“기상 예측의 정확도를 끌어올리는 데는 천문학적인 컴퓨팅 자원과 비용이 필요합니다. 생성형 인공지능(AI) 모델은 비용 한계를 극복하게 할 중요한 기술이 되고 있습니다.”
스탠 포시 엔비디아 지구시스템 모델 및 전산유체역학 부문 고성능 컴퓨팅 프로그램 총괄은 30일 서울 강남구 엔비디아 서울 사무실에서 열린 기자간담회에서 생성형 AI 기술이 기상 예측 분야에서 미치는 영향력에 대해 설명하며 이같이 말했다.
국내에서는 약 2년 전부터 기상 예측 분야에 AI가 본격 적용되는 추세다. 기상 예측의 재료가 되는 위성 사진 데이터가 기점이 됐다. 통상 위성은 10분 당 한장 꼴로 사진 데이터를 송출해 왔는데, 엔비디아가 동영상 AI 모델을 기반으로 10분 간격 사이에 이미지를 한 장 더 생성해 결과적으로 간격을 5분으로 당겼다. 이를 계기로 기상 예측 분야에서도 AI의 유용성이 차츰 받아 들여지게 된 것이다.
포시 총괄은 생성형 AI가 무엇보다 기상 예측 비용을 대폭 절감해준다는 점에서 중요하다고 강조했다. 기상 예측 분야에서 전통적인 방법론은 수치모델(Numerical model)을 활용하는 것이다. 데이터셋을 기반으로 육지나 바다 등의 기압, 온도, 풍속 상태가 어떻게 바뀌는 지 추정하는 방식이다. 하지만 전세계 단위를 이 방식으로 분석하는 모델은 현재 기준 가로·세로 25㎞가 최대 해상도다. 이론적으로 해상도를 더 높일 수는 있지만 투입되는 컴퓨팅 자원과 이에 따른 비용이 기하급수적으로 늘어나 현실적으로 쉽지 않다.
바로 이 지점에서 생성형 AI 모델이 구원투수로 떠오르고 있다. 10분 단위로 송출되던 위성 이미지 사이를 채우듯, 생성형 AI 모델은 가로·세로 25㎞의 해상도를 2㎞로 높일 수 있다. 마치 스마트폰에서 화질이 나쁜 사진을 생성형 AI 기술을 통해 업스케일링하는 기술과 유사하다. 다양한 사진 데이터를 통해 이미지를 학습한 모델이 사진 화질을 높여주듯, 다양한 기상 흐름 데이터를 학습한 모델이 기상 지도를 더 상세하게 예측해주는 것이다. 포시 총괄은 “생성AI 모델 없이 수치 모델 방법론 만으로는 2㎞ 해상도를 내려면 2030년을 넘겨야 할 것으로 예상되는데 생성 AI 모델의 도움을 받ㅇ면 이를 앞당길 수 있다”며 “수치모델과 생성형 AI모델은 서로를 보완하며 기상 예측의 정확도와 효율성을 높여준다”고 말했다.
엔비디아는 한국 기상청과도 활발히 협업을 이어가고 있다. 기상청이 엔비디아의 기상 예측 모델 ‘포캐스트넷’ 뿐만 아니라 딥마인드의 모델 ‘그래프캐스트’ 등 다양한 기상 예측 AI 모델들을 활용할 수 있도록 컴퓨팅 인프라 차원에서 협력을 이어가고 있다. 아울러 엔비디아는 기상청 산하 기상연구소와 초단기 기상 예측 모델인 ‘나우캐스트’를 공동 개발하는 등 앞으로 기상 예측과 관련한 다방면에서 국내 연구 기관들과 접점을 넓혀간다는 방침이다.
< 저작권자 ⓒ 서울경제, 무단 전재 및 재배포 금지 >
hjin@sedaily.com
