 대해 매우 불안정한 예측을 유발할 수 있다”고 밝혔다.

이같은 배경에 힘입어 AI와 기존 수치 모델을 혼합한 ‘하이브리드 모델’을 개발해야 할 필요성이 대두된다. AI에 의존하는 모델의 경우 온난화 기후에서 어떻게 작동할지 불분명하지만 계산 효율을 끌어올릴 수 있는 한편, 수치 예보 방식의 경우에는 계산량이 많이 요구되는 대신 복잡한 수식들을 통해 기후 현상을 비교적 잘 설명할 수 있으므로 서로 중간점에서 타협을 보자는 것이다.

실례로 미국 국립과학재단 인공지능 연구소 에이미 맥거번 소장은 “AI 기술들로 일기예보를 하려면 좀 더 많은 개선이 필요하다”며 “과거 데이터에 의존하는 AI 기상 예측 시스템의 경우 물리학에 기반한 수학적 계산 절차가 부족하고, 극단적인 날씨를 예상하기 위해서는 수분, 공기, 열을 고려하는 수치 모델과 조합이 필요하다”고 밝혔다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집 방향과 일치하지 않을 수도 있습니다.