딥마인드, Weather Lab 공개: AI로 열대 저기압 경로·강도 예측

지난 50년 동안 열대 저기압으로 인한 전 세계 경제적 피해는 1조 4천억 달러에 달합니다. 허리케인이나 태풍이 발생했을 때 정확한 이동 경로와 중심부 세력을 미리 파악하는 일은 인명 구조와 사전 대피의 성패를 가르는 핵심 과제였습니다.

Google DeepMind와 Google Research는 AI 기상 예측 모델을 탐색할 수 있는 대화형 웹 플랫폼 'Weather Lab'을 선보였습니다. 이와 함께 확률적 신경망을 기반으로 한 실험용 열대 저기압 예측 모델을 공개했습니다.

10년 걸릴 예측 정밀도 향상을 단숨에 입증

기존 물리 법칙 기반의 기상 예측 체계는 경로와 강도 사이에서 타협을 해야 했습니다. 태풍의 경로는 대규모 대기 순환의 영향을 받으므로 전 지구를 아우르는 저해상도 모델이 유리하지만, 중심부 강도는 좁은 구역의 난류에 좌우되므로 고해상도 지역 모델이 필요하기 때문입니다.

DeepMind의 새 모델은 전 지구 기상 재분석 데이터와 함께 지난 45년간 관측된 약 5,000건의 실제 저기압 데이터(경로, 강도, 크기, 풍속 반경)를 동시에 학습시켜 이 한계를 넘어섰습니다.

2023년과 2024년 북대서양 및 동태평양 데이터를 바탕으로 평가한 결과, 5일 후 경로 예측 오차가 유럽중기예보센터(ECMWF)의 핵심 물리 앙상블 모델(ENS)보다 평균 140km 더 정확했습니다. 기존 물리 모델의 3.5일 예측 수준의 정확도를 5일 차에 달성한 것으로, 전통 기상학계에서 예측 기간을 1.5일 연장하는 데 통상 10년 이상이 걸렸다는 점을 감안하면 큰 도약입니다.

기존 AI 모델들이 고전하던 강도 예측에서도 미국 국립해양대기청(NOAA)의 고해상도 물리 모델인 HAFS의 평균 오차보다 우수한 성능을 기록했습니다.

15일 앞서 50가지 시나리오 제시

이 모델은 발생 가능성부터 이동 경로, 세력, 크기 및 형태를 종합적으로 계산해 최대 15일 앞선 50가지 시나리오를 제시합니다. 현재 미국 국립허리케인센터(NHC) 예보관들은 실시간 AI 예측 데이터를 기존 관측 자료와 함께 모니터링하며 검증에 돌입했습니다.

콜로라도 주립대 CIRA, 영국 기상청, 도쿄대, 일본 웨더뉴스 등이 연구 협력에 참여했으며, Weather Lab에서는 2년 치 이상의 과거 예측 데이터도 내려받을 수 있습니다. 다만 Google은 Weather Lab이 순수 연구용 도구이며 공식 예보나 경보를 대체하지 않으므로, 대피 결정 등에는 각국 기상청의 공식 발표를 따라야 한다고 선을 그었습니다.

왜 중요한가

재난 대응 부서나 연안 지역 산업계에 예보 정확도가 하루 이상 앞당겨진다는 것은 수억 달러의 경제적 손실을 막고 대피 골든타임을 확보할 수 있음을 의미합니다. 개별 사용자가 당장 이 사이트를 보고 행동 지침을 세울 수는 없겠지만, 주요 기상 기관들이 이 데이터를 예보에 통합하면서 우리가 접하는 공식 기상 경보의 질이 한 단계 올라가게 됩니다.

DeepMind의 접근법은 매우 영리합니다. 단순히 범용 대기 데이터를 밀어 넣는 데 그치지 않고, 45년간의 상세 저기압 관측 자료를 결합해 AI 기상 모델의 고질적 약점이었던 태풍 중심부 강도 예측의 한계를 풀어냈습니다.

산업적으로는 초고가 슈퍼컴퓨터로 수 시간 동안 복잡한 유체 방정식을 연산해야 했던 영역을 가속기 기반의 신경망 추론으로 대체하면서 기상 예측의 비용과 속도를 완전히 바꿀 잠재력을 보여줍니다. 다만 신경망 모델의 특성상 학습 데이터셋에 존재하지 않았던 전례 없는 기상이변과 마주했을 때 환각이나 오판을 일으키지 않는지는 향후 실제 허리케인 시즌을 통해 계속 지켜봐야 할 부분입니다.