[해외 DS] AI를 활용한 기후 예측과 한계

현대 물리학의 산물인 ‘수치 예보 방식’, 지나치게 과도한 계산량과 개별 분석 못하는 부분 단점으로 꼽혀 데이터 기반 AI 기상 예측 모델, 전통적인 기상 예측보다 계산 속도 빠르나 극단 기후 예측 난항 겪어 물리학 모델과 AI 모델의 장점을 취한 ‘하이브리드’ 기상 예측 모델 수요 급증

pabii research

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 데이터 사이언스 경영 연구소 (MDSA R&D)에서 영어 원문 공개 조건으로 콘텐츠 제휴가 진행 중입니다.


사진=Getty Images

오늘날의 기상 예측은 매우 과학적으로 수행된다. 그러나 과학계에서는 아직까지도 100% 정확도의 기상 예측은 불가능하다고 본다. 슈퍼 컴퓨터로도 현대 기상 예측에서 중요한 ‘초깃값’ 설정을 완벽하게 해내지 못한다는 이유에서다. 설혹 초깃값이 완벽하다고 양보하더라도, 복잡한 대기의 상호작용에 대한 완벽한 수학적 설명은 불가능에 가깝다는 게 지금까지의 현대 과학의 결론이었다.

그런데 최근 인공지능(AI) 기술의 발전이 가속화됨에 따라 일기 예측이 새로운 국면으로 접어들 것으로 분석된다. 네이처(Nature) 저널에 발표된 논문에 따르면 AI 기반 기상 예측 모델은 기존 수치 예보 방식의 일기 예측 모델보다 더 빠르고 정확한 결과를 산출할 수 있는 것으로 밝혀졌다.

현대 기상과학의 현주소, ‘수치 예보 방식’

현대의 일기 예측은 ‘수치 예보’ 방식에 의해 이뤄진다. 수치 예보란 대기의 습도 및 기온과 바람의 변화를 설명하는 유체역학 방정식을 풀어냄으로써 현재와 미래의 대기 상태를 설명 및 예측하는 물리학적 방법론이다.

다만 수치 예보 방식은 실제 대기 상태에 대한 방대한 고해상도 관측 데이터와 복잡한 수학・물리학적 방정식을 다뤄야 하는 만큼 엄청난 양의 컴퓨팅 자원을 필요로 한다. 또한 해당 방식의 계산 특성상 주로 대기의 대규모 움직임을 예측하기 때문에 개별 구름에 대한 미시적인 운동까지 포착하기는 어렵다는 단점이 있다.

기상학자들은 수치 예보 방식에서 이같은 어려움을 극복하고자 다양한 방법을 제시해 왔다. 가장 대표적인 방법으로는 ‘매개변수화’로, 쉽게 말해 수치 예보 모델의 물리 방정식을 인위적으로 단순화함으로써 모델의 복잡성과 계산량을 줄이는 한편 기후의 개별적인 특성을 포착할 수 있게끔 하는 방식이다.

수치 예보 방식 대비 계산 효율을 끌어올린 ‘AI 기상 예측 모델’

그런데 최근 일부 기상학자들 사이에선 AI가 수치 예보 방식을 완벽하게 대체할 수 있다는 주장이 제기된다. AI 기상 예측 모델은 복잡한 물리 방정식을 쓰지 않는 대신, 과거 날씨 데이터를 통해 패턴을 인식해 계산량을 획기적으로 줄일 수 있다는 지적이다.

이와 관련해 네이처(Nature) 저널에 중국 빅테크 기업인 화웨이 테크놀로지스(Huawei Technologies)가 등재한 두 논문의 AI 모델이 세상에 공개되면서 기상학계의 주목을 받고 있다. 첫 번째 연구는 ‘판구웨더(Pangu-Weather)’로, 기온과 풍속 등의 다양한 날씨 변수를 최대 일주일 전에 예측할 수 있다. 또한 이 모델은 기존 수치 예보 모델보다 최대 10,000배 빠른 결과를 낼 수 있는 것으로 알려졌다. 이에 화웨이 연구자 A씨는 “열대성 저기압의 경로를 정확하게 추적할 수 있다”고 밝혔다.

두 번째 연구는 나우캐스트넷(NowcastNet)으로, 단기간 내 발생하는 강우량에 대한 예측을 전문적으로 수행하는 AI 알고리즘이다. 연구에 따르면 나우캐스트넷이 현재 일반에 공개된 기상 예측 모델 경쟁사들을 능가하는 것으로 확인된다.

그러나 일각에선 지구 온난화로 인해 최근 기후 트렌드가 급변하면서 AI 기상 예측 모델이 기상 예측을 제대로 수행하지 못할 것이라는 지적이 나온다. AI 시스템은 정확한 기후 예측을 위해 과거 기상 데이터에 의존하는데, 최근 세계 각지에서 발생하는 폭염, 허리케인, 집중 호우와 같은 특정 종류 기상 현상은 너무 극단적이라 역사적으로 기록된 바 없다는 것이다. 즉 과거 데이터로 인해 ‘과적합’된 AI 모델이 현시점의 기상을 정확하게 시뮬레이션 하기엔 역부족이란 얘기다.

기존 기상 예측 모델과 AI 모델의 융합

극한 기상 현상을 정확하게 예측하는 것은 일기 예보의 중요한 부분을 담당한다. 의사 결정자는 이같은 일기 예보를 사전에 접한 뒤 충분한 시간을 가지고 추후 대책을 강구할 수 있다. 그러나 앞서 살펴봤듯 AI 모델은 과거 기상 데이터를 사용해 예측 결괏값을 내놓는 만큼, 최근 날씨가 더욱 극심해짐에 따라 기상 이변을 제대로 예측하지 못한다는 우려가 지속적으로 제기되고 있다. 이와 관련해 기상학자 이버트 어포브는 “AI 기상 예측 프로그램은 극단적인 날씨 이벤트에 대해 매우 불안정한 예측을 유발할 수 있다”고 밝혔다.

이같은 배경에 힘입어 AI와 기존 수치 모델을 혼합한 ‘하이브리드 모델’을 개발해야 할 필요성이 대두된다. AI에 의존하는 모델의 경우 온난화 기후에서 어떻게 작동할지 불분명하지만 계산 효율을 끌어올릴 수 있는 한편, 수치 예보 방식의 경우에는 계산량이 많이 요구되는 대신 복잡한 수식들을 통해 기후 현상을 비교적 잘 설명할 수 있으므로 서로 중간점에서 타협을 보자는 것이다.

실례로 미국 국립과학재단 인공지능 연구소 에이미 맥거번 소장은 “AI 기술들로 일기예보를 하려면 좀 더 많은 개선이 필요하다”며 “과거 데이터에 의존하는 AI 기상 예측 시스템의 경우 물리학에 기반한 수학적 계산 절차가 부족하고, 극단적인 날씨를 예상하기 위해서는 수분, 공기, 열을 고려하는 수치 모델과 조합이 필요하다”고 밝혔다.


For decades, morning weather reports have relied on the same kinds of conventional models. Now, weather forecasting is poised to join the ranks of industries revolutionized by artificial intelligence.

A pair of papers, published Wednesday in the scientific journal Nature, touts the potential of two new AI forecasting approaches — systems that could yield faster and more accurate results than traditional models, researchers say.

They’re part of a new wave of AI models sweeping the meteorology community worldwide. And they have potential to transform the forecasting industry.

But experts caution that the changing climate may pose a unique challenge for burgeoning AI weather models.

AI systems rely on historical weather data to teach them how to produce accurate forecasts. But certain kinds of weather events, such as heat waves and hurricanes, are growing more intense as the planet warms — and in some cases, they’re becoming so extreme that there are few examples at all in the historical record. That could make it difficult for AI weather models to accurately simulate unprecedented, record-breaking events.

These are issues AI experts are still investigating. Still, the new Nature papers suggest the world of AI weather forecasting is swiftly developing.

The first paper describes a model dubbed Pangu-Weather — it forecasts different global weather variables, such as temperature and wind speed, up to about a week in advance. Developed by researchers at the Chinese technology company Huawei Technologies Co. Ltd., the model is capable of yielding results up to 10,000 times faster than conventional models.

It’s able to accurately track the pathway of tropical cyclones, the researchers found. And it’s even slightly more accurate than the European Centre for Medium-Range Weather Forecasts, one of the world’s leading weather centers.

Still, Pangu-Weather has some limitations. The researchers didn’t investigate its performance on precipitation — a major weather variable and one of the trickiest to accurately capture in models.

The second paper, on the other hand, deals primarily with rainfall. It describes an AI system known as NowcastNet, a program that specializes in short-term forecasts maxing out just a few hours into the future. The researchers found that NowcastNet was capable of outperforming many of its leading competitors.

Pangu-Weather and NowcastNet are some of the latest in a recent wave of new AI weather models, many of them developed by private corporations rather than the government entities that traditionally dominate the weather. These programs differ from conventional forecasting systems in some fundamental ways.

Conventional forecasts rely on a system known as numerical weather prediction. It’s a kind of mathematical model that uses complex equations to predict the way weather systems change over time and space. These equations describe the actual physics behind the movement of air and water in the atmosphere and the oceans.

Because there’s so much math and physics involved, numerical weather models require extremely high levels of computational power. That makes them expensive and time-consuming to run. It also limits the fine-scale processes that these models can accurately capture. Things like the physics of individual clouds, for instance, are difficult to simulate in models that are making large-scale global predictions.

Scientists have come up with various ways to get around these difficulties in traditional models. One strategy is a method known as parameterization — that’s when scientists replace the actual physical equations in a model with a simplified program that generally captures the process without forcing the model to represent the actual physics.

But artificial intelligence could replace these workarounds, enthusiasts argue, with potentially faster and more accurate results.

AI models don’t have to represent actual physics in the form of mathematical equations. Instead, they ingest large amounts of historical weather data and learn to recognize patterns. They then use these patterns to make predictions when presented with new data on present-day weather conditions.

For several decades, scientists have worked to integrate AI components into traditional weather models in an attempt to make them faster and cheaper to run. And some firms are now developing all-AI models — such as Pangu-Weather and NowcastNet — that can entirely replace the numerical model system.

It’s a swiftly evolving field. Just two years ago, in a paper published in a Royal Society journal, scientists suggested that there “might be potential” for AI weather models to produce equal or better results than numerical models.

“We think that it is not inconceivable that numerical weather models may one day become obsolete, but a number of fundamental breakthroughs are needed before this goal comes into reach,” the researchers stated.

Emerging approaches like Pangu-Weather and NowcastNet suggest that such breakthroughs are in progress. And there’s potential for the field, said Colorado State University researchers Imme Ebert-Uphoff and Kyle Hilburn in a comment on the new research, also published Wednesday in Nature.

In principle, the much faster computational speed exhibited by models such as Pangu-Weather “could yield immense benefits,” they write.

On the other hand, there are still some potential obstacles for AI systems — especially as the planet grows warmer.

AI models may run into problems simulating extreme weather events as they grow more intense because of climate change, experts warn.

Heat waves, droughts, hurricanes, wildfires and a myriad of other climate-related events are all growing more extreme as temperatures rise, and some of them are veering into unprecedented territory. In the last week alone, heat records toppled all over the globe while scientists warned that the planet was likely experiencing its hottest days in human history.

Accurately forecasting extreme weather events is one of the most crucial functions for weather models, enabling decisionmakers to issue public safety announcements or facilitate evacuations with enough time to protect vulnerable populations. But AI models learn how to produce forecasts using historical weather data — and as the weather grows more extreme, there may be fewer examples of such intense events in the historical record.

That means AI systems might not have enough data to accurately simulate unprecedented extremes in the future. In fact, if they’re presented with weather conditions that are entirely foreign to them, it may be hard to predict how they’ll react.

The behavior of AI systems “is often unpredictable when the program operates under conditions that it has never encountered before,” Ebert-Uphoff and Hilburn warned in their comment. “An extreme weather event might therefore trigger highly erratic predictions.”

Other experts have raised similar concerns.

The authors of the 2021 Royal Society paper note that the “scarcity of extreme events” in the historical record poses a challenge for AI weather models. They also point out that while a few studies have attempted to evaluate the performance of AI systems when it comes to capturing extremes with limited data, they’ve produced mixed results — some have performed well while others have faltered.

“The question of how AI models will perform in a warming climate is a very interesting one, and to my knowledge hasn’t been explored very thoroughly at this point,” said Russ Schumacher, Colorado’s state climatologist and a scientist at Colorado State University, in an email to E&E News. Schumacher’s own research group has applied artificial intelligence to models predicting storms and other hazardous weather conditions.

Hybrid models that include both AI components and numerical model components may run into fewer difficulties with record-breaking events, he suggested. But for models entirely driven by AI, he said, “it’s not totally clear how it will respond to situations that fall entirely outside of the historical record.”

These are important evaluations to consider as researchers continue developing AI weather models, he added. They must investigate not only the way the models perform on routine, daily weather forecasts but also on dangerous, high-impact events.

In general, he suggests AI weather models have potential. But he noted that they may not entirely replace conventional approaches either. Numerical models and AI models may end up with different strengths, and human experience will remain valuable for synthesizing and communicating information about the weather.

“In my mind, we ideally get to a point where the field of meteorology can take advantage of the strengths of all of the approaches,” he said.

Reprinted from E&E News with permission from POLITICO, LLC. Copyright 2023. E&E News provides essential news for energy and environment professionals.

Similar Posts