인공지능 분야는 인간의 지능으로 할 수 있는 사고, 학습, 자기 개발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로서, 컴퓨터가 인 간의 지능적인 행동을 모방할 수 있도록 연구하는 분야이다. 인공지능은 그 자체로 존재 하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련되어 있다. 특히 현 대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
자연언어처리(natural language processing) 분야에서는 이미 자동번역과 같은 시스템 을 실용화하며, 특히 연구가 더 진행되면서 사람이 컴퓨터와 대화하며 정보를 교환할 수 있게 되므로 컴퓨터 사용에 혁신적인 변화를 가져오고 있다.
전문가시스템(expert system) 분야에서는 컴퓨터가 현재 인간이 하고 있는 여러 가지 전문적인 작업들(의사의 진단, 광물의 매장량 평가, 화합물의 구조 추정, 손해 배상 보험 료의 판정 등)을 대신할 수 있도록 하는 것이다.
컴퓨터가 TV 카메라를 통해 잡은 영상을 분석하여 그것이 무엇인지를 알아내거나, 사 람의 목소리를 듣고 그것을 문장으로 변환하는 것 등의 일은 매우 복잡하며, 인공지능적 인 이론의 도입 없이는 불가능하다. 이러한 영상 및 음성 인식은 문자 인식, 로봇 공학 등에 핵심적인 기술로서 연구되고 있다.
이론증명(theorem proving)은 수학적인 정리를 이미 알려진 사실로부터 논리적으로 추 론하여 증명하는 과정으로서 인공지능의 여러 분야에서 사용되는 필수적인 기술이며, 그 자체로도 많은 가치를 지니고 있다.
신경망(neural network)은 비교적 근래에 등장한 것으로서 수학적 논리학이 아닌, 인간 의 두뇌를 모방하여 수많은 처리기들의 네트워크로 구성된 신경망 구조를 이용하여 다양 한 형태의 데이터를 처리하는데 사용되고 있다.
첨단과학기술의 도입을 통한 기상업무 고도화 및 미래 기상 서비스의 수요 대응 기반 을 마련하고, 기상기후 융합서비스 활용 및 기상기후자료의 신뢰성, 접근성 및 활용성 제 고하기 위해 4차 산업 형명의 유망기술인 인공지능을 기상예보에 활용하고자 하는 시도 가 점차 증가하고 있다.
인공지능과 빅데이터는 데이터를 기반으로 하고 있으며, 유효한 데이터가 많을수록 보 다 정확한 예측 결과를 도출할 수 있어 활용분야가 많아질 수 있다. 해양기상분야는 생 산되는 데이터의 종류가 다양하고 데이터의 크기가 커서 다양한 분야에서 인공지능과 빅
데이터를 활용할 수 있을 것으로 예상된다. 특히, 해양기상분야는 현재 생산되는 데이터 외에도 이미 축적된 데이터의 양이 매우 많기 때문에 인공지능을 학습시키기 위한 기반 자료 역시 많은 것으로 판단된다. 예를 들면, 인공지능 기반의 보정 기법을 기존 수치모 델을 이용한 예측 방법에 적용하여 예측 정확도를 높이는 방안을 고려할 수 있다. 즉, 인 공지능과 빅데이터는 축적된 데이터의 양이 많을수록 결과에 대한 정확도와 활용 방법이 많아지며, 해양기상분야는 과거에 생산된 자료 뿐만 아니라 현재 생산되고 있는 데이터 의 양이 매우 많기 때문에 해양기상분야 특히 해양위험기상을 예측하는데 있어 유의미한 결과를 도출할 수 있을 것이다.
기상청 2017년 주요 업무 계획에 따르면, 기상청 내부에서도 2017년 계획 수립, 2018년
~ 2019년 연구개발, 2020년 인공지능 예보생산체계기반 구축이라는 인공지능을 활용한 예보업무 효율화 등 예보생산체계에 대한 새로운 시도를 추진하고 있으며, 관련하여 유 전 알고리즘 등을 이용한 연무 발생 예측 모델 개선, 수치예보모델 단기예측 가이던스 개발 등을 계획 중에 있다.
아래에서는 해양 위험기상 예측을 위한 인공지능, 빅데이터 등 활용기법 제시하기 위 해, 해양기상 예측에 인공지능이 적용된 적용 사례를 조사하여 활용가능성을 진단하고, 해양위험기상 예측을 위한 인공지능 기법을 제시하고자 한다.
가. 인공지능 활용 사례
n IBM
IBM은 인공지능을 학습시킬 자체 빅데이터 부족을 해결하고자 웨더컴퍼니를 약 2조원 에 인수하여 기상예측용 ‘왓슨 애널리틱스’ 플랫폼을 통해 기업의 운영과 비즈니스 의사 결정에 기상정보를 적용하고자 했다. 웨더컴퍼니는 전 세계 기상데이터, 약 300여명의 기 상전문가, 항공기 5만 여대로부터 생성되는 30억 건의 데이터 분석이 가능하며, IBM의
‘왓슨 애널리틱스’는 기업의 운영과 비즈니스 의사결정에 누적/실시간 기상정보를 적용하 여 보험, 에너지, 소매, 물류 등을 위한 산업 솔루션을 개발하기 위해 솔루션 개발 중에 있다. 한편, 웨더 컴퍼니는 드론 내비게이션 스타트업인 에어맵(Airmap)과 협력하여 드 론 조종자들에게 기상정보를 실시간으로 제공할 계획을 가지고 있다.
왓슨 애널리틱스는 자연어 처리기술을 기반으로 제공되는 혁신적인 인지 서비스, 기업 사용자가 고도의 예측·시각 분석 툴을 스마트 기기를 통해 즉각적으로 접근할 수 있도록 해주는 최첨단 예측 서비스로, 마이크로소프트, 버스트(Burst), 아나플랜(Anaplan), 타이 드마크(Tidemark) 등의 분석틀과 차별화된 자연어처리 기능을 활용, 중요한 질문들을 자 연어로 인지하고 분석하여 결과를 산출한다. 단일 비즈니스 분석에 있어서 비즈니스 전
문가들이 문제를 발견하면, 왓슨 애널리틱스는 데이터 수집, 클렌징, 정제, 통찰력 발견, 결과 예측 및 시각화, 보고서 및 대시 보드 작성, 다른 사람과의 협업이 가능하도록 지원 하며, 유도예측 분석에 있어, 예측 분석을 활용해 주요 사실들을 밝히고, 예측하지 못했 던 패턴이나 관계를 찾아내도록 고안되었다. 왓슨 애널리틱스는 기상분석을 통해 보험료 신청의 주된 원인을 분석할 수 있으며 예를 들어 강수가 보험료의 주된 원인으로 분석된 경우 이에 대한 대책으로 강수 전에 사용자에게 강수에 대한 경계정보를 전송함으로써 이에 대한 대책을 마련하도록 돕고 있다. (그림 42 참조)
그림 42 왓슨 애널리틱스 (IBM)
n 에어비주얼(Air visual)
에어비주얼은 공기 질 측정값에 대한 빅데이터를 활용하고자 각국의 환경, 컴퓨터공학, 디자이너 등이 협업하여 설립했다. 빅데이터 기반의 프로그램 개발로 위성정보와 연계하 여 기상에 따라 각국의 대기오염 물질이 어떻게 흘러가는지에 대한 3D 지도를 만들었다.
에어비주얼은 자사의 앱(Application)을 활용하여 모든 공기 질 측정값과 비교 순위, 지 도 정보를 무료로 공개 중이다. (그림 43 참조)
그림 43 에어비쥬얼 서비스 (Air visual)
n Microsoft
마이크로소프트는 인공지능을 적용한 예보모델인 Deep Hybrid Model을 개발했으며, 이 모델은 미 대륙 60개 고층대기 관측소의 기상, 기후자료에 인공지능 기술을 적용하고 기상학적 법칙으로 추가, 보정하는 과정을 통해 예보를 생산한다.
마이크로 소프트는 인공지능을 통해 학습하는 예측 모델과, 날씨 관련 변수를 포함하 는 신경망 네트워크를 통해 기상을 예측하고 있으며, 넓은 영역의 공간 종속성을 바탕으 로 하는 공간 보간을 통해 성능을 향상시켜 보다 효율적인 학습 및 추론 절차를 도출한 다고 밝혔다. (그림 44 참조)
그림 44 Deep hybrid model 개념도 (Microsoft, 2015)
n 한국
SK TechX는 슈퍼컴퓨터를 통해 생산된 기상 예보를 기계학습을 통해 최종 일기예보 를 생산하는 모델을 개발했으며, 휴대전화 기지국 천여 곳에 기상장비를 설치하고, 실제 관측자료와 같은 예보를 내도록 인공지능을 학습 중에 있다.
부경대는 기상정보를 바탕으로 기상 상황을 70m 단위로 파악해 자연재해의 가능성을 판단하는 AlphaMet을 개발했으며, AlphaMet은 지상 관측정보와 상층 기상자료, 지형데 이터를 실시간으로 수집해 특정 지역 기상 변화를 유추할 수 있다.
KISTI는 단기재난 예측을 위해 태풍 진로를 예측하는 DeepTC를 개발했으며, DeepTC 는 한반도에 큰 영향을 준 10개의 태풍 데이터를 기반으로 풍속, 강수량, 기압 등의 기상 변수를 선별해 학습하여 태풍 진로를 예측한다.
나. 활용가능성 진단
n 위험기상 예측을 위한 인공지능의 연구 현황
위험기상을 예측하는데 있어 다양한 인공지능 기법을 도입하려는 시도가 이뤄지고 있 으나 크게 기계학습을 통한 인공지능 학습과 딥러닝을 통한 인공지능 학습 방법이 이용 되고 있다.
기계학습 인공지능 기법을 이용한 위험 예측은 1990년대에도 이론적인 연구가 진행되 었으나, 컴퓨팅 성능이 발전한 2000년대 중반부터 본격적인 연구가 진행되었으며, 최근까 지도 기계학습을 통한 인공지능 기법을 이용하여 위험기상을 예측하기 위한 시도가 이루 어지고 있다. 한편, 딥러닝 인공지능 기법을 통한 기상 위험 예측은 2010년대 중반에 들 어 관련 연구가 진행되고 있다. (그림 45 참조)
그림 45 인공지능 기법의 현재 위치와 인공지능 기법의 출현 시기
아래에서는 NTIS를 통한 국가 과제 검색, Google Scholar 및 RISS를 통한 연구 검색 을 통해 인공지능의 활용가능성을 진단하고자 한다. 기상, 인공지능을 기초로 검색어를 작성하였으며, 검색된 결과로부터 관련성 있는 과제를 관련 과제/연구로 선정하였다. (표 19 참조)
검색 DB 검색어 검색건수 관련과제/연구
NTIS
(과제검색) (기상and 인공지능)and (2017 or 2018).과제년도. 89 14 Google
Scholar (관련 연구검색)
(Weather or Climate or 기후 or 기상) and (인공지능 or AI or Artificial intelligence)
-6
6 RISS
(관련 연구검색)
(Weather or Climate or 기후 or 기상) and (기계학습or
기계학습 or machine learning) 267 17 (Weather or Climate or 기후 or 기상) and (딥러닝or
deep learning) 91 17
표 19 연구 검색을 위한 검색어 및 선정된 과제/연구
과제수행시작 과제명 과제관리기관 2018 대기-해양 결합예측을 통한 특이 해양기상예보 정확도
향상연구 한국기상산업기술원
2018 영상 빅데이터를 기반으로 한 인공지능 기상센서 중소기업기술정보진 흥원
2018 위성정보 처리 및 융합 서비스 기술 개발 정보통신기술진흥센
터
2018 인공지능 기술 활용 지진감지업무 적용 기술 연구 한국기상산업기술원 2018 인공지능을 이용한 날씨컨설팅 웨더봇 기술 개발 한국기상산업기술원 2018 지역특성에 따른 호우재해 영향 예측 모델 및 플랫폼 개발 한국기상산업기술원 2018 해양수치모델링과 지능정보기술을 활용한 해양예측 정확도
향상 연구
해양수산과학기술진 흥원
2018 호우 영향모델 적용을 위한(초단기, 단기, 중기) 예측강우
적용기술 개발 한국기상산업기술원
2017 Machine Learning 기술과 기상/강우 레이더를 활용한
지속발전가능 재해예측 시스템 개발 한국연구재단
2017
기상예보 정확도 향상과 기상융합 신산업 창출을 위한 통계학습 및 인공지능 기반 한국형 기상/기후 예보 시스템
개발
한국연구재단 2017 미래 기상업무 변화 대응 인공지능 기술 활용 전략 기획 기상청 2017 태풍의 경로 및 세기 예측을 위한 순환회선신경망
인공지능기술 개발 한국연구재단
2017 한국형 수치예보모델개발 기상청
2017 미래유망 민간기상 서비스 성장기술 개발 기상청
표 20 국가과제 수행 현황
NTIS(국가과학기술지식정보서비스)를 통해 검색된 2017년과 2018년 신규로 시작된 기 상 분야와 인공지능이 결합된 기술 과제를 살펴보면, 대기-해양 및 연안 해양-파랑, 지 진, 호우, 태풍 등의 기상현상에 대한 연구가 신규로 진행되었으며, 모델링/분석/예측에 인공지능을 융합하는 연구가 진행되거나, 진행 중에 있어, 특정 기상 현상에 대한 연구를 위해 인공지능을 이용하거나 또는 모델링, 분석, 예측에 인공지능을 결합하여 보다 나은 결과를 도출해내기 위한 연구를 진행 중인 것으로 나타났다. (표 20 참조)