[매일경제] "10분 뒤 비올지 알려드립니다" 내년 장마철부터 AI예보 뜬다

📰 "10분 뒤 비올지 알려드립니다" 내년 장마철부터 AI예보 뜬다

기사 바로가기

기상청 AI예보 알파웨더개발
2시간내 강수예측 정확도 90%
MS·엔비디아 공동연구 논의

 

"기후변화로 기상 예보의 불확실성이 커질수록 인공지능(AI)을 이용해 정확도를 높여 인명·재산 피해를 막아야 합니다."

지난 20일 제주 서귀포시 기상청 국립기상과학원에서는 기상 예보에 AI를 접목한 '알파웨더' 시스템 개발이 한창이었다. 기상청 예보관들이 6시간 이내 강수에 대한 '초단기 예보'를 할 수 있도록 하는 이 시스템은 내년 여름부터 본격적인 가동에 들어간다.

기상청 초단기 강수 예보 AI 모델은 2014년부터 약 7년간의 기상 레이더 영상과 지상 관측 자료를 학습했다. 이를 토대로 오픈AI의 '챗GPT' 등 생성형 AI 모델이 사용하는 '트랜스포머 기술'을 활용해 미래의 기상 예보를 제공한다.

초단기 강수 예보 AI 모델은 6시간 후까지 10분 단위로 기상 예보를 제공하는 것을 목표로 한다. 다만 내년 여름께 공개되는 초기 모델은 2시간 이후까지의 예보만 제공할 예정이다. 계획대로 진행되면 내년 장마철부터 기상청 홈페이지나 '날씨알리미' 애플리케이션에 접속해 누구나 비구름대가 2시간 후 어디를 지날지 알 수 있게 된다. 초단기 강수 예보 AI 모델의 정확도는 80~90%를 자랑한다. 이혜숙 국립기상과학원 인공지능기상연구과장은 "AI 모델로 올해 5~9월 강수 패턴을 예측한 결과 정확도가 굉장히 높았다"고 설명했다.

AI 모델이 도입되면 정확도가 향상될 뿐 아니라 예보에 투입되는 시간과 자원도 절약될 것으로 기대된다. 실제 이 모델을 통해 6시간 후까지 10분 단위 예측을 생산할 때 걸리는 시간은 38~42초에 불과하다고 연구진은 설명했다.

알파웨더는 글로벌 기업이 주목하는 기술 중 하나로 자리매김하고 있다. 기상청은 지난 1월 미국기상학회에 참석해 마이크로소프트(MS), 엔비디아 등 정보기술(IT) 기업과 연구협력회의를 갖고 공동연구를 논의했다. 지난 7월 29일에는 스탠 포지 엔비디아 지구시스템 모델 총괄이 제주를 방문해 알파웨더 기술을 자사의 디지털 트윈에 활용하는 방안을 검토하기도 했다.

국립기상과학원은 2020년 AI 중장기 전략을 수립해 2030년까지 급변하는 일상 속 기상 변화에 대한 AI 기술을 개발하겠다는 목표를 세웠고 2021년부터 올해까지 기상 예측, 예보 지원, 데이터에 대한 1단계 연구를 추진하고 있다. 최근에는 딥러닝을 활용해 '위성 영상 기반 과거 유사 사례 검색기'를 제작했고 기준이 되는 위성 영상과 가장 유사한 날의 과거 위성 영상을 바로 찾아주는 시스템을 구축하기도 했다. 국립기상과학원은 이달 8일 과학기술혁신본부가 선정하는 AI 분야 국가전략기술특화연구소로 지정돼 2028년까지 150억원의 지원을 확보하게 됐다. 이 과장은 "앞으로 5년간 AI 기반 예보 연구를 해나가기 위해 국내외 여러 민간기업·연구기관과 협력할 계획"이라며 "알파웨더 기술을 고도화하는 데 집중하겠다"고 밝혔다.

 

 

 

🔍 추가 조사한 내용

알파웨더(Alpha-Weather)

인간 예보관의 예보 생산과정을 학습한 뒤 시간당 100기가 바이트(약 15만 개)의 기상 데이터를 활용 및 분석함으로써 예보 정보를 신속히 생산할 수 있도록 지원하는 AI 프로그램

• NowAlpha-Q: 10분 간격으로 6시간 이후까지 예측할 수 있는 생성형 AI 기반의 강수 예측 모델
  • 2014 ~ 2019년, 2021 ~ 2022년 사이 한반도 강수 패턴과 관련된 방대한 레이더 영상 자료를 학습함
  • 트랜스포머 기술로 미래의 영상까지 생성함

 

트랜스포머(Transformer)

구글이 2017년 발표한 논문 "Attention is All You Need"에서 처음 소개된 딥러닝 모델로
자연어 처리와 시계열 데이터 분석 등 다양한 분야에서 혁신적인 성과를 이루고 있는 기술임

 

• Self-Attention: 입력된 단어들이 서로 어떤 관계를 가지는지 계산하는 과정
  • 예: "The cat sat on the mat." → "cat"은 "sat"과 관련이 깊고 "mat"은 "on"과 관련이 있음
  • 각 단어가 다른 단어와 얼마나 관련이 있는지를 수치로 계산함
    
    • Query: 특정 단어가 다른 단어에 대해 "물어보는 질문" 역할
    • Key: 다른 단어가 "질문에 대한 답"을 주기 위한 정보
    • Value: Key가 결정되었을 때 실제로 전달되는 값

 

• Scaled Dot-Product Attention: Query와 Key의 내적을 계산하여 각 단어의 관계를 나타내는데, 스케일링과 소프트맥스 함수로 처리되어 중요도를 확률처럼 표현함

 

• Multi-Head Attention: 단순히 한 번의 Attention으로는 문장에서 다양한 관계를 모두 파악하기 어렵기 때문에 여러 개의 Attention Head를 병렬로 사용함
  • 각 Head는 예를 들어 단어의 위치와 문맥적 의미 등과 같이 서로 다른 관계를 학습함
  • 마지막에 이 Head들을 다시 결합하여 더욱 풍부한 문맥 정보를 제공함

 

• 포지셔널 인코딩(Positional Encoding): 트랜스포머는 입력 데이터를 순차적으로 처리하지 않기 때문에 단어의 위치 정보를 추가로 알려줘야 하는데 포지셔널 인코딩을 통해 각 단어에 위치 정보를 수학적으로 추가하여 단어 간 순서를 모델이 이해할 수 있도록 도움

 

• 인코더-디코더 구조: 인코더와 디코더는 Attention 메커니즘으로 연결되어 정보를 주고 받음
  • 인코더: 입력 데이터를 처리하여 단어의 의미를 포함한 고차원 벡터를 생성
  • 디코더: 인코더의 출력을 바탕으로 결과를 생성

 

 

 

💡 현직자에게 할 질문

1. AI 모델의 학습 및 데이터 관련

• 알파웨더 모델의 학습 과정에서 예상치 못한 데이터 관련 문제(예: 결측값, 데이터 편향, 잡음 등)가 있었다면 이를 어떻게 해결하셨나요?
• 기상 데이터를 학습시키는 과정에서 강수 패턴 외에 추가적으로 고려된 중요한 요소(예: 온도, 습도, 지형적 특징)는 무엇인가요?

 

2. AI 모델의 성능 및 정확도 관련

• 트랜스포머 기술로 강수 예측을 수행하면서 예측 불가능하거나 어려운 기상 현상이 있었다면 예를 들어 설명해 주실 수 있나요?
• 모델이 극단적 상황(예: 태풍, 폭우 등)에서도 높은 정확도를 유지할 수 있도록 하는 특별한 알고리즘이나 보완 기술이 있는지 궁금합니다.

 

3. 협력 및 글로벌 확장 관련

• NVIDIA나 MS와의 협력에서 특히 어떤 부분에서 시너지가 있었으며, 구체적으로 지원받은 기술은 무엇인가요?
• 디지털 트윈 기술과의 융합 가능성을 논의하셨다고 했는데, 실제로 구현된다면 어떤 기상 예보 분야에서 가장 큰 영향을 미칠 것으로 보시나요?
• 알파웨더가 국내에만 국한되지 않고 해외(특히 아시아권이나 기후 특성이 유사한 지역)로 확장될 가능성이 있나요?

 

4. 미래 전망 및 실질적 활용 관련

• 내년 장마철 본격 가동 후, 알파웨더의 예보 결과와 기존 예보 결과 간의 주요 차이점을 보여주는 테스트를 진행할 계획이 있나요?
• 현재 알파웨더는 강수 예측에 집중되어 있는데, 비구름 외에 바람, 대기오염, 태풍 경로 등의 예측 모델로 확장할 경우 예상되는 기술적 과제는 무엇인가요?
• 알파웨더의 기술 고도화를 통해 장기적으로 기후변화에 대응하기 위한 솔루션(예: 홍수 관리, 가뭄 대비)은 어떤 방향으로 계획되고 있나요?