구글 딥마인드, AI 날씨 예측 모델 '웨더넥스트 2' 공개...기존보다 8배 빠른 예측 속도

[한국정보기술신문] 구글 딥마인드와 구글 리서치가 차세대 인공지능 기반 날씨 예측 모델 '웨더넥스트 2(WeatherNext 2)'를 공개했다. 이 모델은 기존 대비 8배 빠른 속도로 날씨를 예측하며, 최소 1시간 단위의 고해상도 예보를 제공한다.

웨더넥스트 2의 가장 큰 특징은 단일 시작점에서 수백 가지의 가능한 날씨 시나리오를 동시에 예측할 수 있다는 점이다. 각 예측은 단일 TPU에서 1분 이내에 완료되는데, 이는 기존 물리 기반 슈퍼컴퓨터 모델로 수 시간이 걸리던 작업을 획기적으로 단축시킨 것이다.

구글은 이번 모델을 통해 날씨 예측 기술의 실험실 단계를 벗어나 실제 사용자들에게 제공한다고 밝혔다. 웨더넥스트 2의 예측 데이터는 어스 엔진(Earth Engine)과 빅쿼리(BigQuery)에서 이미 제공되고 있으며, 구글 클라우드의 버텍스 AI 플랫폼을 통한 조기 접근 프로그램도 시작됐다.

구글은 웨더넥스트 기술을 자사의 주요 서비스에 통합했다. 구글 검색, 제미나이, 픽셀 웨더, 구글 맵스 플랫폼의 날씨 API에 이미 업그레이드된 날씨 예보가 적용됐으며, 앞으로 몇 주 내에 구글 맵스에도 도입될 예정이다.

날씨 예측은 일상적인 통근부터 글로벌 공급망, 항공 경로까지 다양한 의사결정에 영향을 미친다. 특히 최악의 시나리오를 포함한 모든 가능성을 파악하는 것이 중요한데, 웨더넥스트 2는 이러한 요구에 부응한다.

구글은 이 기술을 활용해 날씨 기관들이 다양한 시나리오를 기반으로 의사결정을 내릴 수 있도록 지원하고 있으며, 실험적인 사이클론 예측을 통해 열대 저기압 예측 개선에도 기여하고 있다.

웨더넥스트 2의 향상된 성능은 '기능적 생성 네트워크(Functional Generative Network, FGN)'라는 새로운 AI 모델링 접근법 덕분이다. 이 방식은 모델 아키텍처에 직접 '노이즈'를 주입해 생성되는 예측이 물리적으로 현실적이면서도 상호 연결된 상태를 유지하도록 한다.

이 접근법은 기상학자들이 '주변값(marginals)'과 '결합값(joints)'이라고 부르는 요소를 예측하는 데 특히 유용하다. 주변값은 특정 위치의 정확한 온도, 특정 고도의 풍속, 습도 등 개별적이고 독립적인 날씨 요소들이다. 모델은 이러한 주변값만으로 훈련되지만, 그 훈련을 통해 모든 개별 요소들이 어떻게 맞물리는지에 따라 달라지는 크고 복잡하며 상호 연결된 시스템인 '결합값'을 능숙하게 예측하는 방법을 학습한다.

이러한 결합 예측은 고온에 영향을 받는 전체 지역을 식별하거나 풍력 발전 단지 전체의 예상 발전량 등 가장 유용한 예측에 필수적이다.

웨더넥스트 2는 이전 최첨단 웨더넥스트 모델 대비 99.9%의 변수(온도, 바람, 습도 등)와 리드 타임(0~15일)에서 우수한 성능을 보인다. 이는 더욱 유용하고 정확한 예보를 가능하게 한다.

구글은 독립적으로 훈련된 신경망을 사용하고 함수 공간에 노이즈를 주입함으로써, 단일 입력에서 날씨 예측의 일관된 변동성을 생성할 수 있다고 설명했다.

구글은 웨더넥스트 2를 통해 최첨단 연구를 영향력이 큰 애플리케이션으로 전환하고 있다. 회사는 이 기술의 최신 도구를 글로벌 커뮤니티에 제공하는 데 전념하고 있다.

향후 계획으로는 새로운 데이터 소스 통합, 접근성 확대 등 모델 개선 기능을 연구 중이다. 강력한 도구와 공개 데이터를 제공함으로써 과학적 발견을 가속화하고, 연구자, 개발자, 기업들의 글로벌 생태계가 오늘날 가장 복잡한 문제에 대한 의사결정을 내리고 미래를 위해 구축할 수 있도록 지원하겠다는 것이 구글의 목표다.

웨더넥스트 2에 대한 자세한 내용은 구글의 연구 논문과 개발자 문서를 통해 확인할 수 있으며, 어스 엔진 데이터 카탈로그, 빅쿼리를 통한 예측 데이터 조회, 클라우드 버텍스 AI 조기 접근 프로그램 등을 통해 활용 가능하다.