사진 Image courtesy of Mike Trenchard, Earth Sciences & Image / Public domain
AI 일기예보 시대
일기예보를 AI가 한다
— 확률 예보 AI 실전 투입
확률과 통계 · 통계적 추정 · 지구과학 · 수학·통계학 · 물리학
2025년, 유럽중기예보센터가 세계 첫 운영용 AI 기상모델을 가동했습니다. 구글 딥마인드의 AI 모델은 15일 앞까지 확률로 날씨를 예보해 기존 최고 수치모델을 능가했습니다.
미국 기상청도 AI 모델을 도입하며, 일기예보 방식이 바뀌고 있습니다.
'통계적 추정' 단원은 모은 자료로 알 수 없는 값을 추정하되, 그 추정에 따르는 불확실성을 함께 나타내는 방법을 다룹니다.
표본에서 얻은 값으로 모집단의 값을 추정할 때, 하나의 값으로 단정하지 않고 신뢰구간 같은 범위와 확률로 나타냅니다. 표본이 가질 수밖에 없는 흔들림 때문에 추정에는 늘 불확실성이 남는다는 점이 핵심입니다.
'비 올 확률 70%'는 하나의 답을 단정하는 대신, 가능한 결과를 확률로 나타내 불확실성까지 함께 알려 주는 표현입니다.
'통계적 추정' 단원에서 학습하는 핵심이 바로 이 점입니다. 추정에는 늘 불확실성이 따르므로, 하나의 값이 아니라 가능한 범위와 확률로 나타냅니다. AI 기상 모델은 내일 날씨를 여러 갈래로 예측한 뒤, 그중 비가 오는 경우의 비율을 확률로 내놓습니다.
예전 일기예보는 대기의 물리 법칙을 계산해 하나의 미래를 내놓았습니다. AI 기상 모델은 과거 수십 년의 날씨 자료에서 지금 대기 상태에 이어질 가능성이 높은 다음 상태를 학습으로 익혀 예측합니다.
핵심은 한 번만 예측하지 않는다는 점입니다. 같은 출발 조건에서도 조금씩 다른 결과가 나오도록 수십 갈래의 예측을 만들어 앙상블을 구성합니다. 이 갈래들 가운데 비가 오는 경우가 70%라면, 그것이 곧 '비 올 확률 70%'가 됩니다. 갈래들이 비슷한 결과로 모이면 예보가 확실하다는 뜻이고, 제각각으로 흩어지면 그만큼 불확실하다는 신호입니다.
날씨는 처음의 작은 차이가 시간이 갈수록 크게 벌어지는 성질이 있어, 먼 미래일수록 갈래들이 더 흩어지고 확률도 흐려집니다. 그래서 '비 올 확률 70%'라고 했을 때 실제로 그런 날 중 약 70%에 비가 왔는지를 사후에 맞춰 보는 검증이 따라야, 그 확률이 믿을 만한 값이 됩니다.
생기부 기재 예시
확률 예보 AI 사례에 호기심을 가져 과거 날씨 자료를 바탕으로 미래 값을 추정하는 통계적 추정의 의미를 조사함. AI 기상모델이 내일 날씨를 하나의 값이 아니라 비 올 확률 70%처럼 확률로 제시하는 방식에 주목하여, 추정에는 불확실성이 따른다는 점을 정리하고 설명함. 또한 멀어질수록 예측이 어려워지는 날씨 특성을 근거로, 여러 가능성을 범위와 확률로 나타내는 것이 더 정직한 예보임을 분석함. 이를 바탕으로 실제 예보 문장을 읽고 확률 표현의 의미를 비교하며 자료를 체계적으로 정리하는 모습을 보임. 나아가 확률값이 실제와 얼마나 맞는지 확인하는 검증의 필요성을 제시하며 탐구 보고서 작성함.
* 2026 생기부 기재 가이드라인, MOE Q&A와 FAQ, 메디컬저널 작성 공식 반영