구글 딥마인드, 지구 관측 AI 모델 '알파어스 파운데이션스' 공개

지구를 관측하는 위성 데이터는 넘쳐나지만, 광학 사진과 레이더, 3D 레이저 측량 데이터는 규격이 달라 이를 하나로 묶어 분석하는 일은 연구자들에게 악몽에 가까웠습니다.

Google DeepMind와 Google Earth Engine 팀이 이러한 문제를 해결하기 위해 가상 위성처럼 작동하는 AI 모델 AlphaEarth Foundations를 공개했습니다. 방대한 지구 관측 데이터를 통합해 단일한 디지털 표현인 임베딩으로 변환하는 기술입니다.

지구를 10미터 단위 격자로 분석

AlphaEarth Foundations는 공공 관측 데이터 수십 종을 흡수해 전 세계 육지와 연안을 10x10미터 크기의 정밀한 격자로 나눕니다.

이 시스템은 복잡한 다중 모달 데이터를 각 격자별 연간 임베딩으로 요약해 냅니다. Google은 이를 Google Earth Engine의 Satellite Embedding 데이터셋으로 출시했으며, 연간 1조 4천억 개 이상의 임베딩 풋프린트를 제공합니다.

이 모델은 같은 날 발표된 Google Earth AI의 핵심 구성 요소이기도 합니다. 해당 컬렉션에는 이미 Google 검색과 지도에서 쓰이고 있는 홍수 예측, 산불 감지, 기상 예측 모델 등이 포함되어 있습니다.

저장 공간 16배 절감, 오류율 24% 감소

지구 단위 분석에서 가장 큰 문제는 비용과 저장 용량입니다.

DeepMind에 따르면 AlphaEarth가 생성하는 요약 데이터는 기존 AI 시스템 대비 저장 공간을 16배 적게 차지합니다. 행성 규모의 연산 비용을 획기적으로 낮춘 셈입니다.

레이블 데이터가 부족한 환경에서도 성능을 유지합니다. 토지 피복 분류와 지표면 특성 추정 등 다양한 테스트에서 비교 대상 모델보다 평균 24% 낮은 오류율을 기록했습니다.

지난 1년간 유엔 식량농업기구(FAO), 스탠퍼드 대학교, 하버드 포레스트 등 50개 이상의 기관이 사전 테스트에 참여했습니다. 브라질의 환경 감시 단체 MapBiomas는 아마존 열대우림의 농업 및 환경 변화를 추적하는 지도 제작 속도와 정밀도가 비약적으로 개선되었다고 평가했습니다.

왜 중요한가

지리공간 연구원, 농업 계획가, 환경 분석가에게 이번 릴리스는 수개월씩 걸리던 데이터 정제와 정렬 작업을 단번에 생략해 주는 도구입니다. Google Earth Engine을 이미 활용하고 있는 조직이라면 즉시 도입을 검토할 만합니다.

업계 관점에서 보면 Google은 독보적인 Earth Engine 생태계를 기반 모델 시대로 성공적으로 전환하고 있습니다. 위성 데이터를 원본 상태로 다운로드해 각자 파이프라인을 구축하던 방식에서, 전처리된 통합 임베딩을 API 형태로 소비하는 구조로 시장의 표준을 바꾸고 있습니다.

용량을 16배 줄이면서도 소량의 레이블 환경에서 성능을 높인 점은 매우 영리한 공학적 접근입니다. 다만 고도로 압축된 임베딩이 극단적이고 미세한 지표 변화까지 온전히 보존할 수 있을지는 향후 독립적인 학술 검증이 필요합니다. Google이 향후 Gemini 같은 추론 에이전트와의 결합을 예고한 만큼, 원시 위성 이미지만 단순 판매하는 서비스들의 입지는 갈수록 좁아질 것으로 보입니다.