유럽과 북미의 기상청들은 수십 년 된 물리 기반 예보 시스템과 인공지능 모델을 나란히 운영하기 시작했으며, 경우에 따라 두 시스템을 조합하고 있다. 이러한 변화는 AI가 단일 프로세서에서 1분 이내에 글로벌 10일 예보를 생성할 수 있는 능력에 의해 주도되고 있으며, 이는 전통적인 수치 기상 예측에 필요한 슈퍼컴퓨터 시간과 대조된다. Google DeepMind와 유럽중기예보센터(ECMWF)에 따르면.
GraphCast와 AIFS가 실제로 하는 일
Google DeepMind에서 구축한 GraphCast는 지구 표면을 덮는 100만 개 이상의 격자점에서 날씨 데이터를 처리하기 위해 그래프 신경망을 사용하는 기계 학습 모델이다. 해상도는 28×28 킬로미터이다. 6시간 전의 대기 상태와 현재 상태를 입력받아 다음 6시간을 예측한다. 이 단계를 반복적으로 실행하면 10일 예보가 생성된다. 이 모델과 그 결과는 2023년 11월 14일에 학술지 Science에 발표되었으며, Google DeepMind의 발표에 따르면 코드는 오픈소스로 공개되었다.
ECMWF는 인공지능 예보 시스템(AIFS)이라는 자체 시스템을 구축했으며, 2025년 2월 25일에 운용을 시작했다. 이는 센터의 전통적인 물리 기반 통합 예보 시스템(IFS)과 나란히 실행된다. AIFS는 IFS와 동일한 초기 데이터를 사용한다. 약 6천만 개의 품질 관리된 관측치는 위성, 항공기, 부이, 지상 관측소에서 6시간마다 수집된다. 하지만 물리 방정식을 직접 풀지 않고 대신 역사적 기상 패턴으로 훈련된 기계 학습 모델을 적용한다. ECMWF에 따르면.
이들 기관이 보고한 AI 모델의 정확도
Google DeepMind는 GraphCast가 ECMWF의 고해상도 예보(HRES)를 1,380개의 테스트 변수 및 예측 시간의 90% 이상에서 능가했다고 보고했다. HRES는 해당 회사에 의해 업계 벤치마크로 설명된다. 대기권에 특정한 변수에서는 99.7%에서 우월했다. 대기권은 대부분의 기상이 발생하는 대기층이다. DeepMind는 또한 GraphCast가 허리케인 리의 노바스코샤 상륙을 9일 전에 예측했다고 말했다.
ECMWF는 AIFS가 "열대 저기압 트랙을 포함한 많은 측정에서 최첨단 물리 기반 모델을 능가하며, 최대 20%의 이득을 거둔다"고 보고했다. 또한 기존 방법에 비해 예보당 약 1,000배 적은 에너지를 사용한다고 보고했다.
출처별로 비교한 3가지 AI 기상 시스템| 시스템 | 개발사 | 상태 | 보고된 성능 우위 |
|---|
| GraphCast | Google DeepMind | 2023년 11월 Science에 발표; 오픈소스화 | 1,380개 테스트 변수의 90% 이상에서 ECMWF의 HRES보다 정확함 |
|---|
| AIFS | ECMWF | 2025년 2월 25일 이후 운용 | 열대 저기압 트랙에서 최대 20% 향상; 예보당 약 1,000배 적은 에너지 |
|---|
| GEML(하이브리드) | 캐나다 환경기후변동부 | 2026년 5월 27일 이후 운용 | GraphCast 기반; "스펙트럼 너징"을 통해 AI와 물리학 결합 |
|---|
캐나다의 하이브리드 접근: 물리 모델을 안내하는 AI
캐나다 환경기후변동부는 다른 방식을 취했으며, DeepMind의 오픈소스 GraphCast 코드 위에 구축된 "Global Environmental eMuLator"(GEML)라는 캐나다 AI 모델을 개발하고 캐나다의 과거 기상 데이터로 훈련시켰다. 물리 기반 모델을 대체하는 대신, 이 기관은 "스펙트럼 너징"이라는 기법을 통해 두 시스템을 결합한다. 전통적인 모델은 GEML에 의해 생성된 대기 상태를 향해 부드럽게 유도되며, 극한 기상과 관련된 세밀한 규모의 세부사항은 계속 확립된 물리 방정식을 사용하여 진화한다. 이는 해당 기관의 공식 발표에 따른다. 하이브리드 시스템은 1년 이상의 테스트 후 2026년 5월 27일에 운용을 시작했다.
캐나다 환경기후변동부는 AI 모델이 대규모 대기 패턴에 대해 전통적인 컴퓨터 모델을 능가할 수 있다고 말했다. 이는 더 긴 예측 시간에서 가장 중요하다. 하지만 해당 기관은 발표에서 구체적인 개선 수치를 공표하지 않았다.
AI가 여전히 부족한 분야
ECMWF와 캐나다 환경기후변동부 모두 한계를 지적했다. ECMWF의 AIFS는 현재 결정론적 단일 예보로만 실행된다. 예측 불확실성을 평가하기 위한 50가지 예보 변형을 제공하는 앙상블 버전은 ECMWF에 따르면 아직 개발 중이다. 캐나다 환경기후변동부는 현재 AI 모델이 단독으로는 제한된 수의 변수만 예측하므로 운용상 사용에는 부족하다고 말했다. 또한 AI 모델은 특정 유형의 극한 기상에 대한 정확도를 낮출 수 있는 방식으로 대기의 미세한 세부사항을 평활화한다고 했다. 이것이 해당 기관이 AI 전용 시스템 대신 하이브리드 설계를 선택한 이유 중 하나이다.
자주 묻는 질문
- GraphCast란 무엇인가?
- GraphCast는 Google DeepMind에서 구축한 기계 학습 날씨 예측 모델로, 그래프 신경망을 사용하여 1분 이내에 10일 글로벌 예보를 생성하며, 2023년 11월에 Science 저널에 발표되었다.
- AI는 전통적인 기상 예보보다 더 정확한가?
- 이들을 개발한 기관에 따르면, GraphCast 및 ECMWF의 AIFS와 같은 AI 모델은 열대 저기압 트랙을 포함한 대부분의 테스트 변수 및 예측 시간에서 물리 기반 벤치마크를 능가한다. 하지만 기관들은 물리 기반 모델이 여전히 일부 극한 기상 세부사항을 더 안정적으로 처리한다고 말한다.
- ECMWF의 AI 예보 시스템이 공개되어 있는가?
- 예. ECMWF는 물리 기반 IFS 모델과 함께 AIFS를 운영하며, 센터는 AIFS 예보 차트가 자신의 웹사이트에서 공개적으로 이용 가능하다고 말한다.
- 캐나다의 GEML 모델이란 무엇인가?
- GEML은 "Global Environmental eMuLator"로, 캐나다 환경기후변동부의 AI 날씨 예측 모델이며, Google DeepMind의 오픈소스 GraphCast를 기반으로 구축되고 캐나다 데이터로 훈련되었다. 이는 2026년 5월 27일에 해당 기관의 전통적인 물리 기반 모델과 결합된 하이브리드 시스템의 일부로서 운용을 시작했다.
- 기관들이 물리 기반 모델을 완전히 AI로 대체하지 않는 이유는?
- 캐나다 환경기후변동부와 ECMWF는 모두 현재 AI 모델이 특정 극한 기상 상황에 중요한 더 미세한 대기 세부사항을 평활화한다고 말하므로, AI 단독을 사용하기보다는 AI와 물리 기반 모델링을 결합한다.
