"AI로 기상 예측의 불확실성 줄이기"

생성형 AI로 기상 예측의 불확실성을 정량화하다

2024년 3월 29일
기술 엔지니어 리자오(라리) 리, 연구 과학자 롭 카버, 구글 리서치

정확한 기상 예측은 우리의 일상에 직접적인 영향을 미칩니다. 오늘 어떤 옷을 입을지, 혹은 긴급한 기상 상황에 따라 어떤 조치를 취할지를 결정하는 데 도움을 주기 때문입니다. 기후 변화가 진행됨에 따라 정확하고 시의적절한 기상 예측의 중요성은 더욱 커질 것입니다. 이러한 필요성을 인식하고, 구글에서는 기후 및 날씨 연구에 지속적으로 투자하여 미래의 기상 예측 기술이 신뢰할 수 있는 정보를 제공할 수 있도록 노력하고 있습니다.

최근 우리는 메트넷-3, 24시간 이내의 고해상도 예측을 제공하는 최초의 기상 시스템과, 최대 10일 이내의 기후 변화 예측을 해내는 그래프캐스트와 같은 혁신을 선보였습니다.

하지만 기상 예측은 본질적으로 불확실성을 동반합니다. 전통적인 방법은 물리적인 시뮬레이션을 사용하여 여러 예측 결과를 만드는 데 의존하고, 그 과정은 계산적으로 비용이 많이 들게됩니다. 그래서 최근 우리는 이러한 한계를 극복하기 위해 생성형 AI 모델인 **SEEDS(Scalable Ensemble Envelope Diffusion Sampler)**를 개발하였습니다. 이 모델은 기상 예측의 성과를 증진시키고 컴퓨터 자원 소모를 획기적으로 줄여줍니다.

확률적 예측의 필요성: 나비 효과

1972년, MIT의 기상학자 에드 로렌츠는 "브라질의 나비가 날개를 치면 텍사스에서 토네이도가 발생하는가?"라는 발표로 잘 알려져 있습니다. 그는 기상 예측에서 초기 조건의 오류가 어떻게 기하급수적으로 증가하는지를 설명하며, 이를 통해 "혼돈 이론"이 탄생하게 됩니다. 이러한 이유로 기상 예측 기관들은 불확실성을 정량화하기 위해 확률적 예측 방식을 사용합니다.

기존의 확률적 예측 모델들은 복잡한 수치 기상 모델을 여러 번 실행하여 예측 앙상블을 생성합니다. 그러나 이러한 방식은 계산 비용이 많이 드는 단점이 있습니다. 많은 기상 예측 기관은 보통 10 ~ 50개의 앙상블 멤버만 생성할 수 있습니다. 하지만 이웃하는 날씨 이벤트의 예측이나 재난 관리에 있어서는 더 많은 샘플이 필요합니다.

SEEDS는 이러한 단점을 해결하기 위해 개발된 AI 기반 기술로, 단 두 개의 예측 결과만으로 대규모의 예측 앙상블을 생성할 수 있습니다. 이를 통해 구글 클라우드 인스턴스에서 약 3분 만에 256개의 앙상블 멤버를 생성할 수 있으며, 이는 기존의 초고속 컴퓨팅보다 훨씬 효율적입니다.

기상 패턴의 정밀한 예측

SEEDS는 기상 예측의 데이터를 아우르는 다양한 패턴을 생성할 수 있는 능력을 갖추고 있습니다. 예를 들어, 2022년 유럽의 폭염 동안의 예측을 비교했을 때, SEEDS는 실제 데이터와 비슷한 기상 패턴을 더욱 현실적으로 구현할 수 있었습니다. 이는 전통적인 수치 모델이 가지는 각 예측의 독립적인 변수를 무시하지 않기 때문에, 서로 다른 데이터 간의 관계를 적절하게 파악하는 데 도움을 줍니다.

극단적인 사건에 대한 정확한 예측

2022년 7월 14일, 리스본 근처의 기온과 수증기 데이터를 오랜 기간 예측했을 때, SEEDS는 실제 관측된 계절의 온도 변화와 높은 상관관계를 보였습니다. 특히 SEEDS는 기존의 운영적 앙상블보다 훨씬 더 많은 확률적 예측을 생성할 수 있기 때문에, 통계적으로 더 정확한 극단적 사건의 예측이 가능합니다.

결론 및 향후 전망

SEEDS는 생성형 AI의 힘을 활용하여 기상 예측의 새로운 패러다임을 제시합니다. 우리는 앞으로도 AI 기술을 활용하여 기상 예측의 효율성과 정확성을 높이기 위한 연구를 지속해 나갈 것입니다. SEEDS가 향후 기후 위험 평가와 같은 다른 연구 분야에도 활용될 수 있기를 기대합니다.

이번 연구는 기상 예측에 있어 새로운 가능성을 열어줄 뿐만 아니라, 기후 변화에 대응하기 위한 잠재력도 지니고 있습니다. 기후 변화와 불확실성이 만연한 이 시대에 SEEDS는 보다 신뢰할 수 있는 기상 정보를 제공하여, 우리의 일상에 긍정적인 영향을 미칠 수 있을 것입니다.

우리는 더욱 발전된 기상 예측 기술을 위해 여러분의 관심과 참여를 기대합니다. 감사합니다.

댓글

댓글 쓰기

이 블로그의 인기 게시물

"인터넷 연결 유형: 최적의 선택 가이드"

이미지
인터넷 연결 유형 설명: 온라인 접속을 위한 다양한 방법 우리가 지금 살고 있는 디지털 시대에서, 안정적이고 빠른 인터넷 연결은 선택이 아닌 필수가 되었습니다. 하지만 다양한 인터넷 연결 유형으로 인해 어떤 서비스를 선택해야 할지 고민하는 분들이 많습니다. 이 가이드를 통해 여러 인터넷 연결 유형을 이해하고, 자신의 필요에 맞는 최상의 선택을 찾을 수 있도록 도와드리겠습니다. 인터넷 연결 유형의 중요성 인터넷 서비스 제공업체(ISP)는 유선 또는 무선 연결 방식을 사용하여 인터넷을 가정에 제공합니다. 이 연결 유형은 인터넷 속도, 안정성, 가용성 등에 큰 영향을 미칩니다. 유선 연결 유형에는 광섬유, 동축 케이블, 그리고 DSL(디지털 가입자 회선)이 포함되며, 무선 연결 유형에는 위성 인터넷, 고정 무선, 그리고 최근 각광받고 있는 5G 홈 인터넷 등이 있습니다. 인터넷 연결 유형별 안내 1. 광섬유 인터넷: 가장 빠르지만 가용성이 제한적 광섬유 인터넷은 현재 우리가 알고 있는 가장 빠른 인터넷 연결 유형으로, 빛의 속도를 사용하여 데이터를 전송합니다. 일반적으로 평균적으로 1Gbps에서 5Gbps의 다운로드 속도를 제공하며, 업로드 속도도 비슷하게 제공되어 대용량 파일을 업로드하는 데 뛰어난 성능을 보입니다. 그러나 이 서비스는 도시 지역에 주로 제공되며, 약 45%의 가정에서만 이용 가능합니다. 주요 공급업체: AT&T Google Fiber Verizon Fios 2. 동축 케이블 인터넷: 표준 연결 방식 동축 케이블 인터넷은 가장 흔하게 사용되는 인터넷 연결 유형으로, TV 서비스와 함께 패키지로 제공되는 경우가 많습니다. 이 연결은 안정적인 속도를 제공하지만, 사용자가 많아지는 시간대에는 속도가 느려질 수 있습니다. 그러나 가격이 저렴하고 가용성이 좋기 때문에 많은 가정에서 사용되고 있습니다. 주요 공급업체: Comcast Xfinity Charter Spectrum Cox Communications 3...
자세한 내용 보기

"Apple Maps로 나만의 하이킹 경로 만들기"

이미지
iPhone의 Apple Maps로 당신만의 하이킹 경로 만들기 아름다운 자연 속에서 하이킹을 계획하고 싶으신가요? 아니면 가까운 공원에서 조깅을 즐기고 싶으신가요? 애플의 최신 iOS 업데이트인 iOS 18에서 제공하는 Apple Maps의 새로운 기능을 통해, 자신만의 경로를 수월하게 만들 수 있습니다. 이 글에서는 Apple Maps를 이용해 나만의 하이킹 및 달리기 경로를 만드는 방법을 안내드리겠습니다. iOS 18의 새로운 기능 Apple은 2023년 9월에 iOS 18을 출시하며, Maps 앱에 몇 가지 혁신적인 기능을 추가했습니다. 애플의 맵스는 이제 사용자가 시작 지점과 도착 지점을 설정하여 걷기, 달리기 또는 하이킹 경로를 쉽게 만들 수 있는 기능을 갖추었습니다. 이 기능을 통해 계획적인 야외 활동이 가능해지고, 길을 잃는 것에 대한 걱정이 줄어듭니다. 애플 맵에서 나만의 경로 만들기 나만의 경로를 만들기 위해서는 다음과 같은 간단한 단계를 따르면 됩니다. 1. 애플 맵스 열기 아이폰에서 Maps 앱을 실행합니다. 2. 경로 시작 지점 설정하기 시작하고 싶은 지점을 길게 눌러 핀을 찍습니다. 그런 다음 '더 보기'를 선택하고, '사용자 정의 경로 만들기'를 클릭합니다. 3. 경로 플롯하기 사용자 정의 경로를 설정하기 위해 앱의 지도에서 원하는 경로를 그립니다. 교차로, 랜드마크(예: 식당, 가게) 등을 탭하여 경로를 생성할 수 있습니다. 보다 세밀한 경로를 원하신다면, 지도상에 표시되지 않은 위치도 선택할 수 있습니다. 4. 경로 옵션 선택하기 경로를 만드는 동안 Apple Maps는 세 가지 경로 옵션을 보여줍니다: 역방향(Reverse) : 시작 지점과 종료 지점을 반대로 설정합니다. 왔다 갔다(Out & Back) : 경로를 그대로 되짚어 시작점으로 돌아옵니다. 폐회로(Close Loop) : 원형 경로를 설정하여 시작 지점으로 다시 돌아옵니다. 이렇게 만들어진 경로는...
자세한 내용 보기

AI 훈련의 혁신: 불확실성을 활용하라!

이미지
인공지능의 새로운 교육 방안: 불확실한 환경에서의 성능 향상 최근 MIT(매사추세츠 공과대학교)와 여러 연구 기관의 협력으로, 인공지능(AI) 에이전트의 성능을 향상시킬 수 있는 새로운 훈련 방법이 제안되었습니다. 이 연구는 인공지능 에이전트를 훈련하는 과정에서 시뮬레이션 환경이 실제 배포 환경과 얼마나 다른지를 고려하는 접근 방식을 보여줍니다. 여기서는 이 연구의 배경과 결과, 그리고 향후 AI 훈련에 미칠 영향을 다뤄보겠습니다. 전통적인 훈련 방식의 한계 대개 로봇이나 인공지능 시스템은 실제 환경에 배포되기 전에 훈련됩니다. 이때 많은 엔지니어는 훈련 환경을 실제 환경과 최대한 유사하게 맞추는 것이 중요하다고 믿어왔습니다. 예를 들어, 가정에서 사용할 로봇은 주방에서의 작업을 수행하기 위해 주방과 유사한 환경에서 훈련되어야 한다는 것입니다. 그러나 MIT의 연구자들은 이런 접근법이 항상 최선이 아닐 수 있음을 시사하고 있습니다. 실험과 발견 연구팀은 인공지능 에이전트를 훈련시키기 위해 아타리 게임을 수정하여 예측 불가능성과 불확실성을 추가했습니다. 이러한 ‘실내 훈련 효과’(indoor training effect)라고 불리는 현상은, 인공지능 에이전트가 소음이 적은 환경에서 훈련을 받을 경우, 불확실한 실제 환경에서 오히려 더 나은 성능을 보인다는 결과를 가져왔습니다. 실내 훈련 효과란? 이 같은 현상을 설명하기 위해, 연구진은 다음과 같은 비유를 들었습니다. 만약 우리가 테니스를 실내에서 조용한 환경에서 배운다면, 다양한 샷을 배우기가 더 쉽습니다. 이런 상태에서 배운 후, 바람이 불고 소음이 많은 외부 코트로 나간다면, 그 이전보다 더 잘 플레이할 가능성이 높다는 것입니다. 이는 AI 훈련에서도 유사하게 작용하는 것으로, 불확실성이 낮은 환경에서 습득한 기술이 불확실성이 높은 환경에서 더 잘 활용될 수 있음을 나타냅니다. 훈련과 탐색 연구진은 AI 에이전트가 각기 다른 훈련 공간을 어떻게 탐색하는지를 분석했습니다. 에이전트가 탐색하는...
자세한 내용 보기