한국도 AI 기상예보 모델 개발 잰걸음…'초단기 비 예측' 실증
레이더영상 토대 6시간 강수 40초 내외 예측…빅테크 따라잡기 중
(서울=연합뉴스) 이재영 기자 = 빅테크의 인공지능(AI) 기상예보 모델이 현재 예보의 근간이 되는 수치예보 모델보다 뛰어난 성능을 보이기 시작한 가운데 한국도 인공지능(AI) 기상예보 모델을 만들기 위해 잰걸음 걷고 있다.
14일 국립기상과학원에 따르면 과학원은 2021년부터 한국과학기술원(KAIST)과 함께 AI 기상예보 모델 '알파웨더'를 개발 중이다.
현재는 레이더영상을 학습해 '6시간 이내'와 '6~72시간' 강수를 예측하는 모델을 개발하는 데 집중하고 있다.
과학원이 이달부터 실증에 들어갈 초단기 강수 예측 모델은 2014년 이후 기상청 레이더 영상을 학습해 6시간까지 강수를 예측한다.
2014년부터 2023년까지 레이더 영상 중 7년 치를 학습하고 2020년과 2023년 영상은 모델의 성능을 검증하는 데 활용한다.
학습에는 엔비디아 AI 딥러닝용 GPU A100 8장이 투입돼 3개월이 걸렸다.
이 모델은 한 번 예측하는 데 필요한 시간이 40초 내외에 불과하다.
실증 전이어서 과학원이 정확도를 정확히 밝히지는 않았지만, 이혜숙 과학원 인공지능기상연구과장은 "정확도가 어느 정도는 확보됐기에 실시간 운영하며 실증해보기로 한 것"이라고 설명했다.
과학원과 KAIST는 기상청 예보관이 자연어로 질문하면 과거 기상자료 등을 찾아주는 AI도 개발 중이다.
특히 전망을 내놓은 과정을 인간이 이해할 수 있게 해주는 '설명 가능한 AI'도 개발하고 있다. 어떤 과정을 거쳐 전망을 내놨는지 사람이 알 수 없다는 점은 현재 AI 기상예보 모델의 가장 큰 단점으로 꼽힌다. AI 모델의 전망을 믿어도 되는지 사람이 쉽게 판단할 수 없기 때문이다.
AI 기상예보 모델 분야에서도 구글이나 화웨이 등 빅테크가 앞섰지만, 기상자료는 대부분 공개돼있고 AI 모델을 개발하고 운용하는 데 필요한 컴퓨팅 자원이 현재 예보의 근간이 되는 수치예보 모델보다 훨씬 적다는 점에서 한국도 충분히 따라잡을 수 있는 것으로 평가된다.
실제 한국과학기술연구원(KIST) 지속가능한 환경연구단이 만든 AI 모델 '카리나'(KARINA)는 비교적 적은 컴퓨팅 자원으로 짧은 시간 자료를 학습해 구글 딥마인드 그래프캐스트(Graphcast)나 화웨이 클라우드 '판구-웨더'(Pangu-Weather), 마이크로소프트(MS) 클라이맥스(ClimaX), 엔비디아 포캐스트넷(FourCastNet)과 비근한 성능을 냈다.
카리나라는 이름은 걸그룹 에스파 멤버 카리나의 이름을 따서 지었다.
카리나는 1979년부터 2015년까지 유럽중기예보센터(ECMWF) ERA5 재분석 자료를 A100 4장으로 12시간에 못 미치게 학습했다. 판구-웨더는 37년치 ERA5 자료를 V100 GPU 192장으로 보름여간 학습한 것으로 알려졌는데 이에 견주면 매우 효율적인 학습을 한 것이다.
그래프캐스트 등 빅테크 모델은 전 지구를 위도와 경도 각각 0.25도씩 나눠 예측하는 '고해상도'로 예측한다면 카리나는 이보다 10배 큰 격자로 지구를 나눠 효율성을 추구했다.
카리나 개발에 참여한 강대현 연구원은 연합뉴스에 "현재 많은 AI 기상예보 모델은 대기에 관한 자료만 학습했다"라면서 "해양에 관한 자료도 학습시켜 예측 선행시간을 2개월로 늘리면서 계절 내 예측에서 수치예보모델보다 성능이 뛰어난 모델로 만드는 것이 목표"라고 말했다.
jylee24@yna.co.kr
(끝)
<저작권자(c) 연합뉴스, 무단 전재-재배포, AI 학습 및 활용 금지>
레이더영상 토대 6시간 강수 40초 내외 예측…빅테크 따라잡기 중
(서울=연합뉴스) 이재영 기자 = 빅테크의 인공지능(AI) 기상예보 모델이 현재 예보의 근간이 되는 수치예보 모델보다 뛰어난 성능을 보이기 시작한 가운데 한국도 인공지능(AI) 기상예보 모델을 만들기 위해 잰걸음 걷고 있다.
14일 국립기상과학원에 따르면 과학원은 2021년부터 한국과학기술원(KAIST)과 함께 AI 기상예보 모델 '알파웨더'를 개발 중이다.
현재는 레이더영상을 학습해 '6시간 이내'와 '6~72시간' 강수를 예측하는 모델을 개발하는 데 집중하고 있다.
과학원이 이달부터 실증에 들어갈 초단기 강수 예측 모델은 2014년 이후 기상청 레이더 영상을 학습해 6시간까지 강수를 예측한다.
2014년부터 2023년까지 레이더 영상 중 7년 치를 학습하고 2020년과 2023년 영상은 모델의 성능을 검증하는 데 활용한다.
학습에는 엔비디아 AI 딥러닝용 GPU A100 8장이 투입돼 3개월이 걸렸다.
이 모델은 한 번 예측하는 데 필요한 시간이 40초 내외에 불과하다.
실증 전이어서 과학원이 정확도를 정확히 밝히지는 않았지만, 이혜숙 과학원 인공지능기상연구과장은 "정확도가 어느 정도는 확보됐기에 실시간 운영하며 실증해보기로 한 것"이라고 설명했다.
과학원과 KAIST는 기상청 예보관이 자연어로 질문하면 과거 기상자료 등을 찾아주는 AI도 개발 중이다.
특히 전망을 내놓은 과정을 인간이 이해할 수 있게 해주는 '설명 가능한 AI'도 개발하고 있다. 어떤 과정을 거쳐 전망을 내놨는지 사람이 알 수 없다는 점은 현재 AI 기상예보 모델의 가장 큰 단점으로 꼽힌다. AI 모델의 전망을 믿어도 되는지 사람이 쉽게 판단할 수 없기 때문이다.
AI 기상예보 모델 분야에서도 구글이나 화웨이 등 빅테크가 앞섰지만, 기상자료는 대부분 공개돼있고 AI 모델을 개발하고 운용하는 데 필요한 컴퓨팅 자원이 현재 예보의 근간이 되는 수치예보 모델보다 훨씬 적다는 점에서 한국도 충분히 따라잡을 수 있는 것으로 평가된다.
실제 한국과학기술연구원(KIST) 지속가능한 환경연구단이 만든 AI 모델 '카리나'(KARINA)는 비교적 적은 컴퓨팅 자원으로 짧은 시간 자료를 학습해 구글 딥마인드 그래프캐스트(Graphcast)나 화웨이 클라우드 '판구-웨더'(Pangu-Weather), 마이크로소프트(MS) 클라이맥스(ClimaX), 엔비디아 포캐스트넷(FourCastNet)과 비근한 성능을 냈다.
카리나라는 이름은 걸그룹 에스파 멤버 카리나의 이름을 따서 지었다.
카리나는 1979년부터 2015년까지 유럽중기예보센터(ECMWF) ERA5 재분석 자료를 A100 4장으로 12시간에 못 미치게 학습했다. 판구-웨더는 37년치 ERA5 자료를 V100 GPU 192장으로 보름여간 학습한 것으로 알려졌는데 이에 견주면 매우 효율적인 학습을 한 것이다.
그래프캐스트 등 빅테크 모델은 전 지구를 위도와 경도 각각 0.25도씩 나눠 예측하는 '고해상도'로 예측한다면 카리나는 이보다 10배 큰 격자로 지구를 나눠 효율성을 추구했다.
카리나 개발에 참여한 강대현 연구원은 연합뉴스에 "현재 많은 AI 기상예보 모델은 대기에 관한 자료만 학습했다"라면서 "해양에 관한 자료도 학습시켜 예측 선행시간을 2개월로 늘리면서 계절 내 예측에서 수치예보모델보다 성능이 뛰어난 모델로 만드는 것이 목표"라고 말했다.
jylee24@yna.co.kr
(끝)
<저작권자(c) 연합뉴스, 무단 전재-재배포, AI 학습 및 활용 금지>
관련뉴스
