날씨·기후 예보에 쓰이는 AI는 LLM 아닌 검증된 머신러닝 기법

AI가 어디에나 있는 듯한 시대다. 문장을 입력하려 할 때마다 끼어드는 디지털 '비서'부터, 어떤 이유에선지 와이파이 연결을 요구하는 냉장고까지 AI를 피하기가 쉽지 않다. 지금이 기술의 비약적 도약기인지, 아니면 그저 과대광고에 불과한지 헷갈릴 만하다.

그렇다면 날씨와 기후 모델링에서 늘고 있는 AI 활용은 어떻게 봐야 할까. 이 논의의 출발은 그리 좋지 않았다. 올해 초 미국 국립기상청(NWS)의 한 사무소가 'Whata Bod', 'Orangeotild' 같은 실재하지 않는 아이다호 도시 이름이 적힌 예보 지도를 올린 일이 있었다. 다행히 그것은 소셜미디어용으로 만든 AI 생성 이미지였을 뿐, 실제 예보 모델의 결과물은 아니었다.

즉 기상학자와 기후과학자가 LLM 프롬프트 엔지니어로 대체되고 있는 것은 아니라는 얘기다. 다만 AI는 이 분야에서 연구자들이 수년간 연구해 강점과 약점이 잘 알려진 기법을 통해 실제로 쓰이고 있다. 그리고 그 기법은 날씨 시뮬레이션 모델과 기후 시뮬레이션 모델에서 서로 다르다.

여기서 말하는 'AI'는 머신러닝을 가리킨다. 머신러닝의 여러 변형을 기술적으로 깊이 파고들지 않더라도 핵심 아이디어는 단순하다. 컴퓨터를 이용해 데이터 속 패턴을 찾아내는 것이다.

데이터에 직선 추세선을 맞추는 선형회귀는 패턴을 찾는 매우 단순한 방법이다. 더 복잡한 곡선과 방정식으로도 회귀를 할 수 있다. 머신러닝의 힘(그리고 잠재적 함정)은 알고리즘이 훨씬 높은 수준의 복잡성을 다루면서, 사람이 수동으로는 짚어내기 어려운 관계를 골라낸다는 데 있다.

머신러닝은 모델을 처음부터 학습시키는 데서 시작한다. 모델에는 신경망 같은 구조가 부여되는데, 이는 알고리즘의 동작을 미세 조정하기 위해 독립적으로 조절할 수 있는 여러 '손잡이'를 제공한다. 그리고 종별로 라벨이 붙은 새 사진 수천 장처럼, 정답이 함께 달린 방대한 예시 데이터를 모델에 준다. 모델은 사진의 내용과 올바른 종을 연결하기 위한 최적의 손잡이 값 조합을 반복적으로 찾아 나간다.