구글 딥마인드 AI, 허리케인 급강화 하루 전 포착

WeatherNext 팀이 사이클론 강도 예측에 집중하게 된 계기는 따로 있어요. 2023년 구글 딥마인드는 일상 기상을 예보하는 WeatherNext 1을 내놓았는데요. 태풍의 진행 경로는 어느 정도 맞혔지만, 폭풍이 얼마나 강해질지 가늠하는 강도 예측에서는 크게 밀렸어요. 그러던 중 허리케인 오티스가 멕시코를 덮쳤어요. 물리 기반 모델은 전부 약한 폭풍으로 예측했지만, 실제로는 새벽 1시에 카테고리5로 갑작스럽게 상륙하면서 인프라 피해와 인명 피해를 동시에 냈어요.

풀어서 설명하면, 이 사건이 WeatherNext 개발팀에 방향을 정해준 계기였어요. 물리 방정식만으로는 갑작스러운 강도 변화를 놓칠 수 있다는 걸 확인한 팀은 사이클론 전용 AI 모델을 만들기로 했고, 그 결과물이 2년 뒤 허리케인 멀리사 예보에서 처음으로 실전 성과를 냈어요.

50년치 데이터와 TPU 하나로 돌리는 예보

과거의 사이클론 예보는 3층 건물만 한 슈퍼컴퓨터로 유체역학 방정식을 직접 풀어내는 방식이었어요. 위성·비행기·기상관측소에서 모은 오늘의 날씨 데이터를 입력하면 컴퓨터가 물리 법칙을 그대로 시뮬레이션해 내일의 날씨를 계산했죠. 문제는 관측 데이터 자체가 자주 비어 있거나 잡음이 섞여 있고, 정밀한 물리 시뮬레이션에는 막대한 연산량이 필요하다는 점이었어요.

WeatherNext는 접근 방식 자체가 달라요. 방정식을 새로 풀지 않고, 약 50년치 과거 기상 데이터를 학습해서 패턴 자체를 익히는 방식을 쓰는데요. 알렛은 매일의 날씨 데이터 40~50년치와 상대적으로 적은 사이클론 데이터를 함께 학습시켰더니, 모델이 일상 기상에서 배운 패턴을 사이클론에도 적용할 수 있게 됐다고 설명했어요. 그 결과 건물 크기 슈퍼컴퓨터 대신 TPU 한 개로도 예보를 돌릴 수 있게 됐고요.

10년치 발전을 한 세대 만에

기상학계는 그동안 더 나은 모델을 짜고 위성을 더 쏘아 올리고 연산력을 늘리는 식으로, 대략 10년에 하루꼴로 예보 정확도를 끌어올려 왔어요. 구글 딥마인드는 WeatherNext가 10년 치 진보를 모델 한 세대 만에 이뤘다고 설명했어요. 폭풍이 어디에 상륙할지뿐 아니라 상륙 시점에 얼마나 강해져 있을지까지 정확도가 함께 올라갔고요. 이 덕분에 기상 당국들은 공개 예보 기간을 기존 5일에서 7일로 늘리는 방안을 검토하고 있어요.

항목	물리 기반 모델(과거)	WeatherNext(AI)
필요 연산자원	3층 건물 규모 슈퍼컴퓨터	TPU 1개
학습 방식	유체역학 방정식 직접 시뮬레이션	약 50년치 기상 데이터로 패턴 학습
정확도 개선 속도	10년에 하루꼴	모델 한 세대 만에 10년 치 개선폭
공개 예보 기간	5일	7일로 확장 추진

사례	시점	예보 결과
허리케인 오티스	2023년	물리 모델은 약한 폭풍으로 예측, 실제는 새벽 카테고리5 상륙
허리케인 멀리사	2025년	WeatherNext가 카테고리1→5 급강화를 미리 경고

오픈소스로 공개된 모델, 직접 확인해보려면

구글 딥마인드는 WeatherNext 2와 사이클론 전용 모델을 오픈소스로 공개했어요. 학계와 각국 기상 당국이 자유롭게 실험하고 새로운 발견을 만들어내길 기대한다고 밝혔고요. 모델을 직접 코드로 살펴보고 싶다면 github.com/google-deepmind/weathernext 저장소에서 코드와 가중치를 받아볼 수 있어요. 코드를 다루기보다 예보 화면 자체를 보고 싶다면 Weather Lab 웹사이트에서 모델이 실제로 내놓는 사이클론 경로·강도 예측을 확인할 수 있어요.

국내에서는

구글 딥마인드는 지난 4월 한국에 AI 캠퍼스를 설립하고 국내 산학연과 협력을 추진한다고 밝힌 바 있어요. 국내 보도에 따르면 구글 딥마인드 부사장이 국내 파트너사 17곳과 별도로 만나 협력 방안을 논의하기도 했고요. WeatherNext 자체가 한국 기상청과 연동됐다는 내용은 이번 자료에 없지만, 오픈소스로 풀린 모델과 Weather Lab 웹사이트는 국내 연구자나 기상 관계자도 국경과 무관하게 접근할 수 있어요.

에디터의 시선

이번 인터뷰에서 눈에 띄는 대목은 성과 자체보다 실패담이에요. 구글 딥마인드가 사이클론 강도 예측에 매달린 계기가 "우리가 이렇게 잘한다"가 아니라 "오티스 때 다 틀렸다"는 반성이었다는 점이 그래요. AI 모델 홍보 글에서 자기 실패를 이렇게 구체적으로 짚는 경우는 흔치 않은데요, 그만큼 강도 예측이 기상학계에서 오래 골치 아팠던 문제였다는 뜻으로 읽혀요.

세대 비교로 보면 체감이 더 뚜렷해요. 기존 기상 모델을 다뤄본 사람이라면 알겠지만, 물리 기반 시뮬레이션은 슈퍼컴퓨터 예약부터 계산 완료까지 시간이 걸리고, 그 사이 폭풍은 이미 방향을 바꾸는 경우가 많았어요. TPU 한 개로 같은 작업을 끝낸다는 건 단순히 비용을 줄이는 문제가 아니라, 예보를 훨씬 자주 다시 돌려볼 수 있다는 뜻이에요. 상황이 바뀔 때마다 몇 시간 안에 새로 계산해 볼 수 있다는 건 재난 대응 부서 입장에서는 완전히 다른 차원의 도구고요.

실무적으로 보면 국내 지자체·재난안전 담당 부서가 지금 당장 해볼 수 있는 일은 Weather Lab에서 모델이 내놓는 예보와 기존 기상청 예보를 나란히 비교해 보는 정도예요. 아직 한국 기상 당국이 이 모델을 공식 예보에 채택했다는 근거는 없으니, 참고 자료로 지켜보는 선에서 접근하는 게 맞아요. 다만 오픈소스로 코드가 풀려 있는 만큼, 국내 대학 연구실이 자체 데이터로 재현 실험을 해볼 여지는 충분히 있고요.

앞으로 몇 달 안에는 다른 기상 당국들도 WeatherNext를 자체 예보에 참고 자료로 끌어다 쓰는 사례가 하나둘 나올 가능성이 커요. 예보 지평을 5일에서 7일로 늘리는 논의가 실제 정책으로 굳어지는지가 다음으로 확인해볼 지점이에요.