인공지능은 기상청만큼 좋은 예보를 빠르게 내놓는다

단 몇 분 만에 실행되는 인공지능 예측은 속도와 정확성 측면에서 슈퍼컴퓨터를 능가합니다. 기상학자들은 이를 '조용한 혁명'이라고 부릅니다. 일기예보가 점진적이지만, 꾸준하게 개선되는 것입니다. 이번 예보는 30년 전의 3일 예보와 거의 비슷합니다. 심한 폭풍이나 폭염이 사람들을 의식하지 못하는 경우는 거의 없습니다. 이 혁명은 생명과 돈을 구했지만, 비용도 발생합니다. 하루에 몇 가지 예측을 생성하기 위해 연중무휴 24시간 실행해야 하는 에너지 소모가 많은 수십억 달러 상당의 슈퍼컴퓨터입니다. 인공지능은 현재 수치 기상 예측 분야에서 또 다른 혁명을 일으키고 있습니다.

 

훈련된 인공지능 시스템은 저렴한 데스크톱 컴퓨터에서 단 몇 분 만에 최고의 기존 모델만큼 훌륭하고 어떤 경우에는 훨씬 더 나은 10일 예측을 할 수 있습니다. 세계 최고의 기상청인 유럽 중거리 기상 예보 센터는 이 기술을 채택해 자체적으로 실험적인 인공지능 예측을 생성하기 시작했습니다. 알고리즘을 사용하면 더 자주 예측할 수 있고 다른 까다로운 문제를 위한 컴퓨팅 리소스를 확보할 수 있습니다. 메릴랜드 대학의 인공지능 중심 연구 기상학자인 마리아 몰리나는 "우리가 능숙하고 매우 저렴한 비용으로 글로벌 예측을 생성할 수 있다는 사실을 알게 된 것은 매우 흥미롭다"라고 말합니다.

 

과학 학술지에 인공지능 '그래프캐스트' 모델을 설명하는 구글 딥마인드와 올해 초 과학 학술지에 최초의 인공지능 예측 모델과 유사한 모델을 발표한 화웨이를 포함하여 세계 최대 기술 대기업 중 일부는 가장 숙련된 모델을 주장하기 위해 다투고 있습니다. 구글은 또한 거의 모든 기상청보다 더 정확한 24시간 예측을 제공하는 단기 인공지능 기상 모델을 보유하고 있습니다. 캘리포니아 대학교 로스앤젤레스 캠퍼스의 인공지능 연구원인 아디티야 그로버는 "불과 몇 년 전만 해도 불가능하다고 생각되었던 작업이 놀라운 진전을 이루었다. 기술적 관점에서 우리는 모든 요소를 갖추고 있다"라고 말합니다.

 

전통적인 기상 모델은 위성, 기상 관측소 및 부표의 관측을 기반으로 현재 상태의 스냅샷을 대기를 수백만 개의 상자로 나누는 격자형 컴퓨터 모델에 입력하는 것으로 시작됩니다. 스냅샷은 엄청난 계산 비용을 들여 각 상자에 유체 역학의 물리적 법칙을 적용하여 시간에 맞춰 실행됩니다. 100만 개의 프로세서가 장착된 슈퍼컴퓨터에서 모델을 실행하는 데 몇 시간이 걸릴 수 있으며 기상청에서는 일반적으로 하루에 4번만 업데이트를 생성합니다.

 

새로운 인공지능 모델은 '딥 러닝'을 선호하여 방정식을 푸는 비용을 건너뜁니다. 이들은 40년간의 유럽 중기 예보센터의 재분석 데이터 (모델러의 과거 날씨에 대한 가장 훌륭하고 완벽한 그림을 나타내는 관측 및 단기 모델 예측의 조합)에 대한 교육을 받은 후 대기가 자연적으로 진화하는 방식의 패턴을 식별합니다. 동일한 관측 및 모델링 조합을 기반으로 대기의 시작 스냅샷을 제공하면 그래프캐스트는 허리케인 경로 및 극한 온도를 포함하여 검증 대상의 90%에 대해 최대 10일 동안 유럽 중기 예보센터 예측을 능가할 수 있습니다. 그래프캐스트 논문의 수석 저자인 레미 램은 인공지능 모델을 훈련하는 데 32대의 컴퓨터가 4주가 걸렸지만, 결과 알고리즘은 데스크톱 컴퓨터 한 대에서 1분 이내에 작동할 만큼 가볍다고 하며 "빠르고 정확하며 유용하다"고 설명했습니다.

 

이러한 이점은 보다 현실적인 환경에서도 유지되는 것으로 예상됩니다. 올해 초 유럽중기예보센터 연구원들은 판구를 실행하여 운영 기상 모델에 적용되는 관측값만 제공했습니다. 이러한 관측은 그래프캐스트를 테스트하는 데 사용된 재분석 스냅샷보다 대기에 대한 더 제한된 그림을 제공합니다. 판구의 예측 기술은 유럽 중기 예보센터의 주요 모델과 유사했지만, 강수량 및 기타 미세한 특징에 대한 예측은 약간 더 모호했습니다. 과학 학술지 사전 인쇄본으로 발표된 분석을 주도한 지에드 벤 부알레그는 "공평한 경쟁의 장이었다. 좋은 결과를 보고 우리도 놀랐다"라고 말했습니다.

 

이러한 발전은 놀라울 정도로 빠르게 이루어졌습니다. 2020년에 현재 구글에 있는 스테판 래스프가 이끄는 그룹이 유럽 중기 예보센터 재분석 데이터를 쉽게 소화할 수 있게 만들고 경쟁을 불러일으키기 위해 예측 기술을 측정하기 위한 벤치마크를 제공하는 날씨 벤치를 만들면서 중요한 단계가 이루어졌습니다. 안식년 동안 몇 달간 작업한 후, 현재 광물 탐사 회사인 코볼드메탈스의 물리학자인 라이언 키슬러는 예측에 상당한 기술을 갖춘 간단한 모델을 설명하는 사전 인쇄물을 출판했습니다. 키슬러는 "배울 수 있는 과거 데이터가 얼마나 많은지를 고려하면 일정 수준에서 작동해야 했다"라고 말합니다.

 

다음 단계는 모델을 여러 번 실행하여 다양한 가능한 결과를 생성함으로써 불확실성을 포착하는 데 도움이 되는 예측 혁신인 앙상블 결과를 생성하는 것입니다. 인공지능 연구자들은 각 모델이 실행되기 직전에 초기 기상 조건을 조정하는 전통적인 기술을 따를 수도 있고, 텍스트 및 이미지 생성에 파도를 만드는 인공지능 생성 기술을 적용하여 즉석에서 조정된 조건을 만들 수도 있습니다. 라스프는 "모든 그룹이 이에 대해 노력하고 있다고 확신한다"라고 말합니다.

 

이러한 앙상블 예측은 인공지능 모델이 현재 강도를 과소평가하는 강력한 허리케인과 같은 극단적인 사건을 더 잘 예측하는 데 도움이 될 수 있습니다. 더욱 개선하기 위해 인공지능 모델은 기존 모델의 편견을 전달하는 재분석 데이터에서 벗어날 수 있습니다. 대신 "기상청이 보유한 페타바이트 규모의 원시 관측 데이터로부터 직접 학습할 수 있다"라고 키슬러는 말합니다. 구글의 단기 기상 모델은 기상 관측소, 레이더, 위성의 데이터를 바탕으로 자체 학습을 통해 이미 그렇게 하고 있습니다.

 

앨런 연구소 인공지능의 대기 과학자인 크리스토퍼 브레더튼은 "이러한 모델의 잠재력이 날씨 예측에만 국한되지 않는다"라고 말합니다. 40년 동안의 훈련 데이터 세트는 기후 변화를 가속화하거나 늦출 수 있는 구름, 가스, 에어로졸의 복잡한 피드백을 받는 지구 온난화 추세를 포착할 만큼 길지 않기 때문에 자체적으로 기후를 예측할 수 없습니다. 그러나 최신 초고속 기계인 엑사스케일 컴퓨터에서 실행되도록 개발되는 차세대 고해상도 기후 모델을 지원할 수 있습니다. 해당 모델이 인공지능이 훈련할 수 있을 만큼 충분한 출력을 생성하면 인공지능이 이를 대신할 수 있습니다.

 

브레더튼은 "우리는 이러한 모델의 에뮬레이터를 만든 다음 100배 더 빠르게 실행할 수 있다"라고 말합니다. 전통적인 예측이 조만간 사라질 것이라고 예상하는 사람은 거의 없지만, 인공지능은 "유용한 보완재가 될 수 있는 지점에 빠르게 접근하고 있다"라고 유럽 중기 예보센터의 인공지능 작업을 조정하는 매튜 챈트리는 말합니다.

 

인공지능의 블랙박스 특성에 대한 불안감으로 인해 채택 속도가 느려질 수 있습니다. 연구자들은 이러한 시스템이 어떻게 결론에 도달하는지 말할 수 없는 경우가 많습니다. 그러나 이러한 우려는 과장된 것일 수 있다고 챈트리는 말합니다. 챈트리는 "전통적인 모델도 너무 복잡해서, 이미 어느 정도 불투명성이 내장되어 있다"라고 지적합니다. 그로버는 "궁극적으로 사용자의 몫이 될 것"이라며, "당신이 현장의 농부라면 더 정확한 예측이 마음에 드시나요, 아니면 물리 방정식으로 적을 수 있는 예측이 마음에 드시나요?"라고 질문을 남겼습니다.