마이크로소프트(Microsoft)가 기존 날씨 예보 모델의 편향을 보정해 2~6주 뒤 예측 정확도를 높이는 기계학습 도구를 공개했다. 더버지는 10월 15일 이 도구가 오픈소스 소프트웨어로 제공되며 관련 연구가 학술지 네이처에 발표됐다고 보도했다.
기존 예보 모델의 오차 줄여
마이크로소프트 연구진은 확률적 편향 보정(PBC) 기법을 유럽중기예보센터(ECMWF)의 물리 기반 날씨 예보 모델에 적용해 강수량 예측 목표의 98%, 기온 예측 목표의 92%에서 정확도가 개선됐다고 밝혔다. 연구 분석에서는 ECMWF의 새 AI 예보 시스템에 적용했을 때 정확도가 두 배로 높아졌다. 다만 이는 연구에서 평가한 결과로, 실제 운영 환경에서 같은 수준의 성능이 보장된다는 뜻은 아니다.
PBC는 독립적인 날씨 예보 모델을 새로 만드는 대신 기존 모델이 반복적으로 보이는 편향을 기계학습으로 찾아 보정한다. 기후가 달라졌는데도 과거 관측 기록에 크게 기대는 모델은 현재보다 낮은 기온을 예측할 수 있으며, 이런 체계적 오차가 장기 예보에서 누적될 수 있다는 설명이다. 물리 기반 모델은 대기 현상을 모사하고 AI 모델은 과거 자료의 패턴을 학습하지만, 관측이 부족한 지역이나 복잡한 대기 현상에서는 모두 근사값에 의존한다. PBC는 그 과정에서 생기는 편향을 겨냥한다.
CPU로 구동…운영 적용은 과제
물리 기반 예보에는 슈퍼컴퓨터가, 생성형 AI 기반 예보에는 강력한 GPU가 필요한 경우가 많지만, 마이크로소프트 연구진은 PBC가 CPU만으로 작동한다고 설명했다. 마이크로소프트 리서치 뉴잉글랜드의 레스터 매키(Lester Mackey) 수석 연구원은 이 도구가 계산 자원 부담을 줄이고 극한 기상 예측의 신뢰도를 높일 가능성에 기대를 나타냈다. ECMWF는 논문 발표 전 PBC 연구를 AI 웨더 퀘스트 대회에서 수상작으로 선정했다.
연구에는 마이크로소프트와 매사추세츠공대(MIT), ECMWF 등 여러 기관이 참여했다. ECMWF의 머신러닝 전략 책임자인 매슈 챈트리(Matthew Chantry)는 연구 결과를 공동체에 도움이 될 새로운 아이디어의 사례라고 평가하면서도, 이를 실제 운영 절차로 구현하는 일은 어려운 단계라고 말했다. 예보에 필요한 연산 자원과 기반 시설이 부족한 기관도 활용할 수 있을지는 실제 적용 과정에서 확인해야 한다.
논문 공동 저자인 주느비에브 플라스폴러(Genevieve Flaspohler)는 PBC가 가볍고 학습하기 쉬워 자원이 제한된 과학자들도 특정 지역에 맞게 모델을 조정할 수 있다고 설명했다. 플라스폴러가 이끄는 비영리단체 리자 리서치는 게이츠재단의 지원을 받아 케냐 기상청과 AI를 활용한 조기 경보의 정확도를 높일 수 있는지 살펴보고 있다. 이들은 기록적인 엘니뇨에 따른 더 극심한 우기가 예상되는 상황에서 PBC를 포함한 여러 방법을 시험하고 있다.