아침에 창문을 열기 전에 휴대폰부터 봅니다. “오늘 비 와?” Gemini에 묻고, Google 지도에서 이동 경로를 확인하고, 검색창에서 주말 날씨를 찾아봅니다. 화면에는 기온과 우산 아이콘 몇 개만 보이지만, 그 숫자를 만드는 뒤편은 빠르게 바뀌고 있습니다.
포케입니다. 이거 아세요?! Google DeepMind와 Google Research가 공개한 WeatherNext 3(웨더넥스트 3) 는 단순히 계산이 빨라진 연구 모델이 아닙니다. 최근 위성 관측을 직접 입력받아 매시간 새로운 글로벌 예보를 만들고, 그 결과가 Google Search·Gemini 앱·Google Maps 같은 일상 서비스에 들어가기 시작한 운영 모델입니다.
먼저 숫자부터 바로잡겠습니다. WeatherNext 3의 핵심은 “상층대기 정확도가 5% 올랐다”가 아닙니다. Google 공식 발표와 논문에서 확인되는 변화는 주요 지표면 변수의 공간 해상도가 25km에서 최대 5km로 촘촘해지고, 예보 생성 주기가 6시간에서 1시간으로 짧아졌다는 것입니다. 또 “지표면 온도가 30% 정확해졌다”는 설명도 공식 자료와 맞지 않습니다. 30%는 미국의 레이더 기반 강수 자료 MRMS를 기준으로 평가한 확률 강수예보 CRPS 개선 수치입니다.
WeatherNext 3는 무엇인가
WeatherNext 3는 전 세계 날씨를 최대 15일 앞까지 여러 가능성으로 예측하는 Google의 확률형 AI 기상 모델입니다. 하나의 답만 내는 대신 64개의 앙상블 멤버를 만들어 “비가 올 가능성이 얼마나 되는지”, “태풍 경로가 어느 범위로 갈 수 있는지”처럼 불확실성을 함께 표현합니다.
기존 수치예보는 현재 대기 상태를 분석한 뒤 물리 법칙을 슈퍼컴퓨터로 계산합니다. AI 기상 모델은 오랜 기상 자료에서 대기의 변화 패턴을 학습해 미래 상태를 빠르게 계산합니다. 하지만 WeatherNext 3가 물리학이나 기존 수치예보를 없앤다는 뜻은 아닙니다. 실제로 이 모델도 기존 분석 자료를 입력으로 함께 쓰며, 예보의 초기 상태와 검증에는 전통적인 관측·분석 체계가 필요합니다.
Google은 WeatherNext 3를 자사의 “플래그십 운영 모델”로 설명합니다. 개발자 문서 기준으로 최장 15일 글로벌 확률예보를 매시간 초기화하며, 64개 앙상블 멤버를 제공합니다. 연구 결과가 논문 속에만 머무는 것이 아니라 실제 데이터 제품과 소비자 서비스로 연결됐다는 점이 이번 발표의 중요한 차이입니다.
첫 번째 변화: 25km 격자가 최대 5km로 촘촘해졌다
서울과 인천, 산 정상과 골짜기는 같은 날에도 기온·습도·비가 다를 수 있습니다. 그런데 전 지구 모델의 격자가 너무 크면 이런 차이가 한 칸 안에서 평균화됩니다. 지도가 흐릿해지는 셈입니다.
WeatherNext 2는 25km 격자에서 6시간 간격으로 예보를 만들었습니다. WeatherNext 3는 기온·습도 같은 주요 지표면 변수를 5km, 다른 지표면 변수를 10km, 풍속 같은 상층 대기 변수를 25km 해상도로 계산합니다. 모든 변수가 5km인 것은 아니지만, 생활에서 체감하기 쉬운 지표면 변수는 이전보다 최대 다섯 배 촘촘해졌습니다.
여기서 “5배 높은 해상도”는 정확도가 무조건 다섯 배라는 뜻이 아닙니다. 지도 한 칸의 가로 길이가 25km에서 5km로 줄었다는 공간적 세밀함의 표현입니다. 더 촘촘하게 계산해도 관측이 부족하거나 급격한 대류 현상을 놓치면 예보는 틀릴 수 있습니다. 해상도와 예측 정확도를 같은 숫자로 읽으면 안 됩니다.
두 번째 변화: 최근 위성 관측을 직접 입력한다
기존 AI 기상 모델 상당수는 관측 그 자체보다 수치예보가 만든 ‘분석장’을 학습하고 초기 입력으로 사용했습니다. 분석장은 여러 관측을 물리 모델과 결합해 만든 현재 대기의 격자형 추정치입니다. 유용하지만 만드는 데 시간이 들고, 분석 과정의 편향이 AI 모델로 이어질 수도 있습니다.
WeatherNext 3 논문에 따르면 기존 운영 분석은 6시간마다 생산되고 분석·배포에도 시간이 필요해, 최신 분석 상태가 실제 시각보다 6~12시간 오래된 경우가 생깁니다. WeatherNext 3는 이를 보완하기 위해 최근 12개의 정지궤도 위성 모자이크 프레임을 입력합니다. 위성 자료는 한 시간마다 들어오며 가장 최근 프레임의 운영 지연은 1시간 미만입니다.
따라서 “완전한 실시간 예보”라는 표현도 조심해야 합니다. 관측·수집·처리에 시간이 전혀 들지 않는 것은 아닙니다. 정확한 설명은 낮은 지연의 위성 관측을 직접 활용해 매시간 새 예보를 만든다입니다.
지상 관측소 자료를 직접 학습하는 것도 중요합니다. WeatherNext 3의 관측소 출력부는 관측소 고도, 육상·해상 여부, 시간 차이 같은 정보를 이용해 임의 위치의 지상 2m 기온과 이슬점 등을 예측합니다. 논문에서는 학습에 보지 못한 관측소를 대상으로도 경쟁 글로벌 모델보다 낮은 오차를 보였다고 설명합니다. 다만 이는 연구진의 평가 결과이며 모든 지역·모든 날씨에서 항상 우월하다는 보증은 아닙니다.
세 번째 변화: 비와 눈의 ‘한 가지 답’이 아니라 가능성을 계산한다
비는 글로벌 모델이 특히 어려워하는 변수입니다. 구름 안의 과정은 작고 빠르게 변하며, 소나기 경계는 몇 킬로미터 차이로 갈립니다. 그래서 전 지구 예보에서는 강수 영역이 뭉개지거나 강한 비구름의 경계를 놓치기 쉽습니다.
Google은 WeatherNext 3의 강수 학습에 NASA의 위성 기반 IMERG와 자체 위성 레이더 기반 글로벌 강수 재분석을 사용했습니다. 공식 발표가 제시한 중기 확률 강수예보의 CRPS 개선 폭은 비교 기준에 따라 다릅니다. IMERG 기준 최대 60%, 미국 MRMS 기준 30%, 초기 예측 구간의 우량계 관측 기준 최대 10%입니다.
CRPS는 단순한 적중률이 아닙니다. 여러 가능성으로 제시한 확률분포가 실제 관측과 얼마나 가까운지 평가하는 점수입니다. 그래서 “비 예보 정확도가 전 세계에서 60% 올랐다”고 한 문장으로 줄이면 과장입니다. 어떤 자료를 정답으로 삼았는지, 어느 예측 구간인지 함께 말해야 합니다.
Google 제품에서 사용자가 체감할 수 있는 수치는 따로 있습니다. 회사는 하루 이상 앞선 계획에서 강수 예보가 최대 50% 더 정확해질 수 있으며, 기존에 예보 신뢰도가 낮았던 지역에서 개선 폭이 크다고 설명합니다. 이것도 모든 도시와 모든 예보 시간이 일률적으로 50% 좋아진다는 뜻은 아닙니다.
Google Search·Gemini·Maps에는 이미 들어갔나
Google 공식 발표는 WeatherNext 3가 부터 Google Search, Gemini 앱, Google Maps, Google Maps Platform Weather API, Google Earth Engine의 날씨 경험을 지원하기 시작한다고 밝혔습니다. 개발자와 연구자는 BigQuery·Earth Engine에서 운영 예보 데이터를 조회하거나 Cloud Storage에서 내려받을 수 있습니다.
여기서도 “전 세계 모든 사용자 화면이 발표 당일 한꺼번에 교체됐다”고 쓰면 지나칩니다. 공식 표현은 ‘starting today’, 즉 이날부터 지원을 시작한다는 뜻입니다. 서비스·지역·화면에 따라 적용 시점과 표시 방식은 달라질 수 있습니다. Pixel Weather는 WeatherNext 2 발표 때 적용 대상에 포함됐지만, WeatherNext 3의 이번 공식 적용 목록에는 별도로 적혀 있지 않습니다.
Gemini가 날씨를 스스로 예측하는 것도 아닙니다. Gemini가 날씨 질문에 답할 때 WeatherNext 3가 만든 예보 정보를 활용하는 구조에 가깝습니다. 언어 모델의 설명 능력과 기상 모델의 수치 예측 능력은 구분해야 합니다.
생활 인프라가 된다는 건 무슨 의미일까
WeatherNext 3의 의미는 챗봇보다 조용합니다. 사용자가 모델 이름을 몰라도 검색 결과의 강수 확률, 지도에서 보는 이동 날씨, 여행 계획을 묻는 Gemini의 답 안에서 결과를 접하기 때문입니다. AI가 별도 앱으로 등장하는 대신 이미 쓰는 서비스의 기반 시설로 숨어드는 사례입니다.
활용 범위는 우산 여부보다 넓습니다. 모델은 풍력 터빈 높이와 비슷한 지상 100m 풍속, 고해상도 구름 분포와 일사량도 예측합니다. 풍력·태양광 발전량을 예상하고 전력 수요와 맞추는 데 필요한 변수입니다. 항공 경로, 농업, 물류, 재난 대응처럼 날씨에 민감한 의사결정에도 더 잦고 세밀한 예보가 유용할 수 있습니다.
또 하나의 변화는 고해상도 지역 모델을 운영하기 어려웠던 지역입니다. 전통적인 지역 수치예보는 관측망과 슈퍼컴퓨팅 비용이 큽니다. Google은 중남미·아프리카·아시아태평양처럼 고해상도 예보 접근성이 낮았던 지역에 글로벌 5km급 지표면 예보가 도움이 될 수 있다고 설명합니다. 하지만 관측망이 빈약한 지역에서 실제 재난 대응 성과가 얼마나 개선되는지는 운영 데이터를 더 지켜봐야 합니다.
그렇다면 기상청 예보는 필요 없어질까
아닙니다. AI 모델은 강력한 예측 도구지만 공식 특보를 발령하거나 주민 대피를 결정하는 기관이 아닙니다. 각국 기상청은 여러 수치 모델, 레이더·위성·지상 관측, 지역 지형, 예보관의 판단을 함께 사용합니다. 모델 한 개의 결과가 곧 공식 예보가 되는 구조가 아닙니다.
Google 역시 발표문 끝에서 공식 일기예보와 악천후 경보, 공공 안전 안내는 지역 기상기관이나 국가 기상청을 확인하라고 명시합니다. 한국에서 태풍·호우·폭염 특보나 대피 판단이 필요할 때는 기상청과 정부의 재난문자를 우선해야 합니다.
AI 예보의 한계도 남습니다. 대기는 본질적으로 혼돈계라 초기 상태의 작은 오차가 시간이 지날수록 커집니다. 드물고 극단적인 현상은 학습 자료가 적습니다. 관측 장비 오류, 위성 공백, 지역 편향도 결과에 영향을 줄 수 있습니다. 확률예보가 좋아져도 “비가 40%”라는 숫자를 행동으로 바꾸는 일에는 사람과 기관의 판단이 필요합니다.
자주 묻는 질문
WeatherNext 3는 생성형 AI인가요?
여러 가능한 미래 날씨장을 생성하는 확률형 AI 모델이지만, 대화를 만드는 Gemini와 목적이 다릅니다. 대기 상태·강수·태풍 경로 같은 물리적 시공간 데이터를 예측합니다.
예보를 매시간 만든다는 것은 한 시간 뒤 날씨만 예측한다는 뜻인가요?
아닙니다. 매시간은 새 예보를 시작하는 갱신 주기입니다. 각 실행은 최대 15일 범위의 예보를 만들 수 있습니다.
모든 기상 변수가 5km 해상도인가요?
아닙니다. 주요 지표면 변수는 5km, 기타 지표면 변수는 10km, 풍속 같은 상층 변수는 25km입니다. 변수에 따라 시간 해상도도 다릅니다.
Google 날씨가 기상청보다 정확한가요?
공식 자료만으로 한국의 모든 지역·예보 시간에서 어느 쪽이 항상 우월하다고 말할 수 없습니다. Google의 연구·제품 평가와 한국 기상청의 공식 특보 역할도 서로 다릅니다.
포케의 정리
WeatherNext 3의 진짜 변화는 거대한 정확도 숫자 하나가 아닙니다. 최근 위성 관측을 더 빨리 받아들이고, 주요 지표면 정보를 최대 5km로 쪼개고, 매시간 64개의 가능한 미래를 다시 계산하는 운영 방식입니다.
그 결과는 연구실 대시보드에서 끝나지 않고 Search·Gemini·Maps 안으로 들어갑니다. AI가 “오늘 우산을 챙길까?”라는 아주 평범한 결정 아래에 놓이는 순간입니다. 다만 더 세밀한 지도가 언제나 더 정확한 경보를 보장하지는 않습니다. 이 모델을 흥미롭게 봐야 할 이유와 공식 기상기관을 계속 확인해야 할 이유는 동시에 성립합니다.
