광고닫기

[클리프] AI가 기후예측을 흔든다 … 물리법칙도 모르면서

중앙일보

2026.11.18 12:30

  • 글자크기
  • 인쇄
  • 공유
글자 크기 조절
기사 공유
AI가 기후과학을 만날 때


지난 1975년 8월 유럽중기예보센터(ECMWF)는 첫 번째 기상예보 모델을 만들어 슈퍼컴퓨터를 이용해 열흘치 예보를 하는 데 성공한다. 하지만 결정적인 문제가 있었으니, 10일 뒤를 내다보는데 12일이 걸렸다는 점이다. 3년 뒤 50배 빠른 슈퍼컴퓨터를 도입해 예측 시간을 5시간으로 줄여 현업 중기예보에 성공한다.

2021년 노벨물리학상을 받은 미국 프린스턴대 마나베 슈쿠로 박사도 컴퓨터로 지구의 기후를 계산하는 길을 개척한 과학자다. 1969년 개발한 대기·해양 결합 기후모델은 오늘날 기후변화 전망의 토대가 됐다.

대기의 움직임은 물리 법칙의 지배를 받는다. 학자들은 지구를 수많은 격자로 나눠 각 지점의 기온과 기압, 습도, 바람 등이 시간에 따라 어떻게 달라질지 물리 방정식을 계산하는 ‘역학 모델’을 썼다. 과거 관측자료에서 변수 사이의 통계적 관계를 찾는 ‘통계 모델’도 있다. 기후과학은 자연현상을 수학적으로 표현하고 계산하는 방식으로 발전해 왔다. 그런데 2010년대 후반 새로운 도전자가 등장했다. 인공지능(AI)이다.

AI의 예측 방식은 물리학을 몰라도 오랜 경험으로 내일 날씨를 기막히게 맞히는 할머니와 닮았다. 방대한 자료에서 패턴을 학습해 수식을 풀지 않고 미래를 예측한다.

기후과학에 AI가 본격적으로 활용되기 시작한 것은 2010년대 후반이다. 겨우 10년밖에 안 되는 짧은 기간에 AI 예측 기술은 빠르게 발전해 2023년 구글 딥마인드가 발표한 ‘그래프캐스트’의 경우 전 지구의 열흘치 날씨를 1분 이내에 계산했다. 예측 정확도도 당시 최고 수준의 역학 모델을 다수 항목에서 앞섰다.

강대현 한국과학기술연구원(KIST) 박사는 “과거엔 복잡한 지구시스템을 물리 방정식 없이 예측하는 건 불가능하다고 여겼지만, 데이터만 학습한 AI가 기존 모델보다 뛰어난 성능을 보이면서 주목받기 시작했다”고 설명했다.


200일 뒤 바다를 예측하는 데 단 7초
AI가 가져온 가장 극적인 변화는 계산 속도다. 강 박사 연구팀이 개발한 전 지구 해양 예측 모델 ‘KIST-Ocean’은 그래픽처리장치(GPU) 단 1개로 200일간의 해양 변화를 약 7초 만에 계산한다. 과거 수십 년의 관측·재분석자료와 수백 년에 걸친 기후모델 시뮬레이션 자료를 학습한 결과다. 물리 방정식을 학습에 입력하지 않았지만, 방대한 데이터에 숨어 있는 물리적 특성을 찾아낸 것이다.

윤진호 광주과학기술원(GIST) 교수 연구팀은 미 서부의 산불 기상위험을 예측하는 AI모델을 만들었다. 기존 기후 모델이 가로·세로 90㎞씩을 격자 하나로 놓고 산불 위험을 예측했다면, 윤 교수팀은 AI를 이용해 이를 4㎞ 단위로 촘촘하게 나눠 분석했다. 이를 통해 기존 모델보다 산불 위험을 더 정확하게 예측했다. 2018년과 2020년 캘리포니아에서 발생한 대형 산불 사례에서 산불 발생 수일 전부터 위험 기상조건을 포착할 수 있음을 확인한 것이다.

최근에는 2주에서 한 달 이상 앞선 기상을 예측하는 데 집중하고 있다. 그동안 특히 예측이 어려웠던 영역이다.

AI 예보 기술의 활용 분야는 무궁무진하다. 몇 주 뒤 폭염이나 강수를 더 잘 예측하면 전력 수급을 미리 조정하고, 농업용수나 저수지 운영계획을 세울 수 있다. 산불 위험지역을 사전에 파악해 소방 자원을 배치하거나 주민 대피계획을 준비하는 데도 도움이 된다.


잘 맞히면, 잘 이해할 수 있을까
하지만 AI가 예측 능력을 끌어올린다고 해서 기후에 대한 이해가 깊어지는 것은 아니다. 왜 그러한 결과가 나왔는지 설명하지 못한다. ‘블랙박스 문제’다.

윤 교수 연구팀은 최근 구글 딥마인드의 AI 기상예측모델 ‘젠캐스트’가 실제 대기의 움직임을 얼마나 충실히 재현하는지 분석했다. 그 결과 젠캐스트가 예측 정확도는 우수하지만, 대기의 작은 변화가 시간이 지나면서 큰 차이로 확대되는 ‘나비효과’와 관련된 물리적 특성은 충분히 재현하지 못할 수 있다는 걸 확인했다. 당장의 날씨를 잘 맞힌다고 해서 대기가 움직이는 원리까지 제대로 학습한 건 아니라는 뜻이다. 하지만 ‘모로 가도 예측만 잘하면 되는 것’ 아닐까.

윤 교수는 “AI가 더 정확한 예보를 제공한다면 분명히 큰 실용적 가치가 있다”면서도 “기후과학은 미래 예측뿐 아니라 왜 그런 현상이 발생하는지, 어떤 물리적 과정이 작동하는지를 이해하는 학문”이라고 했다.

이는 기후변화와 맞물려 특히 중요한 문제다. 과거 데이터를 학습한 AI가 지구온난화로 새롭게 나타나는 극한기상을 제대로 예측할 수 있을지는 미지수다.

이를 보완하기 위해 과학자들은 물리 법칙에 기반한 기존 모델과 AI를 결합하는 ‘하이브리드’ 방식에 주목하고 있다. 기존 모델이 대규모 대기 순환을 계산하고, AI가 구름이나 난류처럼 복잡한 과정을 보완하는 식이다. 반대로 AI가 미래의 대기 상태를 예측한 뒤 물리 법칙을 이용해 결과의 일관성을 점검할 수도 있다.

강 박사는 “AI는 학습자료에 없었던 현상을 예측할 때 정확도가 떨어진다”며 “이를 보완하기 위해 미래 기후예측 모델 자료를 학습시키거나 AI가 학습한 물리적 특성이 미래에도 반영되도록 강제하는 기법을 적용하고 있다”고 설명했다. 윤 교수는 “궁극적으로는 AI와 물리 기반 모델의 경계가 점차 모호해지면서 두 기술이 통합된 새로운 형태의 기상·기후 예측모델로 발전할 가능성이 높아 보인다”고 전망했다.


AI시대 기후과학의 역할은
AI는 기후 과학자의 일자리와 연구 생태계에도 변화를 예고한다. 기존 물리 기반 모델은 수십~수백 명의 연구자가 구름, 해양, 대기 등 각 분야의 계산 프로그램을 개발하고 이를 통합하는 방식으로 만들어졌다. 반면 AI 모델은 소수의 연구자도 방대한 데이터를 활용해 다양한 예측 모델을 개발할 수 있다. 강 박사는 “미래에는 한 명의 연구자가 수십 개의 기후모델을 만드는 것도 가능할 수 있다”고 했다. 기존 연구자들이 위협을 느낄 만하다.

연구 역량이 더 벌어질 가능성도 있다. 거대한 AI 모델을 개발하고 학습시키는 데 필요한 데이터와 GPU, 전문인력은 일부 국가와 빅테크 기업에 집중돼 있기 때문이다.

반면, 연구 진입장벽을 낮추는 효과도 있다. 이미 학습된 AI 모델은 적은 연산 자원으로 구동할 수 있기 때문이다. 강 박사는 “앞으로는 고등학생도 가정용 컴퓨터에서 최신 AI 기후모델을 돌려 기후재해 시나리오를 실험할 수 있을 것”이라고 전했다. 예보에 필요한 기술과 자본, 인력이 부족한 나라에선 공개된 AI모델로 예보 수준을 끌어올릴 수도 있다.

윤 교수는 “과학자의 역할은 사라지기보다는 변화할 것”이라며 “반복적인 계산과 분석에 투입하던 시간을 줄이고, 더 창의적인 연구 질문과 과학적 해석에 집중하게 될 것”이라고 말했다.

AI는 기후대응에도 질적 변화를 가져올 수 있다. 지역별 기후위험을 더 정밀하게 분석하고, 기후재난을 더 일찍 예측해 대비할 시간을 벌어주기 때문이다. 다만, 여기서도 중요한 건 결국 사람이다. 윤 교수는 “좋은 예측이 자동으로 피해 감소로 이어지는 것은 아니다. 정책과 재난 대응 의사결정에 연결하는 과정이 함께 이뤄져야 한다”고 강조했다.


많이 본 뉴스

      실시간 뉴스