구글의 연구자들은 머신 러닝과 보다 전통적인 기술을 결합한 새로운 날씨 예측 모델을 구축했으며, 이를 통해 현재 비용의 일부만으로 정확한 예측을 제공할 가능성이 있습니다.
NeuralGCM이라고 불리는 이 모델은 종이 ~에 자연 오늘날, 지난 몇 년 동안 날씨 예측 전문가들 사이에서 커져온 격차를 메우는 데 도움이 됩니다.
수년간의 과거 데이터에서 학습하여 날씨를 예측하는 새로운 머신 러닝 기술은 매우 빠르고 효율적이지만 장기 예측에는 어려움을 겪을 수 있습니다. 반면 지난 50년 동안 날씨 예측을 지배해 온 일반 순환 모델은 복잡한 방정식을 사용하여 대기의 변화를 모델링하고 정확한 예측을 제공하지만 실행 속도가 매우 느리고 비용이 많이 듭니다. 전문가들은 앞으로 어떤 도구가 가장 신뢰할 수 있을지에 대해 의견이 엇갈립니다. 하지만 Google의 새로운 모델은 대신 두 가지를 결합하려고 시도합니다.
“물리학 대 AI가 아닙니다. 실제로는 물리학과 AI가 함께하는 것입니다.” Google Research의 AI 연구원이자 논문의 공동 저자인 Stephan Hoyer의 말입니다.
이 시스템은 여전히 예측에 필요한 대규모 대기 변화 중 일부를 계산하기 위해 기존 모델을 사용합니다. 그런 다음 AI를 통합하는데, AI는 일반적으로 더 큰 모델이 실패하는 곳에서 잘 작동합니다. 일반적으로 약 25km보다 작은 규모에 대한 예측, 예를 들어 구름 형성이나 지역 미기후(예: 샌프란시스코의 안개)를 다루는 경우에 그렇습니다. “그곳에서 우리는 작은 규모에서 누적되는 오류를 수정하기 위해 AI를 매우 선택적으로 주입합니다.”라고 Hoyer는 말합니다.
연구자들은 그 결과, 적은 계산 능력으로 더 빠르게 양질의 예측을 생성할 수 있는 모델이라고 말합니다. 그들은 NeuralGCM이 연구의 파트너 기관인 유럽 중기 기상 예보 센터(ECMWF)의 1~15일 예보만큼 정확하다고 말합니다.
하지만 오클라호마 대학교 기상학과 조교수인 에런 힐은 이와 같은 기술의 진정한 약속은 지역의 날씨를 더 잘 예측하는 데 있지 않다고 말합니다. 그는 이 연구에 참여하지 않았습니다. 대신, 기존 기술로 모델링하기에는 엄청나게 비싼 대규모 기후 사건에 있습니다. 가능성은 더 많은 통지로 열대성 저기압을 예측하는 것부터 수년 후에 더 복잡한 기후 변화를 모델링하는 것까지 다양할 수 있습니다.
힐은 “지구를 반복해서 또는 장기간 시뮬레이션하는 것은 계산 집약적입니다.”라고 말합니다. 즉, 최상의 기후 모델은 컴퓨팅 파워의 높은 비용에 의해 제약을 받으며, 이는 연구에 실질적인 병목 현상을 나타냅니다.
AI 기반 모델은 실제로 더 컴팩트합니다. 일반적으로 ECMWF의 40년간의 과거 날씨 데이터를 기반으로 훈련되면 다음과 같은 머신 러닝 모델이 구글의 GraphCast 논문에 따르면, 미국 해양 대기청의 모델에 필요한 약 377,000줄의 코드에 비해 이 모델은 5,500줄 미만의 코드로 실행될 수 있다고 합니다.
힐에 따르면 NeuralGCM은 AI를 날씨 모델링의 특정 요소에 적용해 기존 시스템의 장점을 유지하면서도 작업 속도를 높일 수 있다는 강력한 주장을 하는 것 같습니다.
“지난 100년 동안 대기가 어떻게 작동하는지에 대해 얻은 모든 지식을 버릴 필요는 없습니다.” 그는 말한다. “실제로 우리는 그것을 AI와 머신 러닝의 힘과 통합할 수도 있습니다.”
호이어는 이 모델을 사용하여 단기 날씨를 예측하는 것이 예측을 검증하는 데 유용하다고 말하지만, 실제로 목표는 이 모델을 장기 모델링, 특히 극심한 날씨 위험에 사용하는 것이라고 덧붙였다.
NeuralGCM은 오픈 소스가 될 것입니다. Hoyer는 기후 과학자들이 연구에 사용하기를 기대하지만, 이 모델은 학계뿐만 아니라 다른 사람들에게도 흥미로울 수 있습니다. 상품 거래자와 농업 기획자는 고해상도 예측에 최고 가격을 지불하고, 홍수나 극한 기상 보험과 같은 상품에 보험 회사가 사용하는 모델은 기후 변화의 영향을 고려하는 데 어려움을 겪고 있습니다.
힐에 따르면, 날씨 예보에 대한 AI 회의론자 중 다수가 최근의 발전에 매료되었지만, 연구 커뮤니티가 따라잡기에는 빠른 속도라고 합니다. 그는 “엄청난 속도입니다.”라고 말합니다. 마치 2개월마다 Google, Nvidia 또는 Huawei에서 새로운 모델이 출시되는 것 같습니다. 이로 인해 연구자들이 실제로 어떤 새로운 도구가 가장 유용할지 파악하고 그에 따라 연구 보조금을 신청하기 어렵습니다.
“식욕은 있어요 [for AI],” 힐은 말한다. “하지만 우리 중 많은 사람들이 아직도 무슨 일이 일어날지 기다리고 있다고 생각합니다.”
수정: 이 기사는 Stephan Hoyer가 Google DeepMind가 아닌 Google Research의 연구원이라는 점을 명확히 하기 위해 업데이트되었습니다.
