구글의 최신 AI 기상 모델은 우산을 잊을 핑계조차 허용하지 않습니다

구글 딥마인드(Google DeepMind)와 구글 리서치(Google Research)는 대기 변화에 대한 더 명확한 통찰과 더 빈번하고 신뢰할 수 있는 예측을 제공하는 새로운 AI 기반 기상 예보 모델을 공개했습니다.

WeatherNext 3은 딥러닝에 의해 주도되는 기상학의 중요한 도약입니다. 구글은 이 모델을 검색(Search), 구글 지도(Google Maps), 제미니(Gemini)에 통합할 계획이며, 클라우드 플랫폼을 통해 연구자와 일반 사용자에게도 접근 가능하게 제공할 예정입니다.

“이는 핵심 변수가 광범위한 구글 제품의 동력원이 되는 첫 번째 사례입니다.”라고 테크크런치(TechCrunch)와의 인터뷰에서 구글의 수석 엔지니어인 사미어 머천트(Samier Merchant)는 말했습니다.

스타트업 브라이트밴드(Brightband)가 AI 예보의 정확도를 비교하기 위해 만든 벤치마크인 Operational WeatherBench에서 테스트된 WeatherNext 3은 온도, 풍속, 습도 등 주요 지표에서 우수한 정확도를 보였습니다.

이는 구글, 마이크로소프트(Microsoft), 엔비디아(Nvidia), 유럽중기예보센터(ECMWF)의 다른 딥러닝 모델과 미국 국립기상청(NWS) 및 ECMWF의 기존 예보 모델을 모두 능가합니다.

이미지 출처:Brightband / Brightband

기존의 기상 예보는 정부 슈퍼컴퓨터가 복잡한 물리 방정식을 풀어내는 방식에 의존합니다. 이러한 시스템은 정확하지만 비용이 많이 들고 속도가 느립니다. 2018년 ECMWF가 수십 년간의 역사적 데이터를 공개한 이후, 연구자들은 비슷한 정확도를 가진 더 빠른 모델을 만들기 위해 딥러닝을 활용해 왔습니다.

“날씨는 혼돈 상태입니다. 작은 차이가 거대한 섭동으로 이어질 수 있습니다.”라고 딥마인드의 수석 연구 과학자 매니저인 페란 알레트(Ferran Alet)는 설명했습니다. “머신러닝은 불완전한 정보와 제한된 컴퓨팅 자원으로 잡음이 있는 물리학을 근사하는 핵심 과제를 해결하며, 방대한 데이터셋에서 패턴을 학습할 수 있게 합니다.”

이전 AI 예보 모델은 주요 한계가 있었습니다. 광범위한 지역(15~25제곱킬로미터)을 커버하여 실용성이 제한되었고, 강수 예측에 어려움을 겪었으며, 사전 처리된 정부 데이터에 의존했습니다.

WeatherNext 3은 이러한 문제를 해결합니다. 이 모델은 5km의 해상도를 제공하며, WeatherNext 2 대비 강수 예측 정확도를 60% 개선했고, 표준인 6시간 간격 대신 시간 단위 예보를 생성합니다.

이미지 출처:Google / Google

이러한 개선은 특정 설계 선택에서 비롯됩니다. WeatherNext 3은 전작보다 파라미터가 2.4배 많으며, 더 유용한 통찰력을 제공하도록 맞춤화된 디코더 헤드를 갖추고 있습니다. 3D 그리드 전체에 데이터를 평균화하는 표준 예보와 달리, 딥마인드의 모델은 사이클론 경로와 같은 특정 사건을 시각화할 수 있습니다.

또한 이 모델은 특정 기상 관측소의 데이터를 예측하도록 훈련되었습니다. 이는 예측의 세분성을 높이고 지상 관측 데이터와 비교하여 평가할 수 있게 합니다.

“많은 AI 응용 프로그램의 목표는 작업을 끝까지 실행하는 것입니다.”라고 브라이트밴드의 대기 과학자 다니엘 로텐버그(Daniel Rothenberg)는 말했습니다. “덴버 공항의 시간별 조건과 같은 특정 관측소 데이터를 예측함으로써 우리는 예보를 실제 활용성과 더 밀접하게 연결합니다.”

모델의 예측 빈도 증가는 시간 단위 실시간 위성 데이터를 흡수함으로써 가능해졌습니다. 슈퍼컴퓨터가 생성한 분석 대신 원시 관측 데이터를 사용하면 정확도가 향상되지만, 정형화되지 않은 데이터를 처리하는 것은 여전히 기술적으로 어렵습니다.

구글은 WeatherNext 3이 고해상도 전 지구 예보에 원시 관측 데이터를 통합한 첫 번째 AI 모델이라고 주장합니다. 그러나 AI 스타트업 윈본드(WindBorne)는 2025년 말부터 기상 풍선에서 수집한 원시 데이터를 사용한 WeatherMesh 6 모델이 있다고 밝힙니다. 구글은 자신의 예보가 더 높은 전 지구 해상도를 제공한다고 강조합니다. 두 모델 모두 국가 데이터셋에 여전히 의존하고 있어, 진정한 직접 데이터 동화(direct data assimilation)를 위해서는 추가 작업이 필요함을 시사합니다.

대규모 언어 모델(LLM)이 헤드라인을 장악하는 동안, 기상학에서의 트랜스포머(Transformer) 혁명 역시 동등하게 혁신적입니다. 유럽과 미국의 기상 당국은 이미 예보에 AI를 활용하고 있으며, 이는 속도와 비용 측면의 이점을 제공하여 빈곤한 지역에서도 정확한 예측을 이용할 수 있게 할 잠재력을 가지고 있습니다.

빌 게이츠(Bill Gates)는 최근 AI 기상 예보를 주요 혜택으로 강조하며, 개발도상국의 작물 수확량 향상에 기여할 잠재력이 있다고 언급했습니다. 페란 알레트는 풍속, 강수, 구름 덮임에 대한 더 높은 해상도의 예보가 재생 에너지 프로젝트의 신뢰성을 높이는 데 도움이 될 것이라고 덧붙였습니다.

“궁극적으로 구글은 사용자에게 유용한 정보를 제공하는 것을 목표로 하며, 기상 정보는 그중 핵심적인 부분입니다.”라고 알레트는 결론지었습니다.