올해 지구에선 기후 변화로 인해 예측할 수 없는 기상이변이 기록적으로 많이 발생했다. 이런 기상이변을 더 빠르고 정확하게 예측할 수 있다면 자연재해에 더 잘 대비하고 생명을 구하는 데 도움이 될 수 있을 것이다.

그런데 구글 딥마인드가 새로 개발한 AI 모델이 이런 일을 더욱 쉽게 만들어줄 수 있을 것으로 기대된다.

14일(현지시간) 〈사이언스〉지에 발표된 연구에 따르면 구글 딥마인드의 AI 모델인 그래프캐스트는 현재의 표준 예측 모델보다 훨씬 더 정확하고 빠르게, 최대 10일 전에 기상 상황을 예측할 수 있었다.

그래프캐스트는 1,300개 이상의 테스트 지역 중 90% 이상에서 유럽중기예보센터(ECMWF)가 보유한 모델을 능가하는 예측 능력을 선보였다. 또한 대부분의 기상 현상이 일어나는 지구 대기권의 가장 낮은 부분인 대류권(對流圈) 예측에서도 비와 기온 등 99% 이상의 날씨 변수에 대해 ECMWF 모델보다 우수한 것으로 나타냈다.

무엇보다 중요한 점은 그래프캐스트가 기상학자들에게 극심한 기온 변화와 사이클론 경로 같은 조건에 대해 표준 모델보다 훨씬 더 빠르고 정확하게 경고해줄 수 있다는 사실이다. 그래프캐스트가 지난 9월 허리케인 리(Lee)가 캐나다 동부 노바스코샤에 상륙할 것을 9일 전에 정확히 예측했다는 게 구글 딥마인드 연구원인 레미 램(Remi Lam)의 주장이다. 기존의 일기 예보 모델은 허리케인이 노바스코샤에 상륙하기 6일 전에야 정확히 예측했다.

푸쉬미트 콜리(Pushmeet Kohli) 구글 딥마인드 연구 담당 부사장은 “날씨 예측은 인류가 오랫동안 연구해 온 가장 풀기 어려운 문제 중 하나”라며 “지난 몇 년 동안 기후 변화로 인해 일어난 일을 보면 이것은 매우 중요한 문제가 아닐 수 없다”라고 말했다.

지금까지 기상학자들은 대규모 컴퓨터 시뮬레이션을 통해 날씨를 예측해왔다. 시뮬레이션은 많은 물리적 방정식과 온도, 강수량, 기압, 바람, 습도, 흐림 같은 다양한 날씨 변수를 일일이 고려해야 하기 때문에 실행하는 데 에너지와 시간이 많이 소요되는 문제가 있다.

그래프캐스트는 머신 러닝을 통해 이러한 복잡한 계산을 1분 안에 수행한다. 물리학적 방정식을 사용하는 대신 40년간의 과거 날씨 데이터를 기반으로 예측하는 식이다. 그래프캐스트는 지구 표면을 100만 개 이상의 격자점(grid point)으로 매핑하는 그래프 신경망을 사용한다. 각 격자점에서 모델은 온도, 풍속과 방향, 평균 해수면 압력은 물론이고 습도 같은 기타 조건을 예측한다. 이후 신경망은 패턴을 찾아내고 각 격자점에서 다음에 일어날 일에 대한 결론을 도출할 수 있다.

지난 한 해 동안 일기 예보에 혁명이 일어나고 있다. 그래프캐스트, 화웨이의 판구-웨더(Pangu-Weather), 엔비디아의 포캐스트넷(FourcastNet)과 같은 모델로 인해 기상학자들이 일기 예보에서 AI가 할 수 있는 역할에 대해 다시 생각하고 있다. 램은 그래프캐스트가 판구-웨더 등 다른 경쟁 모델의 성능보다 앞서기 때문에 더 많은 기상 변수를 예측할 수 있다고 주장했다. ECMWF에서 이미 이것을 사용하고 있다는 것이다.

이번 연구에 참여하지 않은 ECMWF의 지구 시스템 모델링 책임자 피터 듀에벤(Peter Dueben)은 구글 딥마인드가 지난해 12월 그래프캐스트를 처음 선보였을 때 마치 크리스마스 같은 기분이 들었다며 “모델이 너무 훌륭해서 더 이상 외면할 수 없었다”고 말했다.

연구자들이 지구 날씨와 기후 모델링과 관련된 다양한 작업을 수행할 수 있는 기초 모델인 클라이마X(ClimaX)를 개발한 UCLA의 컴퓨터 과학 조교수인 아디트야 그로버(Aditya Grover)는 “그래프캐스트는 과거 데이터를 사용해 예측할 수 있다는 것을 보여준다는 점에서 날씨 예측에 획기적인 순간을 선사했다”라고 호평했다.

스위스 연방 기상·기후청인 메테오스위스(MeteoSwiss)의 수치 예측 부서 책임자인 올리버 푸러(Oliver Fuhrer)는 “딥마인드 모델은 훌륭하게 작업하며, 매우 흥미롭다”고 말했다. 그는 이어 “ECMWF와 스웨덴 기상수문연구소(Swedish Meteorological and Hydrological Institute) 같은 다른 기상청에서도 자체 모델을 구축하기 위해 구글 딥마인드가 제안한 그래프 신경망 아키텍처를 사용했다”고 설명했다.

하지만 그래프캐스트가 완벽한 건 아니다. 강수량 같은 일부 영역에서는 여전히 기존 일기 예보 모델보다 예측도가 뒤처진다는 게 듀에벤의 전언이다. 따라서 기상학자들은 더 나은 예측을 제공하기 위해 여전히 이런 머신 러닝 모델과 함께 기존 모델을 병행해 사용해야 한다는 것이다.

구글 딥마인드도 그래프캐스트를 오픈소스로 공개하고 있다. 그로버는 “이는 좋은 발전”이라며 “기후 변화가 점점 더 심각해지고 있는 상황에서 많은 컴퓨팅 자원을 보유한 대기업도 그것을 과학계에 환원하는 것을 고려하는 것이 매우 중요할 것”이라고 말했다.