구글 웨더넥스트 3이 날씨를 매시간 새로 계산합니다 — 해상도는 5킬로미터입니다

오늘 비가 올지 안 올지, 우산을 들고 나갈지 말지. 하루에도 몇 번씩 하는 이 판단이 사실은 슈퍼컴퓨터가 여섯 시간마다 돌린 계산에 기대고 있었습니다.

구글 딥마인드가 웨더넥스트 3을 공개했습니다. 이 모델은 예보를 매시간 새로 만듭니다. 해상도도 최대 5킬로미터까지 내려갑니다.

더 중요한 변화는 다른 데 있습니다. 이 모델은 다른 예보 시스템의 결과물을 배우지 않고, 위성과 관측소에서 오는 실제 관측을 직접 배웁니다. 오늘은 그 차이가 무엇을 바꾸는지 살펴보겠습니다.

날씨 예보가 이제 매시간 새로 만들어집니다

구글 딥마인드와 구글 리서치가 9월 3일 웨더넥스트 3을 공개했습니다.

회사는 이 모델을 자사의 가장 진보하고 정확한 전 지구 기상 AI 모델이라고 소개했습니다.

가장 눈에 띄는 변화는 갱신 주기입니다. 하루의 매 시간마다 새 예보를 만들어 내는 첫 전 지구 모델입니다.

웨더넥스트 3, 무엇이 발표됐나

발표 내용은 크게 셋입니다. 시간 단위 갱신, 최대 5킬로미터 해상도, 그리고 관측 데이터 직접 학습입니다.

이 모델은 연구용으로만 남지 않습니다. 구글 검색, 제미나이 앱, 구글 지도, 지도 플랫폼의 날씨 API, 어스 엔진에 들어갑니다.

즉 일반 사용자가 검색창에 날씨를 물어볼 때 돌아오는 답이 이 모델의 결과로 바뀝니다.

이전 버전과 무엇이 달라졌나 — 여섯 시간에서 한 시간으로

웨더넥스트 2는 25킬로미터 격자에서 여섯 시간 단위로 예보를 만들었습니다.

웨더넥스트 3은 여러 해상도로 매시간 예보를 만듭니다. 공간 해상도로만 따지면 약 다섯 배가 촘촘해졌습니다.

시간 간격이 여섯 시간에서 한 시간으로 줄었다는 것은, 갑자기 바뀌는 날씨를 잡아낼 기회가 여섯 배로 늘었다는 뜻입니다.

해상도 5킬로미터라는 숫자의 뜻

기상 모델에서 해상도는 지구를 얼마나 잘게 나눠서 계산하느냐를 말합니다.

25킬로미터 격자에서는 서울 전체가 한두 칸에 들어갑니다. 5킬로미터면 구 단위로 구분이 생깁니다.

소나기처럼 좁은 지역에만 내리는 비는 격자가 클수록 뭉개집니다. 해상도가 촘촘해지면 그런 현상이 살아납니다.

변수마다 해상도가 다른 이유

모든 값이 5킬로미터로 나오는 것은 아닙니다. 변수마다 다릅니다.

기온과 습도 같은 핵심 지표면 변수가 5킬로미터, 나머지 지표면 변수가 10킬로미터, 풍속 같은 상층 대기 변수가 25킬로미터입니다.

사람이 체감하는 값에 계산 자원을 몰아준 설계입니다. 상층 바람은 원래 넓게 움직이므로 촘촘하게 계산할 실익이 적습니다.

가장 큰 변화는 학습 데이터입니다

성능 수치보다 중요한 변화가 여기 있습니다. 이 모델이 무엇을 보고 배웠는가입니다.

지금까지의 AI 기상 모델은 대부분 수치예보 모델이 만든 재분석 데이터를 배웠습니다. 즉 기존 예보 시스템의 결과물을 흉내 내는 구조였습니다.

웨더넥스트 3은 실제 관측을 직접 배웁니다. 스승이 바뀐 셈입니다.

수치예보 결과물 대신 관측을 직접 배웁니다

기존 방식의 한계는 분명했습니다. 스승이 되는 수치예보 모델의 오차를 학생도 물려받습니다.

관측을 직접 배우면 그 중간 단계가 빠집니다. 모델은 실제 대기가 어떻게 움직였는지를 바로 봅니다.

이 접근이 어려운 이유는 관측 데이터가 지저분하기 때문입니다. 빠진 곳이 많고 형식도 제각각입니다. 정리된 재분석 데이터를 쓰는 편이 훨씬 편합니다.

정지궤도 위성 데이터를 실시간으로 받습니다

웨더넥스트 3은 전 지구 정지궤도 위성에서 오는 실시간 관측을 모자이크처럼 이어 붙여 사용합니다.

정지궤도 위성은 지구 자전과 같은 속도로 돌아 항상 같은 지역을 봅니다. 그래서 끊김 없이 계속 관측이 들어옵니다.

이 데이터를 바로 쓰기 때문에 예보를 매시간 새로 만들 수 있습니다. 갱신 주기의 비밀이 여기 있습니다.

드문드문한 지상 관측소 데이터를 다루는 법

위성만으로는 부족합니다. 지상 관측소 데이터도 함께 씁니다.

문제는 관측소가 고르게 있지 않다는 점입니다. 도시에는 촘촘하고 바다와 사막에는 거의 없습니다.

웨더넥스트 3은 이렇게 듬성듬성한 데이터를 그대로 받아 학습합니다. 빈 곳을 억지로 채운 가짜 데이터를 만들지 않고, 있는 곳의 관측을 그대로 신뢰하는 방식입니다.

여섯 시간마다 오는 정부 데이터셋을 기다리지 않습니다

기존 예보 체계에는 구조적인 지연이 있었습니다. 각국 기상 기관이 만드는 표준 데이터셋이 보통 여섯 시간마다 갱신됩니다.

AI 모델이 그 데이터를 입력으로 쓰면, 아무리 빨라도 그 주기를 넘어설 수 없습니다.

위성 관측을 직접 받으면 그 대기 시간이 사라집니다. 방금 관측된 대기 상태로 지금 예보를 만들 수 있습니다.

정확도 — 브라이트밴드의 독립 평가

성능 주장은 만든 쪽이 아니라 제3자가 재는 편이 신뢰할 만합니다.

구글은 브라이트밴드라는 기관의 독립 실시간 평가를 근거로 들었습니다. 이 기관은 운영 중인 AI 모델과 수치예보 시스템을 실제 조건에서 계속 검증합니다.

그 평가에서 웨더넥스트 3이 현재 가장 정확한 전 지구 모델로 나왔다는 것이 회사 설명입니다.

기온 예보에서의 개선 폭

구체적인 수치를 보겠습니다. 지상 2미터 기온 예보에서 웨더넥스트 2보다 최대 30퍼센트, 유럽중기예보센터의 앙상블 시스템보다 최대 40퍼센트 개선됐습니다.

단 이 수치는 짧은 예보 구간, 즉 가까운 미래를 예측할 때의 값입니다.

기준이 되는 지표는 CRPS입니다. 확률 예보가 실제와 얼마나 맞았는지를 재는 값으로, 낮을수록 좋습니다.

강수 예보에서의 개선 폭

비 예보는 기상 예측에서 가장 어려운 축에 듭니다. 좁은 지역에서 짧은 시간에 벌어지기 때문입니다.

발표에 따르면 중기 전 지구 예보에서 강수 정확도가 기준선 대비 최대 60퍼센트까지 개선됐습니다. 비교 대상에 따라 30퍼센트, 10퍼센트로 폭이 달라집니다.

비교 기준이 위성 추정치인지, 레이더 관측인지, 지상 우량계인지에 따라 숫자가 달라지는 것입니다. 하나의 숫자만 떼어 읽으면 과장이 됩니다.

ECMWF 앙상블과의 비교

유럽중기예보센터는 전 세계에서 가장 정확한 예보 기관으로 꼽혀 왔습니다. 비교 대상으로 삼는 것 자체가 기준입니다.

웨더넥스트 3은 이 기관의 AI 기반 앙상블 시스템을 상층 변수 전 항목에서 앞섰고, 첫 예보 주간 평균으로 약 10퍼센트 개선을 보였습니다.

10퍼센트가 작아 보일 수 있지만, 수십 년 쌓인 이 분야에서 한 세대의 개선폭에 해당하는 값입니다.

왜 확률 예보가 중요한가

기상 예보는 하나의 답을 내놓지 않습니다. 조금씩 다른 초기 조건으로 여러 번 계산해 가능성의 분포를 만듭니다. 이것을 앙상블이라고 합니다.

비 올 확률 60퍼센트라는 표현이 여기서 나옵니다. 60퍼센트는 애매한 답이 아니라 계산된 분포입니다.

평가 지표로 CRPS를 쓰는 이유도 같습니다. 하나 맞혔는지가 아니라 분포 전체가 현실과 얼마나 맞았는지를 재기 때문입니다.

100미터 높이 풍속을 예보하는 이유

이 모델은 지상 100미터 높이의 풍속을 따로 예보합니다. 낯선 높이지만 이유가 있습니다.

풍력 발전기 날개가 도는 높이가 대략 그쯤입니다. 지표면 바람과 100미터 높이 바람은 세기가 꽤 다릅니다.

발전 사업자가 실제로 알아야 하는 값을 직접 내주는 설계입니다. 학술적 정확도가 아니라 쓰임새를 보고 만든 항목입니다.

태양복사와 구름, 재생에너지 운영의 언어

함께 예보하는 항목이 구름 양과 태양복사량입니다. 태양광 발전량을 좌우하는 값들입니다.

재생에너지의 가장 큰 약점은 발전량을 미리 알기 어렵다는 점입니다. 바람과 햇빛은 주문한 대로 오지 않습니다.

예보가 정확해지면 이 약점이 줄어듭니다. 발전량을 미리 알면 부족분을 다른 방식으로 준비할 시간이 생깁니다.

전력망 운영자에게 이 모델이 갖는 값

전력망은 생산과 소비가 순간마다 균형을 이뤄야 합니다. 남아도 문제고 모자라도 문제입니다.

재생에너지 비중이 커질수록 이 균형 맞추기가 어려워집니다. 날씨에 따라 공급이 출렁이기 때문입니다.

매시간 갱신되는 정확한 풍속과 일사량 예보는 운영자에게 실질적인 도구가 됩니다. 기상 모델 발표가 에너지 업계 뉴스로도 읽히는 이유입니다.

어디에 들어가나 — 검색과 제미나이와 지도

이 모델은 구글 검색, 제미나이 앱, 구글 지도에 들어갑니다. 지도 플랫폼의 날씨 API와 어스 엔진에서도 쓸 수 있습니다.

별도의 앱을 설치할 필요가 없다는 뜻입니다. 쓰던 대로 날씨를 물어보면 결과가 달라져 있습니다.

이런 방식은 장점이자 단점입니다. 편하지만, 지금 보고 있는 예보가 어떤 모델에서 나왔는지 사용자가 알기 어렵습니다.

개발자는 어떻게 쓰나 — 빅쿼리와 어스엔진

직접 데이터를 다루려는 쪽에는 별도 경로가 열려 있습니다.

빅쿼리와 어스 엔진에서 질의할 수 있고, 구글 클라우드 스토리지에서 Zarr 형식으로 대량 내려받을 수도 있습니다.

Zarr는 큰 다차원 배열을 조각내어 저장하는 형식입니다. 전 지구 격자 데이터처럼 통째로 열기엔 너무 큰 자료를 필요한 부분만 읽을 때 씁니다.

AI 기상 모델이 기존 수치예보를 대체하는가

결론부터 말하면 아직 아닙니다. 그리고 당분간은 아닐 것입니다.

AI 모델은 과거 관측에서 배운 패턴으로 예측합니다. 대기의 물리 법칙을 직접 푸는 것이 아닙니다. 전례가 없는 상황에서 어떻게 행동할지는 보장되지 않습니다.

현실적인 그림은 공존입니다. 수치예보가 기준선을 잡고 AI 모델이 속도와 해상도를 보태는 구조입니다.

남는 한계와 조심할 지점

성능 수치를 읽을 때 조심할 점이 있습니다. 개선 폭이 큰 값은 대부분 짧은 예보 구간의 수치입니다. 예보 기간이 길어지면 격차가 줄어듭니다.

비교 기준에 따라 숫자가 크게 달라진다는 점도 앞서 본 대로입니다.

그리고 관측이 드문 지역에서는 어느 모델이든 정확도가 떨어집니다. 바다 한가운데와 도시 한복판의 예보 품질은 같지 않습니다.

실제 사례 — 우산을 챙길지 정하는 순간

아침에 나갈 준비를 하면서 날씨를 확인한다고 해 봅시다. 지금까지는 오늘 비 올 확률 40퍼센트 같은 답을 받았습니다.

이 확률은 꽤 넓은 지역, 꽤 긴 시간에 대한 값이었습니다. 그래서 비가 안 왔는데 왔다고 하거나 그 반대인 경우가 생겼습니다.

5킬로미터 격자에 매시간 갱신이면 답이 달라집니다. 우리 동네에서 오후 세 시쯤이라는 식으로 좁혀집니다. 우산을 챙길지 말지가 실제로 판단 가능한 정보가 됩니다.

저시력 사용자에게 날씨 정보가 갖는 의미

날씨 정보는 저시력 사용자에게 편의가 아니라 안전 문제에 가깝습니다.

비가 오면 바닥 반사가 늘고 대비가 무너져 이동이 훨씬 어려워집니다. 눈이 오면 길의 경계가 사라집니다. 나가기 전에 아는 것과 나가서 아는 것의 차이가 큽니다.

예보가 좁은 지역과 짧은 시간 단위로 정확해지면, 외출 시각을 한 시간 미루는 선택이 실제로 가능해집니다. 정확도가 곧 이동의 자유로 이어지는 영역입니다.

핵심 정리

구글 딥마인드와 구글 리서치가 9월 3일 웨더넥스트 3을 공개했습니다. 매시간 갱신되는 첫 전 지구 기상 AI 모델이며, 기온과 습도는 5킬로미터, 그 외 지표면 변수는 10킬로미터, 상층 변수는 25킬로미터 해상도로 예보합니다.

가장 큰 변화는 수치예보 결과물이 아니라 위성과 지상 관측을 직접 학습한다는 점입니다. 정부 데이터셋의 여섯 시간 주기를 기다리지 않아도 되는 이유입니다.

브라이트밴드 독립 평가에서 가장 정확한 전 지구 모델로 평가됐고, 기온 예보는 최대 40퍼센트, 상층 변수는 평균 약 10퍼센트 개선됐습니다. 검색, 제미나이, 지도에 들어가며 개발자는 빅쿼리와 어스 엔진으로 접근할 수 있습니다.

참고하실 만한 것

SVIL 연구소는 AI 소식을 큰 글씨와 쉬운 설명으로 정리해 전하고 있습니다. 저시력 사용자의 일상에 실제로 닿는 지점을 함께 짚으려 합니다.

이 글이 도움이 되셨다면 블로그를 구독해 두시면 새 글을 놓치지 않으실 수 있습니다.

AI 도구를 실제 업무에 붙이는 문제로 도움이 필요하시면 아래 협업문의로 편하게 연락 주세요.

출처

• Google — Introducing WeatherNext 3, our most advanced and accurate global weather AI model
• Google DeepMind — WeatherNext
• Google for Developers — WeatherNext 3 models
• Google for Developers — WeatherNext research and benchmarks
• TechCrunch — Google's latest AI weather model gives you no excuse to forget your umbrella
• Unite.AI — Google DeepMind Launches WeatherNext 3 With Hourly 5-Kilometer Forecasts
• 9to5Google — WeatherNext 3 in Search and Gemini with more accurate precipitation forecasts
• MarkTechPost — WeatherNext 3 trains on weather station observations for 5 km global forecasts
• Quartz — Google DeepMind launches WeatherNext 3 AI weather model

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://svil.dev/