발표에서 확인된 핵심 사실

강수 예측 성능이 60% 향상되고 예측 해상도가 5km까지 좁혀지며 기상 예보의 정밀도가 구체적인 수치로 입증됐다. 기존의 표준이었던 6시간 단위 예측에서 벗어나 시간 단위(hourly) 예측이 가능해짐에 따라, 구글 서비스 이용자들은 훨씬 촘촘한 시간대별 날씨 변화를 확인하고 일상적인 선택을 내릴 수 있게 된다.

Google DeepMind와 Google Research는 딥러닝 기술을 활용해 대기 상태를 더 명확하게 파악하고 예측 빈도를 높인 WeatherNext 3를 출시했다. 딥러닝 기법을 통해 변화하는 대기의 상태를 더 선명하게 관찰하고 그 행동을 더 자주 예측함으로써, 기존 기상학의 예측 방식에 구체적인 변화를 가져왔다.

이 모델은 Google Search, Google Maps, Gemini, 그리고 기업용 클라우드 서비스인 Google Cloud 플랫폼을 통해 사용자에게 제공될 예정이다. 사용자가 구글 검색이나 지도 앱, AI 챗봇을 이용할 때 접하는 기상 정보에 WeatherNext 3의 예측값이 직접 반영되어 공급되는 구조다.

Operational WeatherBench 테스트에서 기존

온도, 풍속, 습도 같은 핵심 지표를 측정하는 성능 평가에서 기존의 딥러닝 모델과 전통적 기상 예측 방식보다 높은 정확도가 기록됐다. 스타트업 브라이트밴드(Brightband)가 AI 예측 모델들을 비교하기 위해 구축한 도구인 Operational WeatherBench를 통해 검증한 결과다. Microsoft, Nvidia, 유럽중기예보센터(ECMWF)의 딥러닝 모델은 물론 미국 국립기상청(U.S. National Weather Service)과 ECMWF가 사용하는 전통적인 예측 방식보다 우수한 성능을 보였다.

시간 단위로 수집되는 원시 위성 데이터를 직접 입력받는 구조를 채택했다. 실시간으로 수집되는 데이터를 즉각 반영하면서 이전보다 더 빈번하게 예측을 수행할 수 있게 됐다. 원천 데이터를 직접 처리하는 방식이 예측의 적시성과 빈도를 높인 결과다.

특정 기상 관측소 데이터를 타겟으로 모델을 훈련시켜 예측의 정밀도를 높였다. 이는 더 세밀한 예측(granular predictions)을 제공하는 것뿐 아니라 실제 지상 데이터(ground-truth data, 실제 관측된 값)를 기반으로 예측 결과의 정확성을 직접 검증하기 위해 도입됐다. 관측소 단위의 정밀 훈련이 예측의 신뢰도를 뒷받침한다.

AI 기반 기상 예측의 발전은 저개발 국가의 농작물 수확량

저비용 고효율의 예측 서비스는 고가의 슈퍼컴퓨터와 센서 도입이 어려운 빈곤 지역에 정확한 기상 정보를 제공한다. 빌 게이츠(Bill Gates)는 AI 기반 기상 예보를 기술의 핵심 이점으로 꼽았다. 특히 바람과 비, 구름 덮개에 대한 고해상도 예측은 재생 에너지 프로젝트의 안정성을 높이는 실무적 근거가 된다. 이는 인프라 부족 지역의 경제적 손실을 줄이는 수단이 된다.

이전 모델보다 파라미터 수를 2.4배 늘린 WeatherNext 3는 디코더 헤드의 타겟을 조정해 답변의 유용성을 높였다. 딥마인드(DeepMind) 연구진은 3D 그리드 평균값 출력 방식에서 벗어나 사이클론 경로를 시각화하도록 모델을 튜닝했다. 단순 수치 제공을 넘어 실제 재난 경로를 직접 확인하는 방식으로 출력 형태를 바꾼 것이다.

AI 기상 예보의 새로운 성능 기준은 해상도 5km, 갱신 주기 1시간, 원천 데이터 직접 입력 여부로 결정된다. 기존 6시간 단위의 표준 예측 주기를 1시간 단위로 단축해 초단기 기상 변화에 대응할 수 있는지가 핵심 판단 기준이다.