Project Aardvark: AI 기반 날씨 예측의 혁신

• 정확한 날씨 예측은 농업, 교통, 에너지 등 여러 분야에서 중요한 역할을 함
• 홍수나 폭염과 같은 극단적 기후 상황에서 경고 시스템의 역할 수행
• Huawei의 Pangu-Weather와 Google DeepMind의 GenCast 같은 AI 기반 예측 시스템이 등장하면서 AI 날씨 예측에 대한 기대감이 높아짐
• Turing Institute에서는 AI를 이용한 날씨 예측 기술 개발에 집중하고 있으며, 이를 통해 새로운 세대의 AI 기반 예측 시스템 Aardvark를 개발 중임

현재의 날씨 예측 방식

• 현재 날씨 예측은 수치 기상 예측(Numerical Weather Prediction, NWP) 방식에 기반함
• NWP는 다음과 같은 3단계로 이루어짐:
  • 1단계: 위성, 기상 관측소, 기상 풍선, 선박, 비행기 등에서 정보를 수집해 대기 상태를 추정
  • 2단계: 복잡한 컴퓨터 모델을 사용해 현재 상태에서 미래 상태로 발전시킴
  • 3단계: 예측 결과를 가공하고, 위치별 정확도를 보정하며, 인간 기상 예보자의 입력 반영
• 이 과정은 고성능 슈퍼컴퓨터와 대규모 인력 및 복잡한 소프트웨어가 필요함
• 선진국에서는 이러한 시스템 운용이 가능하지만, 개발도상국에서는 인프라 부족으로 운용이 어려움

Aardvark의 혁신적인 접근 방식

• Aardvark는 전체 예측 과정을 하나의 AI 모델로 대체
• 데스크톱 컴퓨터에서 훈련 및 실행 가능하며, 예측 속도가 기존 방식보다 수천 배 빠름
• 위성, 기상 관측소, 기상 풍선 등 다양한 출처에서 데이터를 수집해 10일 간의 전 세계 기상 예측 수행
• 복잡한 데이터 처리 및 결측값 보완을 위한 새로운 딥러닝 아키텍처 도입
• Aardvark의 장점:
  • 개발도상국에서도 운용 가능 → 슈퍼컴퓨터 필요 없음
  • 예측의 정확성과 효율성이 높아짐
  • 날씨 예측에 소요되는 에너지 절감으로 탄소 배출 감소 가능

Aardvark의 성능 및 가능성

• 현재 Aardvark는 미국의 Global Forecast System(GFS) 와 비슷한 수준의 정확도를 보임
• 현재 사용 가능한 데이터의 약 10%만 사용 중 → 더 많은 데이터를 사용할 경우 정확도 향상 가능성 높음
• 기존의 수치 예측 모델을 대체할 가능성
• 빠른 예측 속도로 신속한 기후 대응 가능
• 개발도상국 및 데이터 부족 국가에서 고급 예측 도구 제공 가능

도전 과제

• AI 기반 예측 도구는 아직 실험 단계이며, 장기적인 검증이 필요함
• 허리케인, 홍수 등 극단적 기후 현상 예측이 특히 어려움
• 과거 데이터를 기반으로 훈련된 모델이기 때문에 기후 변화로 인한 오차 발생 가능성 존재
• 희소한 기후 현상 데이터 부족 문제 해결 필요

Aardvark의 미래 계획

• Turing Institute는 Aardvark를 통해 기상, 해양, 해빙 예측 분야의 정밀도 향상을 목표로 함
• 특히 개발도상국 및 북극 지역에서의 적용을 중점 추진
• 데이터 확장 및 아키텍처 최적화를 통해 극단적 기후 현상 예측 강화 계획
• 장기 예측 및 계절별 예측 기능 추가 → 정부 및 기업의 장기 기후 계획 지원
• AI 기반 날씨 예측 기술의 발전으로 사회적 혜택 및 경제적 보호 강화 기대

결론

• Aardvark는 날씨 예측의 패러다임을 바꿀 혁신적인 시스템임
• 개발도상국의 기후 대응 역량 강화 및 예측 정확도 향상 가능성 높음
• Turing Institute는 Aardvark를 통해 영국이 기후 예측의 최전선에 서도록 주도할 계획임
• Aardvark의 자세한 내용은 Nature 논문에서 확인 가능

[GN⁺]

Hacker News 의견

• "The Turing Institute? 아직도 존재하나?"라는 생각이 들었음

  • 글래스고에 있었던 이전의 Turing Institute는 AI 연구를 했으며, 1994년에 끝을 맺었음
  • 그곳에서 흥미로운 연구들이 나왔지만, 지금의 기관과는 다름

• 수십 년간의 역사적 데이터를 저장하고 있는지 궁금함

  • AI 알고리즘이 과거 데이터를 통해 기존 방법과 성능을 비교할 수 있는지
  • 금융 기술 알고리즘이 과거 주식 시장 데이터를 통해 평가되는 방식과 유사함

• 모델에 도전 과제를 제시함

  • 캔자스시티 메트로 지역의 2일 이상 날씨 예측을 정확히 하는 것
  • 2024년 기준으로는 드물게 정확했음

• 미래의 가상의 AGI 에이전트가 인간이 공의 궤적을 본능적으로 아는 것처럼 날씨를 예측할 수 있을지 궁금함

  • AI가 내일의 날씨를 정확히 알지만, 그 지식이 어떻게 도출되었는지는 이해하지 못할 수 있음

• 논문은 여기에서 확인 가능함

• 모든 단계를 대체한다는 것이 과장인지, 아니면 내가 뉘앙스를 놓친 것인지 알 수 없음

  • 모델이 데이터 수집 단계를 어떻게 대체할지 궁금함

• 날씨 풍선과 같은 데이터 수집 장비에 대한 자금 지원이 중단된 것이 아쉬움

• 허리케인이나 드문 극한 날씨와 같은 엣지 케이스를 어떻게 처리할지 궁금함

• 아버지가 해풍과 강수량 모델링에 대한 광범위한 연구를 했으며, 이러한 AI와 기계 학습의 발전을 보셨으면 좋았을 것임

• 급격한 기후 변화의 세계에서 과거가 더 이상 미래를 예측하지 못할 때, 기계 학습 모델이 얼마나 견고할지 궁금함