Executive Summary

AI 날씨 모델은 며칠 앞을 놀랍도록 잘 맞힙니다. 그런데 같은 모델에게 먼 미래의 기후를 물으면 이야기가 달라집니다. 2026년 Geophysical Research Letters에 실린 한 연구는 FourCastNet, Pangu-Weather, 그리고 기후 에뮬레이터 ACE2가 모두 실제보다 차가운 미래를 예측한다는 사실을 보고했습니다. 그 편향의 크기는 예보 대상 시점보다 15~20년 더 이른 기후를 닮았고, 미국 동부 같은 일부 지역에서는 20~30년 이른 기후처럼 나왔습니다. 며칠 앞은 그토록 정확하던 AI가, 정작 먼 미래의 기후 앞에서는 왜 조용히 뒤로 물러설까요.

원인은 모델의 영리함이 아니라 무엇을 보고 배웠는가에 있습니다. 세 모델의 훈련 데이터는 대부분 지금보다 서늘했던 과거 기후를 담고 있고, 모델은 낯선 미래를 만나면 익숙한 평균으로 되돌아갑니다. 정작 단순한 통계 베이스라인이 오히려 더 일관된 평균 기후를 내놓았습니다. 게다가 또 다른 연구는 ACE2와 NeuralGCM이 빠른 대기 역학은 물리 모델만큼 재현하면서도, QBO나 남반구환상모드처럼 계절에서 수년에 걸친 느린 변동성은 놓친다는 것을 보였습니다.

벤치마크 점수가 높다고 시스템을 이해한 것은 아닙니다. 날씨 규모에서 이긴 성적은 학습 데이터 분포와 겹치는 구간의 성적일 뿐이고, 분포 바깥의 온난화 추세와 저주파 변동은 애초에 측정되지 않은 영역으로 남습니다. 이 글은 기상학의 사례를 빌려, 무엇으로 학습했는가가 무엇을 영영 모르는가를 정한다는 데이터 원리를 짚습니다.

15~20년

과거로 되돌아간 예보

세 모델이 예보 시점보다 이만큼 이른 기후를 닮음

20~30년

미국 동부의 편차

온난화가 큰 곳일수록 더 크게 벌어짐

0~15일

AI가 앞서는 구간

날씨 규모에선 물리 모델과 대등하거나 우위

느린 변동성

재현하지 못한 영역

QBO·남반구환상모드 같은 저주파 진동

1

날씨는 맞히고 기후는 놓친다

지난 몇 년 사이 AI 날씨 모델은 기상 예보의 지형을 바꿔 놓았습니다. 구글 딥마인드의 GraphCast, 화웨이의 Pangu-Weather, 엔비디아 계열의 FourCastNet은 며칠 앞 예보에서 전통적인 수치예보모델과 겨루거나 앞서면서, 슈퍼컴퓨터 없이도 몇 초 만에 전 지구 예보를 만들어 냈습니다. "AI가 기상청을 이겼다"는 헤드라인이 익숙해질 만큼, 단기 예보에서 AI의 실력은 분명합니다.

GOES 기상위성이 촬영한 지구 전체 원반 이미지 — AI 날씨 모델이 학습하는 전 지구 대기 관측 데이터
▲ GOES 기상위성이 담아낸 지구 전체 원반 — AI 날씨 모델은 이런 전 지구 관측 데이터로 학습한다 | Source: NOAA / Wikimedia Commons

그런데 시야를 며칠에서 수십 년으로 넓히면 같은 모델이 다른 얼굴을 보입니다. 2026년 콜로라도주립대와 보스턴대의 랜즈버그와 반스는 이 모델들에게 자기 학습 데이터보다 한참 뒤의 기간을 예측하게 하는, 말하자면 "미래" 실험을 설계했습니다. 날씨 모델 FourCastNet V2와 Pangu-Weather에게는 2020~2025년 겨울철 지표기온을, 기후 에뮬레이터 ACE2에게는 1996~2010년을 예측하게 했습니다. 세 모델 모두 예측 대상 기간이 각자 훈련 데이터 대부분보다 최근이라, 사실상 배운 적 없는 시대를 내다보는 셈입니다.

결과는 한쪽으로 쏠렸습니다. 세 모델 모두 실제보다 차가운 평균기온을 예측했고, 그 패턴은 예보 대상 시점보다 15~20년 이른 기후를 닮았습니다. 미국 동부처럼 온난화가 뚜렷한 지역에서는 20~30년 더 이른 기후처럼 나오기도 했습니다. 며칠 앞은 정확히 맞히던 모델이, 시간 지평이 길어지자 미래를 과거로 되돌려 그렸습니다.

핵심 관찰: 날씨(0~15일)와 기후(수십 년)는 같은 대기를 다루지만 서로 다른 문제입니다. 단기 예보 실력이 곧 장기 예측 실력을 보장하지 않습니다. 잘 맞히던 AI가 기후 앞에서 뒤로 물러선다면, 그 이유는 모델 안이 아니라 모델이 배운 데이터에 있습니다.

2

왜 늘 더 차갑게만 틀리는가

"콜드 바이어스(cold bias)"는 모델이 실제보다 늘 더 차갑게 예측하는 체계적 편향을 뜻합니다. 무작위로 틀리는 오차가 아니라 한 방향으로 일관되게 기우는 편향이라는 점이 중요합니다. 연구가 흥미로운 지점은, 이 편향이 어느 모델에서 어떤 조건일 때 가장 크게 나타나는지가 모델마다 달랐다는 데 있습니다.

날씨 모델인 FourCastNet과 Pangu-Weather는 가장 더운 예측 기온에서 콜드 바이어스가 가장 컸습니다. 폭염처럼 극단적으로 뜨거운 상황일수록 실제보다 크게 낮춰 잡은 것입니다. 최근 들어 잦아진 기록적 폭염 사례에 모델이 충분히 노출되지 못했다는 신호로 읽힙니다. 반면 기후 에뮬레이터 ACE2의 편향은 온도 분포 전반에 비교적 고르게 퍼져 있으면서도, 기후변화가 가장 크게 진행된 지역과 계절, 온도 구간에서 가장 크게 나타났습니다.

두 갈래의 편향은 결국 하나의 원인을 가리킵니다. 훈련 데이터가 주로 지금보다 서늘했던 과거 기후를 담고 있어, 모델이 낯선 값을 만나면 익숙한 평균으로 되돌아가는 것입니다. 통계학에서 말하는 평균으로의 회귀가, 여기서는 훈련 기후로의 회귀로 나타납니다. 모델은 배운 적 없는 더운 미래보다 자주 본 서늘한 과거를 더 그럴듯하게 여깁니다.

기온 (낮음 → 높음) 학습 데이터 분포 (과거 기후) 실제 미래 기후 15~20년 격차 모델 예측값
▲ 페블러스 원본 도식 — 학습 데이터 분포와 실제 미래 기후의 간극(콜드 바이어스) 개념도

가장 뼈아픈 대목: 단순한 통계 베이스라인 모델이 오히려 FourCastNet·Pangu보다 시간적으로 더 일관된 평균 기후를 제공했습니다. 더 정교한 AI가 더 나은 답을 준다는 통념이, 장기 기후라는 무대에서는 그대로 성립하지 않았습니다. 정교함이 곧 신뢰성은 아닙니다.

3

빠른 파동은 잡고 느린 리듬은 놓친다

콜드 바이어스가 온도의 문제라면, 같은 시기 다른 연구는 대기의 움직임 자체에서 두 번째 균열을 찾아냈습니다. 백스터 연구진은 완전 데이터 기반 에뮬레이터 ACE2와 AI-물리 하이브리드 모델 NeuralGCM을 평가했습니다. 두 모델 모두 1980년 이후 위성시대 재분석 자료 ERA5로 학습해 대기 순환을 흉내 냅니다.

평가 기준은 느슨하지 않았습니다. 두 모델을 전통 물리 기반 모델들의 국제 비교 프로젝트(AMIP)에 참여한 모델들과 나란히 놓고, 대기 순환의 네 가지 지표로 하나씩 따졌습니다. 열대의 대규모 파동, 중위도 편서풍과 에디의 상호작용, 적도 성층권의 준2년 주기 진동, 그리고 남반구환상모드의 극방향 전파. 이 네 지표는 빠른 현상과 느린 현상으로 성적이 뚜렷이 갈렸습니다.

빠른 현상에서는 성적이 좋았습니다. 열대의 대규모 파동, 중위도 편서풍과 에디의 상호작용 같은 빠른 대기 역학은 전통 물리 기반 모델과 대등하거나 더 우수하게 재현했고, 계산 비용은 훨씬 낮았습니다. 여기까지만 보면 AI가 물리 모델을 대체할 날이 멀지 않아 보입니다.

문제는 느린 현상이었습니다. 계절에서 수년 단위로 천천히 반복되는 저주파 변동, 이를테면 적도 성층권의 준2년 주기 진동(QBO)이나 남반구환상모드(SAM)의 극방향 전파를 두 모델은 제대로 포착하지 못했습니다. QBO는 대략 28개월을 주기로 성층권 바람의 방향이 뒤집히는 현상이고, SAM은 남반구 중고위도의 기압 분포가 오르내리는 진동입니다. 며칠 규모의 파동은 잡아내던 모델이, 수년에 걸쳐 느리게 숨 쉬는 리듬 앞에서는 눈을 감았습니다.

적도 성층권 준2년 주기 진동(QBO)의 실측 관측 다이어그램 — 고도와 연도에 따라 바람 방향이 반전되는 패턴
▲ 실측 QBO(준2년 주기 진동) 관측 다이어그램 — 성층권 고도별 바람 방향이 약 28개월 주기로 뒤집힌다 | Source: Wikimedia Commons (CC BY-SA)

정리: 빠른 대기 역학과 느린 기후 변동성은 다른 종류의 문제입니다. 전자에서 이긴다고 후자에서도 이긴다는 보장이 없습니다. 온도에서는 콜드 바이어스로, 순환에서는 느린 변동성의 실패로, 같은 결론이 서로 다른 축에서 두 번 나타난 셈입니다.

4

벤치마크와 이해는 다르다

같은 학술지에 실린 스카이프의 커멘터리는 이 두 연구를 하나의 진단으로 묶습니다. 그는 AI 기후 모델의 성과가 "놀라운 성공과 실망스러운 실패"가 공존하는 단계에 있다고 정리합니다. 며칠 앞 예보에서 보인 성공은 분명하지만, 대기의 매우 느린 기후 변동성을 재현하지 못한다는 한계 역시 분명하다는 것입니다.

여기서 다시 짚어야 할 것은 벤치마크의 성격입니다. AI 기상 모델이 리더보드에서 매긴 점수는 대부분 단기 예보 정확도, 곧 학습 데이터 분포와 겹치는 구간의 성적입니다. 그 구간에서 좋은 점수를 받았다는 사실은, 모델이 대기의 물리를 온전히 이해했다는 증거가 되지 못합니다. 스카이프가 강조하듯, 지금 필요한 것은 이전까지 검증되지 않았던 측면을 하나씩 드러내는 작업입니다. 이런 검증이 쌓여야 다음 세대 모델을 신뢰할 수 있는 장기 예측으로 이끌 수 있습니다.

전체 대기·기후 상태 공간 벤치마크가 측정하는 범위 (학습 데이터 분포) ✓ 0~15일 날씨 예측 — AI 우세 ! 온난화 추세 (수십 년) ! QBO·SAM 느린 변동성 측정되지 않은 영역 — 벤치마크 점수가 말해주지 않는 곳
▲ 페블러스 원본 도식 — 벤치마크가 측정하는 학습 데이터 분포와, 측정되지 않는 분포 밖 위험 영역

관점을 조금 넓히면, 비슷한 시기에 나온 다른 연구들도 결이 같습니다. 물리 기반 모델이 기록적인 극한 사건 예측에서 AI 예보를 앞선다는 보고가 함께 나오면서, "AI가 무조건 낫다"는 통념에 균열이 생겼습니다. AI는 이기는 구간과 지는 구간이 뚜렷이 나뉘고, 그 경계는 대체로 학습 데이터가 촘촘한 곳과 성긴 곳의 경계와 겹칩니다.

한 줄 관찰: 벤치마크 점수가 높다는 것은 "측정된 범위 안에서 잘한다"는 뜻이지, "시스템을 이해했다"는 뜻이 아닙니다. 두 문장을 같은 말로 읽는 순간, 분포 바깥의 실패는 조용히 숨습니다.

5

학습 데이터가 정하는 한계선

기상학 바깥으로 이 이야기를 끌고 나오면, 데이터를 다루는 누구에게나 익숙한 질문이 남습니다. 우리는 AI 성능을 이야기할 때 대개 모델부터 봅니다. 더 큰 파라미터, 더 새로운 아키텍처, 더 높은 벤치마크 점수를 찾습니다. 그런데 콜드 바이어스 사례가 보여 주는 것은, 아무리 최신 아키텍처라도 학습 데이터의 분포 자체가 과거에 머물러 있으면 구조적으로 미래를 못 본다는 사실입니다.

핵심은 분포입니다. 모델이 잘하는 범위는 학습 데이터가 촘촘한 범위와 거의 일치하고, 분포 바깥은 아예 측정되지 않은 채로 남습니다. 먼 미래의 온난화 추세도, 수년 주기의 느린 변동성도, 훈련 데이터에 충분히 담기지 않았다면 모델의 시야 밖에 있습니다. 벤치마크는 이 사각지대를 알려 주지 않습니다. 평가 자체가 학습 데이터와 겹치는 구간에서 이뤄지기 때문입니다.

페블러스가 데이터 최신성을 다룬 앞선 글에서, WeatherMesh가 ECMWF를 이긴 비결이 더 신선한 데이터였다는 이야기를 한 적이 있습니다(AI가 기상청을 이겼다). 오늘의 사례는 그 동전의 반대면입니다. 신선한 데이터가 답할 수 있는 문제가 있고, 아무리 신선해도 분포가 과거에 갇혀 있으면 답할 수 없는 문제가 있습니다. 데이터의 최신성과 대표성은 다른 축입니다.

그래서 실무의 질문은 두 겹이 됩니다. 우리 모델이 학습한 데이터는 우리가 예측하려는 미래의 상황을 담고 있는가. 그리고 우리의 평가 범위는 학습 데이터 분포를 넘어서는 구간까지 검사하고 있는가. 이 두 질문에 답하지 못하면, 벤치마크에서 이기고도 실제로는 조용히 틀리는 콜드 바이어스가 기상학만의 이야기로 남지 않습니다. 사기 탐지든, 수요 예측이든, 자율 운영이든, 무엇으로 학습했는가가 무엇을 영영 모르는가를 정한다는 원리는 똑같이 작동합니다.

한 줄 요약: 학습 데이터의 분포가 곧 모델의 한계선입니다. 벤치마크 점수는 그 한계선 안쪽의 성적일 뿐이고, 진짜 리스크는 늘 분포 바깥에서 조용히 자랍니다. 모델을 고르기 전에 데이터의 대표성과 평가의 범위를 먼저 묻는 일이, AI-Ready Data의 출발점입니다.

R

참고문헌