AI 기상예측 그래프캐스트: 1분 10일 예보의 원리와 한계, 수치예보와의 비교

핵심 메시지

• 현대 기상예보의 토대는 1900년대 초 빌헬름 베르크네스가 정의한 '원시방정식'이지만, 이 편미분방정식은 당대에는 풀 방법이 없었다.
• 루이스 프라이 리처드슨은 1922년 수치적 풀이법을 책으로 냈으나 6시간 예보 하나에 6주가 걸렸고, ENIAC 등 컴퓨터가 등장하면서 비로소 예보가 실용화됐다.
• 구글 그래프캐스트는 수 시간 걸리던 10일 예보를 약 1분 만에 내놓고 90%의 변수에서 고해상도 예보를 능가했지만, 확률예보를 주지 못하고 허리케인·홍수 같은 극한기상을 과소평가하는 한계가 있다.
• AI 예측은 기존 수치예보를 대체하기보다 예보관을 돕는 추가 도구로 보는 것이 현실적이다.

쉽게 이해하기

날씨 예측은 한 세기 넘게 물리학과 수학의 가장 어려운 문제 중 하나였다. 현대 기상예보의 아버지로 불리는 빌헬름 베르크네스는 1900년대 초 노르웨이 오슬로에서 대기의 운동을 지배하는 '원시방정식'을 정의했다. 이 방정식들은 온도와 바람을 알려주지만, 시간에 따른 변화를 담는 편미분방정식이라 당시에는 풀 기법 자체가 없었다.

약 20년 뒤 영국의 루이스 프라이 리처드슨은 이 방정식을 평생의 과제로 삼아 1922년 '수치적 과정에 의한 기상예보'라는 300쪽짜리 책을 펴냈다. 그러나 그의 방법으로 중부 유럽 두 지점의 6시간 예보를 만드는 데 6주가 걸렸다. 그는 극장에 모인 수많은 사람들이 각자 방정식의 일부를 계산해 즉시 결과를 주고받는 '인간 컴퓨터'를 상상했지만 당시엔 공상에 불과했다.

전환점은 컴퓨터였다. 2차 대전을 거치며 컴퓨팅이 혁신되고 미국 정부의 투자가 이어졌다. 수소폭탄 계산을 위해 만들어진 ENIAC을 폰 노이만과 줄 차니가 기상예보에 적용하자, 24시간 예보를 24시간 만에 만들어내는 일이 처음으로 가능해졌다. 이후 슈퍼컴퓨터 투자가 누적되며 수치예보는 일반인이 쓸 만큼 발전했다.

오늘날 수치예보는 지표 관측·기상 기구·항공기·부이 등에서 모은 데이터로 모델을 초기화하고, 모델 해상도보다 작은 구름·지형은 '매개변수화'로 표현하며, 격자로 풀지 못하는 국지효과는 '모델 출력 통계(MOS)'로 보정한다. 문제는 우리가 특정 순간 대기 전체 상태를 결코 알 수 없고 데이터가 항상 불완전·지연된다는 점이다. 편미분방정식은 완벽한 해석해가 없어 근사에 의존하므로, 초기값의 작은 오차가 전혀 다른 예측으로 번질 수 있다.

여기서 AI가 등장한다. 유럽 모델(Euro) 같은 전통 모델은 실행에 몇 시간, 10일 예보 공개에 한 시간 넘게 걸리지만, 구글이 발표한 그래프캐스트는 같은 10일 예보를 약 1분 만에 내놓고 미래 변수의 90%에서 고해상도 예보를 능가했다. 화웨이·엔비디아도 비슷한 결과를 냈다. AI 모델은 NOAA가 하루 수십 테라바이트씩 공개하는 관측 데이터를 학습·검증용으로 나눠 훈련하고, 현재 정보로 다음 단계를 예측한 뒤 그 결과를 다시 입력으로 쓰는 식으로 반복 예보한다.

주요 인사이트

• 전통 수치예보는 선형대수에 뿌리를 둔 방정식을 쓰기 때문에 결과가 이상해도 무엇이 잘못됐는지, 극단값이 어디까지 갈 수 있는지 가늠할 수 있다. 반면 AI 모델은 내부에서 무슨 일이 일어나는지 사용자가 알기 어렵다.
• AI 모델은 우리가 쓰는 원시방정식과 비슷한 무언가를 스스로 만들었을 수도, 단지 과거 데이터의 패턴을 따라가는 것일 수도 있다. 어느 쪽인지 모른다는 점 자체가 가장 큰 우려다.
• 그래프캐스트는 예보관이 제공하는 확률예보를 내놓지 못하고, 허리케인·홍수 같은 극한기상을 과소평가하는 경향이 있어 자칫 인명 위험으로 이어질 수 있다.
• AI 기상예측이 곧바로 날씨 예측 문제를 푸는 것은 아니다. 베르크네스와 리처드슨의 유산을 버리기보다, 전통 수치예보와 AI를 결합해 더 빠르고 신뢰할 수 있는 예보로 나아가는 것이 합리적이다.

자주 묻는 질문

관련 AI 소식