구글 태풍 AI, 3일 예측이 기존 2일 수준…재난 대비 시간 늘어날까
구글 딥마인드와 구글 리서치가 2026년 8월 6일 태풍과 허리케인의 이동 경로, 세기, 강풍 범위를 한꺼번에 예측하는 AI 모델 ‘WeatherNext Cyclones’를 공개했다. 같은 날 연구 결과가 국제학술지 네이처에 실렸고, 구글은 WeatherNext 2 모델과 소형 버전, 관련 코드와 모델 가중치를 연구자들이 활용할 수 있도록 공개한다고 밝혔다.
가장 눈에 띄는 발표는 “하루의 예보 시간을 더 벌었다”는 것이다. 연구진에 따르면 이 모델의 3일 전 예측 정확도는 기존 주요 모델의 2일 전 예측과 비슷한 수준이었다. 쉽게 말해 과거에는 태풍이 어디로 가고 얼마나 강해질지를 비교적 믿을 만하게 말하려면 이틀 전까지 기다려야 했다면, 이번 연구에서는 비슷한 정확도의 판단을 사흘 전에 할 가능성을 보인 셈이다. 구글은 지난 20년간의 예보 정확도 개선 속도와 비교하면 약 10년치 발전에 해당한다고 설명했다.
다만 이것은 “AI가 태풍을 완벽하게 맞힌다”거나 “기상청 예보를 구글 AI로 바꾼다”는 발표가 아니다. 네이처 논문도 사람 예보관을 대체하는 자동 경보 시스템이 아니라, 여러 예측을 함께 검토하는 현업 예보관에게 더 나은 판단 재료를 제공하는 도구로 설명한다. 일반 독자가 궁금한 질문은 분명하다. 이번 AI가 실제 태풍 대비 시간을 늘려 줄 수 있는가? 연구 결과는 가능성을 강하게 보여 주지만, 공식 특보는 앞으로도 각국 기상기관의 관측과 판단을 따라야 한다.
무엇을 새롭게 예측하나
태풍 예보를 볼 때 우리는 지도 위의 예상 경로부터 확인한다. 그러나 재난 대응에는 경로만큼 세기와 크기가 중요하다. 중심이 어느 지역을 지나가는지 알아도 최대풍속이 얼마나 될지, 강풍이 중심에서 얼마나 멀리까지 뻗을지 모르면 대피 범위와 항공·선박 통제, 전력 시설 대비 수준을 정하기 어렵다.
태풍의 세 요소는 서로 연관돼 있지만 예측 방식은 달랐다.
- 경로는 넓은 지역의 기압과 대기 흐름에 크게 좌우된다.
- 세기는 태풍 중심부의 열과 수분, 해수면 상태처럼 비교적 좁은 영역의 변화에 민감하다.
- 강풍 범위와 크기는 경로와 세기의 영향을 함께 받으며 피해 지역을 가늠하는 데 필요하다.
기존에는 넓은 지구 대기를 계산하는 전 지구 모델이 경로 예측에 강하고, 태풍 주변을 촘촘하게 계산하는 지역 모델이 세기 예측에 유리하다는 구분이 있었다. WeatherNext Cyclones의 핵심은 하나의 AI 모델이 전 지구 날씨와 개별 태풍의 경로·세기·강풍 구조를 함께 학습하고 예측하도록 만들었다는 점이다.
네이처 논문에 따르면 모델은 전 세계 대기 분석 자료와 약 5,000개 과거 열대성 저기압 기록을 함께 학습했다. 구글은 학습에 사용한 전 지구 대기 자료 규모를 약 20테라바이트라고 설명한다. 단순히 과거 태풍 궤적만 외우는 것이 아니라, 당시 주변 대기가 어떻게 움직였고 실제 태풍이 어떻게 변했는지를 연결해 배운 구조다.
‘하루를 더 번다’는 말의 실제 의미
재난 예보에서 하루는 단순히 달력 한 칸이 아니다. 해안 지역 주민에게 대피 안내를 보내고, 병원과 요양시설의 이동을 준비하며, 항구의 선박을 안전한 곳으로 옮기고, 항공편을 조정하고, 침수 취약 지역의 배수시설을 점검할 시간이 된다. 기업 입장에서는 물류 경로를 바꾸고 야외 작업을 중단하며 매장과 공장의 안전조치를 시작할 수 있는 시간이다.
구글 딥마인드의 공식 연구 설명은 3일 예보가 이전 주요 모델의 2일 예보와 비슷한 정확도를 보였다고 말한다. 논문은 2023년부터 2025년 사이 발생한 열대성 저기압을 대상으로 경로, 세기, 강풍 반경을 비교했을 때 평균적으로 하루 이상 앞선 예측 이점을 확인했다고 보고한다.
이 표현을 정확히 이해할 필요가 있다. 모든 태풍에서 정확히 24시간을 추가로 확보한다는 보장은 아니다. 평균 성능을 요약한 결과이며, 개별 태풍의 이동과 급격한 발달은 여전히 예상에서 벗어날 수 있다. 특히 어느 동네에 몇 시부터 비가 쏟아질지 같은 생활권 단위 예보는 태풍의 큰 구조뿐 아니라 지형, 지역 관측망, 다른 수치예보 자료가 함께 필요하다.
구글이 말한 ‘약 10년의 발전’도 미래 10년을 건너뛰었다는 뜻은 아니다. 지난 20년간 현업 태풍 예보 오차가 줄어든 추세와 이번 모델의 개선 폭을 비교한 표현이다. 새로운 모델이 실제 운영에서 여러 계절을 거치며 같은 수준을 유지하는지는 별도로 확인해야 한다.
하나의 답보다 1,000개의 가능성이 중요한 이유
날씨 예보는 정답 하나를 고르는 일이 아니다. 초기 관측값이 조금만 달라져도 며칠 뒤 예상 경로가 달라질 수 있다. 그래서 기상기관은 시작 조건을 조금씩 바꾼 여러 예측을 동시에 돌리고, 결과가 얼마나 모이거나 흩어지는지 살핀다. 이를 ‘앙상블 예보’라고 부른다. 여러 명에게 같은 지도를 주되 출발 정보에 작은 차이를 둔 뒤, 각자가 그린 예상 경로를 겹쳐 보는 것과 비슷하다.
일반적인 앙상블은 계산 비용 때문에 수십 개 시나리오를 사용한다. WeatherNext Cyclones는 AI 계산의 속도를 활용해 태풍 하나에 최대 1,000개 시나리오를 만들 수 있다고 연구진은 설명한다. 15일 전망 하나를 구글의 AI 전용 반도체에서 1분 안에 생성할 수 있다는 것이 회사 측 설명이다.
시나리오 수가 많아지면 가장 자주 나오는 경로뿐 아니라 가능성은 낮지만 피해가 큰 경우를 더 세밀하게 볼 수 있다. 예를 들어 대부분의 시나리오는 태풍이 해상에서 약해질 것으로 보는데 일부가 해안 가까이에서 빠르게 강해지는 결과를 낸다면, 담당자는 그 위험을 완전히 무시하지 않고 대비책을 검토할 수 있다.
그러나 1,000개의 결과가 곧 1,000배 더 정확하다는 뜻은 아니다. 모델이 공통으로 잘못 이해한 현상이 있다면 많은 시나리오가 같은 방향으로 틀릴 수 있다. 중요한 것은 가능한 결과의 분포를 더 촘촘하게 살피는 능력이다. 최종 경보에서는 관측자료와 다른 모델, 예보관의 경험을 함께 비교해야 한다.
한국의 태풍 대비에는 무엇이 달라질까
한국은 여름과 가을에 북서태평양에서 발생한 태풍의 직접 또는 간접 영향을 받는다. 경로가 조금만 서쪽이나 동쪽으로 움직여도 제주와 남해안, 수도권의 위험이 크게 달라지고, 태풍이 해수면의 높은 열을 흡수해 빠르게 강해지면 준비 시간이 짧아진다.
WeatherNext 계열이 현업 검증을 통과하고 국내외 기관의 예보 자료에 포함되면 기대할 수 있는 변화는 세 가지다.
첫째, 태풍 진로의 불확실성을 더 일찍 설명할 수 있다. “한반도 상륙” 같은 단일 선보다 여러 경로의 가능성과 강풍 범위를 함께 보여 주는 예보가 재난 대응에 더 유용하다. 둘째, 급격한 강도 변화 가능성을 일찍 포착할 보조 신호가 늘어날 수 있다. 셋째, 대규모 시나리오를 빠르게 생성해 항공, 해운, 에너지, 보험, 유통처럼 날씨에 민감한 산업이 위험 범위를 미리 계산할 수 있다.
그렇다고 일반 사용자가 구글의 연구 페이지를 보고 스스로 대피 여부를 판단해서는 안 된다. WeatherNext 2 소개 페이지는 Weather Lab의 예측이 개발 중인 실험 모델에서 생성되며 공식 예보나 경보가 아니라고 명시한다. 한국에서는 기상청의 태풍 정보와 재난문자, 지방자치단체 안내가 행동 기준이다. AI 지도는 “가능성을 이해하는 참고자료”이지 공공 경보를 대신하는 허가증이 아니다.
공개 모델이 갖는 의미
구글은 연구 결과만 발표하지 않고 WeatherNext 2와 더 작은 WeatherNext 2-mini, 코드와 모델 가중치를 연구 공동체에 공개한다고 밝혔다. 공개 범위는 중요하다. 특정 기업 내부에서만 시험하면 다른 지역과 기후 조건에서 약점이 드러나기 어렵다. 여러 나라의 기상 연구자가 자국 관측자료와 비교하고, 북서태평양·대서양·인도양 등 해역별 성능을 따로 검증해야 실제 신뢰도를 판단할 수 있다.
공개 모델은 기상 인프라가 부족한 국가에도 의미가 있다. 고성능 슈퍼컴퓨터와 대규모 지역 모델을 독자적으로 운영하기 어려운 기관이 AI 예측을 추가 자료로 활용할 수 있기 때문이다. 열대성 저기압은 국경을 가리지 않지만 관측과 계산 자원은 국가마다 크게 다르다. 빠르고 상대적으로 저렴한 모델이 검증된다면 조기경보 격차를 줄이는 데 기여할 수 있다.
반면 공개만으로 공공 서비스가 생기는 것은 아니다. 정확한 초기 관측값, 안정적인 실행 환경, 결과 해석 인력, 경보를 주민에게 전달하는 통신 체계가 모두 필요하다. 모델 파일을 내려받았다고 곧바로 안전한 태풍 예보가 완성되는 것은 아니다.
과장해서는 안 되는 세 가지
첫째, 연구 성능과 실제 재난 대응 성과는 다르다. 논문은 과거 태풍 자료로 비교한 결과를 제시한다. 실시간 운영에서는 관측 누락, 통신 문제, 예상하지 못한 대기 상황이 생긴다. 여러 해와 여러 해역에서 지속적인 검증이 필요하다.
둘째, AI는 물리 법칙을 무시하고 미래를 보는 장치가 아니다. 과거 대기와 태풍 자료에서 패턴을 배우고 현재 관측을 바탕으로 가능한 다음 상태를 계산한다. 학습 자료와 크게 다른 기후 조건이나 매우 드문 현상에서는 오차가 커질 수 있다.
셋째, 정확도가 좋아져도 경보의 사회적 문제가 자동으로 해결되지는 않는다. 예보가 빨라도 주민이 믿지 않거나 대피할 교통수단과 안전한 공간이 없으면 피해를 줄이기 어렵다. 반대로 경보가 너무 자주 빗나가면 다음 경보에 둔감해질 수 있다. 기술의 역할은 의사결정 시간을 늘리는 것이고, 실제 보호는 행정·통신·지역 공동체의 준비와 함께 이뤄져야 한다.
네이처가 공개한 현재 원고는 편집 전 조기 공개본이라는 점도 남아 있다. 연구 결과 자체는 동료 검토를 거쳐 게재됐지만, 최종 편집 과정에서 표현과 세부 내용이 달라질 수 있다는 안내가 붙어 있다. 구글의 수치는 회사 홍보문만이 아니라 논문에 근거하지만, 독립 연구자와 각국 기상기관의 후속 검증을 함께 봐야 한다.
앞으로 볼 변화
이번 발표에서 기억할 사실은 AI가 태풍 경로만 그리는 단계를 넘어 세기와 강풍 범위까지 하나의 시스템에서 예측했고, 평균적으로 하루 이상의 유용한 예보 시간을 더 확보할 가능성을 보였다는 것이다. 그 하루는 대피와 시설 보호, 물류 조정에서 매우 큰 차이가 될 수 있다.
다음 확인 지점은 명확하다. 먼저 2026년 이후 실제 태풍 시즌에서 사전 예측이 얼마나 맞는지 봐야 한다. 이어 각국 기상기관이 이 모델을 기존 앙상블과 함께 운영 시험하는지, 공개된 모델을 외부 연구자가 재현했을 때 비슷한 결과가 나오는지 확인해야 한다. 마지막으로 소비자가 보는 검색·지도·날씨 서비스에 어떤 형태로 반영되는지도 중요하다.
공식 태풍 특보의 주체가 당장 바뀌는 것은 아니다. 달라진 것은 예보관이 검토할 수 있는 후보가 하나 늘었고, 그 후보가 드문 위험을 빠르게 많이 계산할 능력을 보여 줬다는 점이다. AI의 진짜 가치는 화려한 태풍 영상을 만드는 데 있지 않다. 위험을 더 일찍, 더 구체적인 범위로 알려 사람이 움직일 시간을 확보하는 데 있다.