구글은 과거 뉴스 데이터와 인공지능을 활용해 돌발 홍수를 예측합니다

돌발 홍수는 매년 5,000명 이상의 목숨을 앗아가는 지구상에서 가장 치명적인 기상 현상 중 하나로 꼽힙니다. 또한 돌발 홍수는 예측하기가 특히 어렵기로 악명 높습니다. 하지만 구글은 뉴스 보도를 분석함으로써 이 문제에 대한 새로운 해결책을 찾았다고 믿습니다.
인류는 방대한 기상 데이터를 축적해 왔지만, 돌발 홍수는 시간이 지남에 따라 추적되는 기온이나 하천 유량 추세와 달리 너무 짧고 국지적이어서 체계적으로 측정하기 어렵습니다. 이러한 데이터 부족으로 인해 딥러닝 모델은 일반적인 기상 예측 능력은 점점 향상되고 있음에도 불구하고, 돌발 홍수를 정확하게 예측하는 데 어려움을 겪고 있습니다.
이러한 격차를 해소하기 위해 구글 연구진은 자사의 대규모 언어 모델인 '제미니(Gemini)'를 활용해 전 세계 뉴스 기사 500만 건을 분석했습니다. 이 과정을 통해 260만 건의 개별 홍수 사건에 대한 보도를 식별하고, 이를 '그라운드소스(Groundsource)'라는 이름의 지리 태그가 포함된 타임라인으로 변환했습니다. 구글 리서치 제품 매니저인 길라 로이크(Gila Loike)에 따르면, 이는 구글이 이러한 목적으로 언어 모델을 활용한 첫 사례입니다. 해당 연구와 데이터 세트는 목요일 오전 공개되었습니다.
연구팀은 '그라운드소스'를 실제 환경의 벤치마크로 삼아, LSTM(Long Short-Term Memory) 신경망을 기반으로 한 모델을 훈련시켰습니다. 이 모델은 전 세계 기상 예보를 처리하여 특정 지역의 돌발 홍수 발생 확률을 추정합니다.
구글의 돌발 홍수 예측 모델은 현재 '플러드 허브(Flood Hub)' 플랫폼을 통해 150개국 도시 지역의 위험도를 식별하고, 이 데이터를 전 세계 비상 대응 기관들과 공유하고 있다. 모델 시범 운영에 참여한 남부아프리카개발공동체(SADC)의 비상 대응 담당관 안토니우 호세 벨레자는 이 모델이 홍수 사태에 대한 기관의 대응 속도를 크게 향상시켰다고 밝혔다.
이 모델에는 현재 몇 가지 한계가 있습니다. 해상도가 상대적으로 낮아 20제곱킬로미터 구역 단위로 위험을 평가합니다. 또한 실시간 강수량 추적을 위한 지역 레이더 데이터를 통합하지 않기 때문에, 미국 국립기상청(NWS)의 홍수 경보 시스템보다 정확도가 떨어집니다.
그러나 이 프로젝트의 핵심 목표는 지방 정부가 고가의 기상 관측 인프라나 상세한 기상 기록을 확보할 자원이 부족한 지역을 위한 해결책을 마련하는 것이었습니다.
구글 리질리언스(Resilience) 팀의 프로그램 매니저 줄리엣 로텐버그는 "수백만 건의 보고서를 집계함으로써, 그라운드소스(Groundsource) 데이터 세트는 전 세계 지도의 균형을 재조정하는 데 도움을 줍니다"라고 설명했습니다. "이를 통해 정보가 훨씬 부족한 다른 지역에도 통찰력을 확장 적용할 수 있게 됩니다."
로텐버그는 팀이 LLM을 활용해 서술형 자료에서 정량적 데이터 세트를 생성하는 이 방법론이 폭염이나 산사태와 같이 일시적이지만 중요한 예보 과제에도 적용되기를 희망한다고 덧붙였습니다.
수력 발전 회사 등 고객을 대상으로 유사한 딥러닝 기술을 활용해 하천 유량 예측을 수행하는 기업인 업스트림 테크(Upstream Tech)의 CEO 마셜 무테노트는 구글의 작업을 AI 기반 기상 모델을 위한 데이터 수집을 확대하려는 더 광범위한 노력의 일환으로 보고 있다. 무테노트는 또한 연구자와 스타트업을 위해 머신러닝에 바로 활용 가능한 기상 데이터를 선별하는 단체인 dynamical.org의 공동 설립자이기도 하다.
"데이터 부족은 여전히 지구물리학 분야에서 가장 큰 장애물 중 하나입니다,"라고 무테노는 지적했다. "역설적이게도 지구 데이터는 넘쳐나지만, 평가를 위한 검증된 실제 데이터는 부족합니다. 이번 연구는 그 필수적인 데이터를 확보하기 위한 매우 창의적인 접근 방식이었습니다."
관련 기사
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026년 5월 14일, AI 애플리케이션 개발 플랫폼 라블러블(Lovable)은 덴마크 하드웨어 스타트업 Atech의 80만 달러 시드 투자 라운드 참여를 발표했습니다. 라블러블이 주도한 이번 투자에는 a16z 스카우트 펀드, 시에리야 스카우트 펀드, 노르딕 메이커스(Nordic Makers) 등 최상위 벤처캐피탈 기업들이 참여했습니다. 이번 투자는 라블러블이 순수 소프트웨어 개발을 넘어 하드웨어 엔지니어링 영역으로 '바이브 코딩(Vibe C
Anthropic, 클로드 AI 코딩 도구를 일본으로 확장하여 해외 성장 추진
미국의 대표적인 인공지능 기업인 앤트로픽(Anthropic)이 글로벌 마케팅을 강화하고 있다. 수요일, 이 회사는 도쿄에서 약 500명의 소프트웨어 엔지니어가 참석한 대규모 개발자 행사인 '클로드로 코딩(Code with Claude)'을 개최했다. 이번 행사는 자율적 코딩 기능의 핵심 이점을 강조하며, 클로도 AI 도구와 관련 제품을 일본 시장에 적극적으로 도입하여 기업의 생산성을 높이는 것을 목표로 한다.자동 코드 생성 강조행사 동안 앤
인도의 소프트웨어 거대 기업이 채용을 축소하고 AI 에이전트 확대에 따라 해고를 약속하지 않음
인공지능이 전통적인 노동집약적 비즈니스 모델을 재편함에 따라, 인도 최고의 소프트웨어 아웃소싱 기업인 타타 컨설팅 서비스스(TCS)는 전략적 대응책을 공개했습니다. 화요일 열린 정기주주총회에서 회장은 인간과 기계의 협력을 비전으로 제시하고, AI 시대의 회사 인력 전략을 명확히 했습니다.해고는 없지만 채용은 느려질 것TCS 회장은 AI 도입으로 인한 직원 해고 계획이 없다고 명시하면서도, 전체 채용 속도는 늦출 것이라고 밝혔습니다. TCS는
관련 특별 주제 추천
의견 (2)
0/500
So Google's basically using old news articles to predict floods? That's wild. I mean, if it works, it could save thousands of lives, but I wonder how much historical data is actually reliable when weather patterns are changing so fast. 🌊🤔

돌발 홍수는 매년 5,000명 이상의 목숨을 앗아가는 지구상에서 가장 치명적인 기상 현상 중 하나로 꼽힙니다. 또한 돌발 홍수는 예측하기가 특히 어렵기로 악명 높습니다. 하지만 구글은 뉴스 보도를 분석함으로써 이 문제에 대한 새로운 해결책을 찾았다고 믿습니다.
인류는 방대한 기상 데이터를 축적해 왔지만, 돌발 홍수는 시간이 지남에 따라 추적되는 기온이나 하천 유량 추세와 달리 너무 짧고 국지적이어서 체계적으로 측정하기 어렵습니다. 이러한 데이터 부족으로 인해 딥러닝 모델은 일반적인 기상 예측 능력은 점점 향상되고 있음에도 불구하고, 돌발 홍수를 정확하게 예측하는 데 어려움을 겪고 있습니다.
이러한 격차를 해소하기 위해 구글 연구진은 자사의 대규모 언어 모델인 '제미니(Gemini)'를 활용해 전 세계 뉴스 기사 500만 건을 분석했습니다. 이 과정을 통해 260만 건의 개별 홍수 사건에 대한 보도를 식별하고, 이를 '그라운드소스(Groundsource)'라는 이름의 지리 태그가 포함된 타임라인으로 변환했습니다. 구글 리서치 제품 매니저인 길라 로이크(Gila Loike)에 따르면, 이는 구글이 이러한 목적으로 언어 모델을 활용한 첫 사례입니다. 해당 연구와 데이터 세트는 목요일 오전 공개되었습니다.
연구팀은 '그라운드소스'를 실제 환경의 벤치마크로 삼아, LSTM(Long Short-Term Memory) 신경망을 기반으로 한 모델을 훈련시켰습니다. 이 모델은 전 세계 기상 예보를 처리하여 특정 지역의 돌발 홍수 발생 확률을 추정합니다.
구글의 돌발 홍수 예측 모델은 현재 '플러드 허브(Flood Hub)' 플랫폼을 통해 150개국 도시 지역의 위험도를 식별하고, 이 데이터를 전 세계 비상 대응 기관들과 공유하고 있다. 모델 시범 운영에 참여한 남부아프리카개발공동체(SADC)의 비상 대응 담당관 안토니우 호세 벨레자는 이 모델이 홍수 사태에 대한 기관의 대응 속도를 크게 향상시켰다고 밝혔다.
이 모델에는 현재 몇 가지 한계가 있습니다. 해상도가 상대적으로 낮아 20제곱킬로미터 구역 단위로 위험을 평가합니다. 또한 실시간 강수량 추적을 위한 지역 레이더 데이터를 통합하지 않기 때문에, 미국 국립기상청(NWS)의 홍수 경보 시스템보다 정확도가 떨어집니다.
그러나 이 프로젝트의 핵심 목표는 지방 정부가 고가의 기상 관측 인프라나 상세한 기상 기록을 확보할 자원이 부족한 지역을 위한 해결책을 마련하는 것이었습니다.
구글 리질리언스(Resilience) 팀의 프로그램 매니저 줄리엣 로텐버그는 "수백만 건의 보고서를 집계함으로써, 그라운드소스(Groundsource) 데이터 세트는 전 세계 지도의 균형을 재조정하는 데 도움을 줍니다"라고 설명했습니다. "이를 통해 정보가 훨씬 부족한 다른 지역에도 통찰력을 확장 적용할 수 있게 됩니다."
로텐버그는 팀이 LLM을 활용해 서술형 자료에서 정량적 데이터 세트를 생성하는 이 방법론이 폭염이나 산사태와 같이 일시적이지만 중요한 예보 과제에도 적용되기를 희망한다고 덧붙였습니다.
수력 발전 회사 등 고객을 대상으로 유사한 딥러닝 기술을 활용해 하천 유량 예측을 수행하는 기업인 업스트림 테크(Upstream Tech)의 CEO 마셜 무테노트는 구글의 작업을 AI 기반 기상 모델을 위한 데이터 수집을 확대하려는 더 광범위한 노력의 일환으로 보고 있다. 무테노트는 또한 연구자와 스타트업을 위해 머신러닝에 바로 활용 가능한 기상 데이터를 선별하는 단체인 dynamical.org의 공동 설립자이기도 하다.
"데이터 부족은 여전히 지구물리학 분야에서 가장 큰 장애물 중 하나입니다,"라고 무테노는 지적했다. "역설적이게도 지구 데이터는 넘쳐나지만, 평가를 위한 검증된 실제 데이터는 부족합니다. 이번 연구는 그 필수적인 데이터를 확보하기 위한 매우 창의적인 접근 방식이었습니다."
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
2026년 5월 14일, AI 애플리케이션 개발 플랫폼 라블러블(Lovable)은 덴마크 하드웨어 스타트업 Atech의 80만 달러 시드 투자 라운드 참여를 발표했습니다. 라블러블이 주도한 이번 투자에는 a16z 스카우트 펀드, 시에리야 스카우트 펀드, 노르딕 메이커스(Nordic Makers) 등 최상위 벤처캐피탈 기업들이 참여했습니다. 이번 투자는 라블러블이 순수 소프트웨어 개발을 넘어 하드웨어 엔지니어링 영역으로 '바이브 코딩(Vibe C
Anthropic, 클로드 AI 코딩 도구를 일본으로 확장하여 해외 성장 추진
미국의 대표적인 인공지능 기업인 앤트로픽(Anthropic)이 글로벌 마케팅을 강화하고 있다. 수요일, 이 회사는 도쿄에서 약 500명의 소프트웨어 엔지니어가 참석한 대규모 개발자 행사인 '클로드로 코딩(Code with Claude)'을 개최했다. 이번 행사는 자율적 코딩 기능의 핵심 이점을 강조하며, 클로도 AI 도구와 관련 제품을 일본 시장에 적극적으로 도입하여 기업의 생산성을 높이는 것을 목표로 한다.자동 코드 생성 강조행사 동안 앤
인도의 소프트웨어 거대 기업이 채용을 축소하고 AI 에이전트 확대에 따라 해고를 약속하지 않음
인공지능이 전통적인 노동집약적 비즈니스 모델을 재편함에 따라, 인도 최고의 소프트웨어 아웃소싱 기업인 타타 컨설팅 서비스스(TCS)는 전략적 대응책을 공개했습니다. 화요일 열린 정기주주총회에서 회장은 인간과 기계의 협력을 비전으로 제시하고, AI 시대의 회사 인력 전략을 명확히 했습니다.해고는 없지만 채용은 느려질 것TCS 회장은 AI 도입으로 인한 직원 해고 계획이 없다고 명시하면서도, 전체 채용 속도는 늦출 것이라고 밝혔습니다. TCS는
So Google's basically using old news articles to predict floods? That's wild. I mean, if it works, it could save thousands of lives, but I wonder how much historical data is actually reliable when weather patterns are changing so fast. 🌊🤔





집






