기존 모델의 '체계적 편향'을 보정
마이크로소프트 연구진은 14일(현지시간) 확률적 편향 보정(Probabilistic Bias Correction, PBC)이라는 방법을 네이처에 발표하고 관련 소프트웨어를 오픈소스로 공개했다. 이 연구에는 마이크로소프트 외에 매사추세츠공과대(MIT)와 유럽중기예보센터(ECMWF) 등이 참여했다.
물리 기반 예보 모델과 최근의 AI 예보 모델은 모두 예보 기간이 2주를 넘기면 신뢰도가 떨어진다. 관측소가 드문 지역의 자료 공백이나 아직 완전히 규명되지 않은 대기 현상을 근사치로 메우는데, 이 과정에서 생긴 체계적 편향이 시간이 갈수록 누적되기 때문이다. 연구를 이끈 마이크로소프트 리서치 뉴잉글랜드의 레스터 매키(Lester Mackey) 수석 연구원은 과거 기록에 의존한 모델이 온난화가 진행된 현재보다 낮은 기온을 예측하는 경우를 예로 들었다.
PBC는 새 예보 모델을 처음부터 만드는 대신, 기존 모델의 편향을 머신러닝으로 찾아 수정하는 방식이다.
ECMWF 모델 강수 98%·기온 92% 개선
연구진에 따르면 PBC를 적용하자 ECMWF의 대표적 물리 기반 모델은 강수 예측 목표의 98%, 기온 예측 목표의 92%에서 정확도가 좋아졌다. ECMWF의 새 AI 예보 시스템에 적용했을 때는 분석상 정확도가 두 배로 높아졌다. 이 연구는 논문 게재에 앞서 ECMWF의 'AI 웨더 퀘스트(AI Weather Quest)' 대회에서 수상하기도 했다.
ECMWF의 머신러닝 전략 책임자 매슈 챈트리(Matthew Chantry)는 이메일 답변에서 학계에 도움이 될 만한 새 아이디어라고 평가하면서도, 이를 실제 운영 체계에 적용하는 것은 여전히 가장 어려운 단계라고 말했다.
개발도상국 기상 당국에 기회
물리 기반 모델은 슈퍼컴퓨터가, 생성형 AI는 고성능 GPU가 필요해 개발도상국 기상 당국이 첨단 기술을 쓰기 어려웠다. 반면 PBC는 CPU만으로 돌아가고 학습이 쉬워, 큰 자원이 없는 과학자도 지역 특성에 맞게 조정할 수 있다고 공동 저자 제네비브 플래스폴러(Genevieve Flaspohler)는 설명했다.
마이크로소프트 인턴 시절 이 연구에 참여한 플래스폴러는 현재 비영리단체 리자 리서치(Rhiza Research)의 대표를 맡고 있다. 이 단체는 빌 앤드 멜린다 게이츠 재단의 지원을 받아 케냐 기상청과 AI 기반 조기 경보의 정확도를 시험 중이며, 기록적인 엘니뇨로 강우가 더 극심해질 것으로 예상되는 우기를 앞두고 PBC를 검증 대상 중 하나로 쓰고 있다.
구글(Google)과 엔비디아(NVIDIA) 등도 AI 기상 예보 기술을 개발하고 있어 관련 경쟁은 이어질 전망이다. 농업과 재난 대응에서 중장기 예보 수요가 큰 만큼, 국내 기상 당국과 관련 기업도 저비용 보정 기법의 활용 가능성을 살펴볼 만하다.
