일기 예보는 짧은 기간에 걸쳐 매우 신뢰할 수 있게 되었습니다. 오늘날의 모델은 약 2주까지 매우 정확하며 장기 기후 예측도 꾸준히 개선되고 있습니다. 그러나 이 두 시간 척도 사이에는 완고한 사각지대가 있습니다. 계절별 예측으로 알려진 2~6주 기간의 예측은 농작물 재배 시기, 물과 에너지 할당 방법, 산불 대비 방법을 결정하는 데 중요한 범위임에도 불구하고 여전히 신뢰할 수 없습니다.

Microsoft Research와 외부 협력자 네트워크는 또 다른 예측 모델을 구축하는 것이 아니라 이미 존재하는 모델의 예측 가능한 실수를 수정하도록 소프트웨어를 교육함으로써 이러한 격차를 줄이는 방법을 찾았다고 말합니다. PBC(Probabilistic Bias Correction)라고 불리는 이 접근 방식은 과학 저널 Nature에 발표된 논문에 자세히 설명되어 있으며 이번 주에 발표된 Microsoft 블로그 게시물에 설명되어 있습니다. 이는 최신 AI 개발에서 다루는 응용 AI 연구 물결에서 가장 조용하고 실용적인 항목 중 하나입니다. 기상학자에게 새로운 것으로 전환하도록 요구하는 대신 이미 의존하고 있는 시스템을 업그레이드하기 때문입니다.

2~6주라는 기간이 예측에 맞지 않는 이유

물리학 기반 모델은 과학적 방정식을 사용하여 대기와 해양을 시뮬레이션하는 반면, 최신 AI 모델은 관측된 기상 데이터의 방대한 아카이브를 기반으로 훈련합니다. Microsoft에 따르면 두 제품군 모두 약 10일 동안 좋은 성능을 발휘합니다. 그 지점을 넘어서면 작은 초기 오류가 복합적으로 발생하고 대기, 해양 및 육지 표면 간의 복잡한 상호 작용이 두 접근 방식을 모두 압도하므로 2~6주 전망이 나머지 예측보다 오랫동안 지연되어 왔습니다.

Microsoft가 이끄는 팀은 복잡한 경쟁 모델 분야에 진입하는 대신 다른 목표, 즉 이 범위에서 모델이 만드는 체계적이고 반복 가능한 오류에 중점을 두었습니다. "우리의 새로운 파이프라인(PBC)은 사용자가 선호하는 모델을 입력으로 사용하고 어떤 방식으로 오류가 발생하는 경향이 있는지 학습합니다. 그런 다음 이러한 오류를 수정하여 하위 계절 범위에 대한 더 나은 출력 예측을 생성합니다."라고 회사는 블로그 게시물에서 설명했습니다.

기존 모델 위에 경량 레이어 추가

기술적으로 PBC는 주어진 모델의 과거 예측 아카이브를 연구하여 체계적으로 편향된 위치와 방법을 학습하는 경량 기계 학습 시스템입니다. 이러한 패턴이 학습되면 시스템은 모델의 확률적 출력을 조정하여 보상합니다. Nature 논문에 설명된 평가에서 Microsoft는 PBC가 ECMWF(유럽 중기 기상 예보 센터)에서 운영하는 세계 최고의 운영상 편견이 없는 하위 계절 모델의 성능을 향상시켰다고 보고합니다.

결과는 회고적 테스트뿐만 아니라 실제 경쟁에서도 유지되었습니다. ECMWF는 확률적 하위 계절 예측을 발전시키기 위해 고안된 실시간 대회인 AI Weather Quest를 2025년 8월에 출시했습니다. Microsoft 연구원과 외부 협력자로 구성된 MicroEnsemble이라는 팀은 ECMWF의 업계 최고의 동적 모델에 PBC를 적용한 MicroDuet이라는 출품작으로 최고의 영예를 안았습니다.

ECMWF의 하위 계절 예측 과학자인 Joshua Talib 박사는 "AI Weather Quest는 하위 계절 예측을 위한 고유한 실시간 벤치마킹 플랫폼을 제공합니다."라고 말했습니다. "MicroEnsemble 팀의 기고에서는 기계 학습이 후처리를 통해 어떻게 전통적인 동적 예측 시스템의 기술을 향상시킬 수 있는지를 조명했습니다."

동아프리카의 벤치마크에서 실제 조종사까지

이 기술은 이미 벤치마크 수준을 넘어섰습니다. 케냐에서는 두 번의 우기 중 하나가 시작되면서 예보관들이 PBC 테스트를 준비하고 있습니다. 이 노력에는 케냐 기상청(KMSA)과 캘리포니아 대학 산타바바라 기후 위험 센터의 과학자들이 참여하고 AI 기반 일기 예보 개선에 중점을 둔 비영리 단체인 Rhiza Research를 운영하는 Genevieve Flaspohler의 조언이 포함됩니다.

Flaspohler는 예측의 가치는 그에 따라 조치를 취할 수 있는 시간에 도달하는지 여부에 달려 있다고 주장합니다. 그녀는 "적시에 올바른 통신 채널을 통해 제공되는 좋은 일기 예보는 농업 결과에 큰 차별화 요소가 될 수 있습니다"라고 말하면서 동아프리카가 기록상 가장 건조한 해와 가장 습한 해 사이를 오가고 있다고 지적했습니다. 농장에 관개 시설, 파종, 비료 공급, 종자 구매 결정 등이 모두 부족한 지역에서는 보다 숙련된 하위 계절 예측이 추상적인 개선이 아닙니다.

Flaspohler는 "우리는 기록상 가장 따뜻한 엘니뇨 한가운데에 있기 때문에 정부와 기후 과학계 사이에 그것이 어떻게 나타날지에 대해 많은 두려움이 있습니다"라고 말했습니다. "강력하게 작동하는 간단한 예측 방법이 엄청나게 필요합니다."

대형 모델 시대의 효율성 주장

AI 연구에서 PBC를 주목할만한 점은 경제성입니다. 현장의 대부분은 더 큰 엔드투엔드 예측 모델을 훈련하기 위해 경쟁하고 있지만 PBC는 수정하는 운영 모델에서 대부분의 기술을 차용하는 비교적 작은 시스템입니다. 기존 인프라를 유지하고 수정 레이어만 추가할 수 있으므로 운영 비용이 더 저렴해지고 기상 기관이 채택하기가 더 쉬워집니다.

이는 또한 응용 기계 학습의 더 광범위한 패턴을 반영합니다. 즉, 사후 처리 및 보정은 전체 모델 재작업이 필요한 이점을 제공하는 경우가 많습니다. 제한된 예산을 어디에 지출해야 하는지를 가늠하는 기상 서비스의 경우, 가장 어려운 예측 범위를 눈에 띄게 개선하는 방법(자연과 실시간 ECMWF 대회 모두에서 검증됨)이 주목을 받을 가능성이 높습니다.

하위 시즌 AI의 향후 계획

Microsoft의 블로그 게시물에는 운영 제품을 발표하는 데 그치지 않았으며 회사는 PBC가 상업용 예측 서비스에 통합될 것인지 여부를 밝히지 않았습니다. 단기 테스트는 국가 기상청이 하위 계절 전망을 위해 PBC와 같은 편향 수정 레이어를 채택하기 시작했는지 여부와 이 접근 방식이 현재 운영에 사용되는 AI 예측 모델과 잘 구성되는지 여부입니다.

만약 그렇다면, 농부, 전력망 운영자, 재난 계획자가 역사적으로 작업할 수 있는 시간이 가장 적은 기간인 2~6주 기간이 마침내 종료되기 시작할 수 있습니다. 수십 년 동안 기술의 한계 향상을 추구해 온 분야의 경우 작은 기계 학습 시스템이 거대한 물리적 모델의 체계적인 오류를 정리하도록 하는 것은 실용적인 진전입니다.

---

AI보다 앞서 나가세요

최신 AI 뉴스, 분석, 획기적인 소식을 모두 한 곳에서 받아보세요.

AI 뉴스 자세히 보기 →