기상 AI 모델, 극한 기상 예측서 전통 모델보다 ‘성능 저하’

AI 기상 예측 모델의 한계점

기상 예측에서 AI(인공지능) 모델이 전통적인 물리 기반 모델보다 기록적인 극한 기상 현상을 예측하는 데 한계가 있다는 연구 결과가 발표됐다. Science Advances에 게재된 이 연구에 따르면, AI 모델은 일부 기상 예측 분야에서 전통 모델을 앞지르기도 했지만, 극한 기상 현상 예측에서는 여전히 성능이 떨어지는 것으로 나타났다.

연구 결과: AI 모델의 과소평가 문제

연구진은 2018년과 2020년에 기록된 수천 건의 극한 기상 현상(고온, 저온, 강풍)을 AI 모델과 전통 모델로 시뮬레이션했다. 그 결과, AI 모델은 기록적인 기상 현상의 빈도와 강도 모두를 과소평가하는 것으로 나타났다. 연구를 이끈 제네바 대학교 통계 및 정보과학 연구소의 세바스티안 엥겔케(Prof. Sebastian Engelke) 교수는 Carbon Brief와의 인터뷰에서 이 분석을 "AI 모델을 너무 성급히 전통 모델 대체용으로 도입하는 것에 대한 경고 신호"라고 설명했다.

기상 예측의 중요성과 전통 모델의 역할

홍수, 열파, 폭풍 등 극한 기상 현상은 매년 수천억 달러의 재산 피해와 인명 손실을 초래한다. 많은 정부가 조기 경보 시스템을 운영하며, 이를 통해 인명과 재산을 보호하고 있다. 수십 년간 과학자들은 수치 기상 예측 모델을 활용해 기상을 예측해 왔다. 이 모델은 대기와 해양의 물리적 과정을 수학적으로 재현하며, 수십 년간의 연구를 바탕으로 개발된 기본 물리 법칙에 기반을 두고 있다.

AI 모델의 장단점

AI 기반 기상 모델은 전통 모델과 달리 물리 법칙 대신 통계적 접근 방식을 사용한다. AI 모델은 과거 기상 데이터를 ‘학습 데이터’로 활용해 패턴을 인식하고 예측을 수행한다. 이 방식은 계산 효율성이 뛰어나며, 일부 기상 예측 분야에서는 전통 모델보다 우수한 성능을 보이고 있다. 그러나 AI 모델은 몇 가지 한계점을 지니고 있다.

• 학습 데이터 의존도 과高: AI 모델은 학습 데이터에 크게 의존하며, 새로운 패턴이나 기록적인 기상 현상을 예측하는 데 취약하다.
• 과거 데이터 범위 제한: AI 모델은 과거에 경험한 기상 패턴과 유사한 예측만 가능하며, 전례 없는 극한 기상 현상은 제대로 시뮬레이션하지 못한다.
• 예측 가능성 저하: 기록적인 기상 현상은 정의상 전례가 없기 때문에, AI 모델이 이를 예측하는 데 한계가 있다.

극한 기상 현상의 증가와 대응 방안

기후 변화로 인해 극한 기상 현상이 점점 더 빈번하고 강렬해지고 있다. 특히 기존 기록을 크게 깨는 ‘기록 파괴적’ 극한 현상은 예측이 더욱 어렵다. 연구진은 AI 모델의 무분별한 도입이 아닌, 전통 모델과의 병행 사용을 강조하며, 기상 예측의 신뢰성을 높이기 위한 노력이 필요하다고 지적했다.

"AI 모델은 유용한 도구이지만, 전통 모델을 대체할 수 있는 수준은 아니다. 특히 기록적인 극한 기상 현상을 예측할 때는 전통 모델의 역할이 더욱 중요하다."
— 세바스티안 엥겔케 교수

결론: AI와 전통 모델의 균형 있는 활용 필요

AI 기반 기상 예측 모델은 계산 효율성과 일부 예측 분야에서의 우수성으로 주목받고 있지만, 극한 기상 현상 예측에서는 여전히 전통 모델의 성능을 따라가지 못한다. 연구진은 AI 모델의 한계를 인정하고, 두 모델을 병행하여 기상 예측의 정확성을 높이는 방안을 모색해야 한다고 강조했다. 기후 변화가 가속화됨에 따라, 더 정확하고 신뢰성 있는 기상 예측 시스템의 개발이 시급한 과제로 떠오르고 있다.