3'20" 읽기
- 현재 최고의 예측 시스템인 ECMWF(유럽 중기 기상예보센터)의 HRES(고해상도 예보)
- 약 1시간 내에 0.1도의 해상도로 전 세계 10일 예보 생성, 강력한 슈퍼 컴퓨터 필요
- GraphCast는 총 3,670만 개의 매개변수가 있는 결합 신경망으로 구성
- AI 시스템은 슈퍼컴퓨터가 필요없고 단 하나의 텐서 프로세서(TPU;Tensor Prozessor)에서만 실행

AI 또는 슈퍼컴퓨터 – 누가 더 일기 예보를 잘 맞출까?
인공지능은 물리적인 지식이 없어도 10일간의 일기 예보를 만들어낸다.

슈퍼컴퓨터 대신 신경망:
새로운 AI 시스템은 물리적 방정식을 모르더라도 일반 모델과 마찬가지로 중기 일기 예보를 생성할 수 있다. 슈퍼컴퓨터도 필요하지 않다. 대신 구글-딥마인드(Google-DeepMind)가 개발한 인공지능 '그래프캐스트(GraphCast)'는 날씨 데이터와 단일 AI 칩만 사용한다. 그럼에도 불구하고 이 AI는 빠르고 정확한 전 세계 10일 일기 예보를 생성할 수 있으며, 현재 최고의 수치 기상 모델을 능가한다. 이는 일기 예보의 전환점이 될 것으로 보인다. 

▲ 일반적인 일기 예보는 날씨 데이터와 복잡한 물리적 컴퓨터 모델을 기반으로 한다. © Yuliya Shavyra / 게티 이미지

 

날씨는 매우 역동적이고 복잡한 시스템이다. 수천 개의 상호 작용 요인이 기상 상황의 전개 방식에 영향을 미친다. 이러한 복잡성을 포착하기 위해 기상학자들은 대기의 물리적 법칙과 지구 표면과의 상호 작용을 재현하는 광범위한 수치 예측 모델을 사용한다. 그런 다음 이러한 시스템은 복잡한 방정식과 현재 기상 데이터를 기반으로 예측을 제공한다.

"현재 최고의 예측 시스템인 ECMWF(유럽 중기 기상예보센터)의 HRES(고해상도 예보)는 약 1시간 내에 0.1도의 해상도로 전 세계 10일 예보를 생성한다"고 Google DeepMind의 레미 람(Remi Lam)과 그의 동료들은 설명했다. 이러한 시스템에는 특히 강력한 슈퍼컴퓨터가 필요하다.

신경망, 날씨 데이터 및 AI 칩

Lam과 그의 팀이 개발한 인공 지능이 이제 보여주듯이 이는 더 쉽고 빠르며 경제적이기도 하다. 일반적인 기상 모델과 달리 AI 시스템의 예측 접근 방식은 물리적 방정식과 복잡한 모델 시뮬레이션을 기반으로 하지 않는다. 대신 'GraphCast'라고 불리는 AI 시스템은 과거 기상 데이터만을 기반으로 일반적인 기상 상황을 학습한다. “따라서 이 시스템은 명시적인 방정식을 사용하여 쉽게 표현할 수 없는 데이터의 패턴을 인식할 수 있는 잠재력을 가지고 있다”고 연구원은 설명했다.

특히 GraphCast는 총 3,670만 개의 매개변수가 있는 결합 신경망으로 구성되어 있다. Lam과 그의 팀이 설명하는 것처럼 ChatGPT 및 기타 인공 지능에 비해 이는 다소 작은 모델이다. 일반적인 예측 모델과 달리 AI 시스템은 슈퍼컴퓨터가 필요하지 않고 비교적 경제적이다. 특수 AI 하드웨어 덕분에 GraphCast는 6제곱센티미터 크기의 단 하나의 텐서 프로세서(TPU;Tensor-Prozessor)에서만 실행된다.

하나의 기상 조건에서 다음 기상 조건으로

훈련을 위해 AI 시스템은 세계 지도의 각 28 x 28km 그리드 셀에 대해 1979년부터 2017년까지의 과거 기상 데이터를 수신했으며, 6시간 간격으로 수집된 데이터에는 풍속과 풍향을 포함한 가장 중요한 기상 매개변수가 포함되었다. 다양한 고도에서의 온도, 습도 및 기압. 이 데이터를 사용하여 GraphCast는 이전 두 입력을 기반으로 다음 시점의 날씨 매개변수를 예측하도록 훈련했다.

이 훈련 후에 GraphCast는 일기 예보를 위해 현재 날씨 데이터와 6시간 전의 데이터 세트 두 개만 필요하다. 이를 통해 그는 전 세계 각 그리드 셀의 날씨가 어떤지 결정할 수 있다. Lam과 그의 팀은 “GraphCast는 자동 회귀 기능도 있다. 자체 결과를 입력으로 사용하여 길이에 관계없이 연속적인 예측 체인을 생성할 수 있다”고 설명했다. 이를 통해 인공 지능은 수백 가지 기상 변수와 28km 해상도에 대한 글로벌 10일 예측을 1분 이내에 생성할 수 있다.

AI가 일반적인 날씨 모델을 능가함

하지만 GraphCast의 일기 예보는 얼마나 정확할까? 이를 테스트하기 위해 Lam과 그의 팀은 AI를 유럽 HRES 모델과 비교했다. 학습 데이터에 포함되지 않은 2018년과 2021년의 날씨 데이터는 10일 예보의 테스트 작업으로 사용되었다.

결과: "GraphCast는 1,380개 변수 중 90.2%에서 HRES를 능가했다"고 연구진은 보고했다. 확립된 HRES 기상 모델은 성층권 예측에서만 거의 더 나았다. 이러한 수준을 생략하면 GraphCast가 99.7%의 경우에서 앞서 있었다. 

또한 흥미로운 점은 인공 지능이 HRES보다 더위, 열대 사이클론, 대기 하천과 같은 극한 기상 현상을 더 확실하게 예측했다는 것이다. Lam과 그의 동료들은 "GraphCast가 이러한 극단적인 날씨에 대해 명시적으로 훈련되지는 않았지만 이러한 예측 성능은 그러한 애플리케이션에 대한 견고성과 잠재력을 보여준다"고 말했다.

그러나 과학자들은 AI 모델이 불확실성을 평가하는 데 약점을 보인다는 점을 인정한다. 특히 장기 예측의 경우 예측이 얼마나 신뢰할 수 있는지, 편차 확률이 얼마나 큰지 투명하게 보여주지 않는다.

대체품이 아니라 보충품

Lam과 그의 팀에 따르면 그들의 AI 시스템은 복잡한 수치 모델과 슈퍼컴퓨터 없이도 이러한 적응형 시스템을 사용하여 날씨를 예측할 수 있음을 입증했다. “이것은 일기 예보의 전환점이 된다”고 그들은 썼다. GraphCast와 같은 AI 시스템은 미래에 더 많은 대상 그룹이 일기 예보를 더 저렴하고, 더 빠르게, 더 쉽게 접근할 수 있게 만들 수 있다.

동시에 DeepMind 연구원들은 GRaphCast를 HRES와 같은 일반적인 수치 예측 모델의 경쟁 제품이나 대체물로 보지 않는다는 점을 강조했다. 이것들은 여전히 ​​필수다. Lam과 그의 동료들은 "그러나 우리의 접근 방식은 현재 최고의 예측 방법을 보완하고 개선할 수 있는 잠재력을 가지고 있다"고 말했다.
(Science, 2023; doi: 10.1126/science.adi2336)
출처: Science, 미국과학진흥협회(AAAS)

[더사이언스플러스=문광주 기자]

[저작권자ⓒ the SCIENCE plus. 무단전재-재배포 금지]