높은 하늘에서 수천 마일 이상의 속도로 수만 개의 골프공이 떨어지고 있다고 상상해보세요. 아마도 우박으로 입게 될 피해가 상상이 되실 겁니다.
우박은 단 몇 분만에 농작물과 자동차를 파손하고, 유리를 깨고 심지어 집, 건물에 구멍을 만들어 수 십억 달러의 손실을 초래할 수 있습니다.
이번 주 GTC(GPU Technology Conference) 2018 세션에서 미 국립대기연구센터(The National Center for Atmospheric Research)의 연구원으로 있는 데이비드 가네 일 (David Gagne II) 박사는 “우박으로 매우 큰 피해를 당할 수 있기 때문에, 좀 더 정확한 예측으로 사람들이 사전에 대피소로 이동하고, 재산도 보호할 수 있길 바랍니다”라고 말했습니다.
가네 박사와 NCAR의 다른 과학자들은 가속화된 GPU 기반 딥 러닝을 이용하여 우박이 떨어질 위치나 크기를 예측합니다.
현재 우박 예보 기간이 짧음
우박은 뇌우의 상층기류가 물방울을 충분히 옮길 수 있을 때 발생합니다. 얼어붙은 물방울은 우박이 되고, 추가적으로 물이 얼어붙으면 더 커집니다. 이때 우박이 상승기류에 비해 무겁게 되면, 바닥을 향해 떨어지게 됩니다.
가네 박사는 기존에도 기상학자와 과학자들이 폭풍과 같은 날씨를 예측하는 여러 방법을 시도했지만, 이 모든 방법들도 결국 폭풍을 놓치고, 오류 경보를 냈다고 말합니다. 과학자들은 머신 러닝 기반으로도 기상 예측을 시도했습니다.
“머신러닝으로 신뢰할 수 있는 악천후 예보는 가능하지만, 공간 패턴을 학습하는 데 어려움을 겪습니다.”라고 가네 박사가 말했습니다. 이 패턴은 비 또는 우박의 영향을 받는 영역을 나타냅니다.
인공지능의 ‘예측’ 잠재력
대조적으로 가네 박사와 American Meteorological Society 저널에 실린 다른 과학자들의 논문에 따르면 상대적으로 공간패턴, 시간 및 조건에 대한 물리적 이해를 딥 러닝 모델에 통합하는 것은 다른 방법에 비해 상대적으로 쉽습니다.
또한, 인공지능은 TV의 일기예보에서 볼 수 있는 멀티 컬러지도인 도플러 레이더 맵(Doppler Radar Map)과 같은 데이터에 새로운 정보를 가져올 수도 있습니다.
가네 박사는 “딥 러닝이 이미지를 해석하는 것이 기상 학자들이 하는 것과 같은지 다른지 궁금했다”고 말했습니다.
우박으로 인한 자동차의 피해를 예측
가네 박사와 팀은 엔비디아 테슬라(NVIDIA Tesla) GPU와 cuDNN 가속화 텐서플로우(TensorFlow) 딥 러닝 프레임워크를 사용하여, 지름 25mm(약 1인치) 이상 크기의 우박을 예측하는 모델을 학습시킵니다.
가네 박사는 “이런 우박은 자동차를 박살내거나 지붕을 부술 수 있는 크기입니다.”라고 말했습니다.
지금까지의 딥 러닝 실험에서 이들의 모델은 일반적인 다른 방법보다 잘못된 경보도 적었고 정확도도 높았습니다. 가네 박사는 더 정확한 우박 예측은 사람들이 보호 지역으로 대피할 수 있는 기회를 주며, 안전한 곳에 주차하고, 공항이 비행기에 여정 변경을 요청하거나 항공편을 취소 할 수 있게 해줄 것이라고 말했습니다.
다른 과학자들과 함께 가네 박사는 강풍과 태풍 주기 등을 예측하기 위해 인공지능으로 지속적인 연구를 하고 있습니다.