GB NewsThe real reason weather forecasters (like me) often appear to get it wrong
Sometimes I'll be walking around a supermarket, and a shopper will approach me in the aisle.
"I hosted a barbecue on Saturday and you told me it was going to rain," they will say. "And it didn't. Why did you get it wrong?".
Or the opposite: they planned for a day of sunshine, only to be disappointed by grey skies. Or a parent might ask me in March what the weather might be like for their son's wedding - in September.
https://www.bbc.com/news/articles/cwy1epz58pyo
하루 예보 90% 이상의 확률로 정확
기상학의 까다로운 특성...섬세한 과학
예측은 단지 예측일 뿐
예측 정확도가 크게 향상되었음에도 불구하고 대중의 신뢰에는 여전히 격차가 있습니다.
가끔 슈퍼마켓을 걷다가 어떤 손님이 통로에서 제게 다가와서 "토요일에 바비큐 파티를 했는데 비가 온다고 하셨잖아요."라고 말할 때가 있어요. "그런데 안 왔잖아요. 왜 틀렸어요?"라고요.
아니면 그 반대로, 화창한 날을 계획했지만 흐린 하늘 때문에 실망할 수도 있습니다. 아니면 3월, 9월에 아들의 결혼식 날씨가 어떨지 궁금해하는 부모님도 계실 수 있습니다.
그 사람들은 언제나 기분 좋게 친절하고, 그 대화는 제가 지난 30년 동안 해 온 날씨 중계를 큰 즐거움으로 만드는 요소 중 하나입니다.
하지만 그들은 또한 이상한 사실을 밝혀냈습니다.
제 경력을 통해 예보는 알아볼 수 없을 정도로 발전했습니다. 이제 저희는 제가 1990년대 중반에 발표를 시작했을 때보다 훨씬 더 정확하고 세부적인 날씨 예측을 할 수 있습니다.
레딩 대학교의 기상학 교수이자 왕립 기상학회의 최고 경영자인 리즈 벤틀리는 하루 예보는 90% 이상의 확률로 정확하다고 말합니다.
하지만 그러한 진전에도 불구하고 대중의 신뢰에는 여전히 격차가 있습니다.
YouGov가 지난여름 영국 성인들에게 일기 예보를 신뢰하는지 물었을 때, 상당수(37%)가 "별로" 또는 "전혀" 신뢰하지 않는다고 답했습니다. (안심할 만한 점은 61%가 저와 같은 예보관을 신뢰한다고 답했다는 것입니다.)
예보에 대한 농담은 널리 퍼져 있습니다. 2012년 올림픽 개막식에는 1987년 기상 캐스터 마이클 피시가 시청자들에게 허리케인은 없을 테니 걱정하지 말라고 말했지만, 몇 시간 후 폭풍이 몰아치게 되는 순간을 담은 영상이 포함되었습니다.
(실제로 마이클의 말이 맞았습니다. 그날 밤 허리케인 수준의 바람이 영국 남동부를 강타했지만 기술적으로는 허리케인이 아니었습니다.) 그럼에도 불구하고 이 사건은 예보자의 실수에 대한 대명사가 되었습니다.
그렇다면 왜 우리의 풍부한 지식과 강력한 예보 기술에도 불구하고 일부 사람들은 여전히 날씨를 부정확하게 인식하는 걸까요? 우리가 정말로 날씨를 잘못 판단하는 걸까요, 아니면 예보를 공유하는 방식에 더 복잡한 문제가 있는 걸까요?
뛰어난 정확성과 뛰어난 기대감
이러한 과제 중 일부는 정보에 24시간 접근할 수 있는 세상에서 높아진 기대치와 관련이 있습니다.
스마트폰으로 냉장고 온도를 조절하거나 차의 문제를 순식간에 파악할 수 있습니다. 그렇다면 일요일 오후 2시에 우리 동네에 비가 올지 100% 정확하게 알 수 없는 이유는 무엇일까요? 분명 더 쉬운 일이겠죠?
특히 여름철에는 시청자들이 날씨 예보에 큰 관심을 기울입니다.
또 다른 과제는 방대한 정보를 어떻게 압축하여 전달하느냐는 것입니다.
기상학은 엄청난 양의 데이터를 생성하기 때문에, 이를 TV나 디지털 앱에 최적화된 간결한 예측으로 압축하기는 어렵습니다. 즉, 기술적으로는 정확하더라도 일부 시청자는 여전히 혼란스러워할 수 있다는 뜻입니다.
하지만 답은 기상학의 까다로운 특성에도 있습니다.
이건 섬세한 과학이어서 데이터에 아주 작은 부정확성이라도 있으면 상황이 왜곡되거나 망가질 수 있습니다.
BBC 날씨 앱이 표시된 휴대전화 사진입니다.
대량의 데이터를 간결하고 디지털 앱 친화적인 예측으로 압축하는 것은 어렵습니다.
매일 영국 전역의 예보관들은 기상청이 운영하는 200개 이상의 "기상관측소" 네트워크를 통해 기온이나 풍속 등에 대한 "관측"(또는 데이터)을 수집합니다. 수집된 데이터는 강력한 기계, 즉 "슈퍼컴퓨터"가 운영하는 수학적 모델에 입력됩니다.
올해 초 기상청은 새로운 슈퍼컴퓨터를 공개했는데, 이는 처음으로 물리적 기계에서 클라우드 기반 소프트웨어로 전환한 것입니다.
기상청은 이 새로운 장치가 "더 나은 예보를 제공하고 과학자들이 전 세계적으로 중요한 기후 연구를 발전시키는 데 도움이 될 것"이라고 밝혔습니다.
하지만 모든 과학과 마찬가지로 약점도 있습니다.
혼돈 이론: 날씨가 나빠질 때
대기는 "혼돈적인 시스템"으로 알려져 있는데, 이는 초기 관측에서 0.01C만큼 작은 오차라도 발생하면 엄청나게 다른 결과가 나올 수 있다는 것을 의미합니다.
"카오스 이론이라고 합니다." 벤틀리 교수가 설명합니다. "혹은 나비 효과라고도 하죠. 브라질에서 나비가 날갯짓을 하면 6일 후 북유럽 전체 대기에 영향을 미칠 수 있다는 비유와 같습니다."
작은 지리적 지역의 날씨를 예측하는 데도 특별한 어려움이 있습니다.
벤틀리 교수에 따르면, 1990년대에는 기상 현상이 완전히 관측되려면 반경이 약 100마일(161km) 이상이어야 했습니다. 하지만 지금은 기상청에서 사용하는 영국 전역의 기상 모델을 이용하면 반경이 2마일(3km) 정도로 작은 기상 현상도 매핑할 수 있다고 합니다.
하지만 그 규모를 넘어서 확대하는 것은 여전히 어렵기 때문에, 1km 공간에만 영향을 미칠 수 있는 짙은 안개와 같은 날씨를 예측하는 것은 특히 까다롭습니다.
과학이 엄청나게 발전했음에도 불구하고 기술적 결함은 여전히 발생합니다. 하지만 이런 일은 다행히도 드뭅니다.
지난 가을, BBC 날씨 웹사이트는 런던에서 시속 13,000마일이 넘는 믿을 수 없을 정도로 빠른 바람과 노팅엄의 404C에 달하는 기온을 잠깐 보여주었습니다.
BBC는 "예보 제공업체의 일부 날씨 데이터에 문제가 있었다"는 이유로 사과했습니다.
데이터를 분석하는데 따르는 문제점
제 직업에서 가장 큰 과제는 이 데이터를 종합해서 엄격한 TV 세그먼트에 맞게 조정하는 것입니다.
앨런 튜링 연구소의 환경 예측 책임자인 스콧 호스킹은 "일반 대중이 시험하고, 확인하고, 판단할 수 있는 다른 과학은 없습니다."라고 말합니다.
"그것은 핵융합 물리학만큼이나 복잡하지만, 우리 대부분은 그것을 매일 경험하지 못하기 때문에 대중에게 그 과학을 전달할 방법을 생각해낼 필요가 없습니다."
예측은 단지 예측일 뿐이라는 사실을 잊기 쉽습니다.
지난 몇 년 동안 우리는 "불확실성을 전달하는" 이 미묘한 기술에 훨씬 더 능숙해졌습니다. 이제 기상학자들은 50가지의 서로 다른 모델을 모두 조금씩 변형하여 "앙상블 예측"을 수행합니다.
만약 이 모든 시나리오가 비슷한 결과를 나타낸다면, 기상학자들은 자신들의 예측이 옳다고 확신할 수 있습니다. 만약 다른 결과가 나온다면, 그들의 확신은 훨씬 낮아질 것입니다.
이것이 날씨 앱에서 해당 지역에 비가 올 확률이 10%로 표시되는 이유입니다.
예측을 다시 생각해야 할 때가 왔나요?
예보자들은 종종 의사소통이라는 까다로운 문제에 대해 고민합니다. 즉, 날씨를 더 쉽게 설명할 수 있는 방법은 무엇일까 하는 것입니다.
지난주 BBC는 기상청과의 새로운 파트너십을 발표했습니다. 이는 공식적으로 파트너십을 종료한 지 8년 만의 일입니다(2018년부터는 네덜란드 기상청(MeteoGroup)이 BBC 예보를 제공해 왔습니다).
BBC의 사장인 팀 데이비는 새로운 거래의 목적은 두 조직의 전문성을 결합하고 "과학을 스토리로 바꾸는 것"이라고 설명했습니다.
물론, 날씨 예보에 더 많은 창의성이 필요하다고 생각하는 사람들도 있습니다. 앨런 튜링 연구소의 호스킹 박사는 예보관들이 강수 확률을 제시하는 방식에서 벗어나 "스토리라인 방식"을 사용할 수 있다고 제안합니다.
이런 스타일로 예보자는 "우리가 지금 보고 있는 것은 몇 년 전 특정 행사에서 본 것과 비슷합니다. 기억 속에 있는 것과 같습니다."라고 말할 수 있습니다.
게티이미지 2003년 8월 6일 영국 블랙풀의 블랙풀 해변에서 한 커플이 햇볕을 쬐고 있다.게티 이미지
일부 전문가에 따르면 날씨를 전달하는 데 더 많은 창의성이 필요하다고 합니다. 한 전문가는 "스토리라인 방식"을 제안했습니다.
이것이 바로 기상청이 2015년에 폭풍에 이름을 붙이기로 결정한 이유 중 하나입니다.
하지만 벤틀리 교수는 숫자가 강력할 수 있다고 주장하며, 소비자에게 필요한 구체적인 데이터를 제공하는 것이 더 나을 수도 있다고 말했습니다.
미국에서는 일기 예보에 '모든 곳'에 백분율이 표시된다고 그녀는 말한다. 즉, 미국 소비자들은 비가 올 확률부터 기온의 변화 가능성까지 모든 정보를 접하게 된다.
"대중들은 [그것에] 편안함을 느껴요."라고 그녀는 말한다. "그 정보를 너무 자주 접했기 때문에 어느 정도 이해는 하는 것 같아요."
새로운 날씨 슈퍼 예측기
인공지능(AI)의 등장으로 일기 예보가 머지않아 극적으로 바뀔 수 있습니다. 최근 몇 달 동안 머신러닝을 활용한 날씨 예측이 빠르게 발전했습니다.
기상 예보관의 정확도는 10년이 지날 때마다 24시간씩 향상되었다고 흔히 말하는데, 이는 기상청이 이제 7일 전에 날씨 경보를 발표할 수 있다는 것을 의미합니다.
하지만 구글 딥마인드가 설계한 AI 모델은 이미 15일 앞의 날씨를 정확하게 예측하고 있다고 호스킹 박사는 말합니다.
올해 초 케임브리지 대학교 연구팀은 Aardvark Weather라는 완전 AI 기반 기상 프로그램을 출시했습니다. 그 결과는 Nature 저널에 게재되었습니다.
기존의 예보는 강력한 슈퍼컴퓨터에서 몇 시간씩 사용해야 하는 반면, 연구원들은 Aardvark를 데스크톱 컴퓨터에 단 몇 분 만에 배포할 수 있다고 말합니다. Aardvark는 컴퓨팅 성능을 "수천 배"나 절감하고 날씨를 더욱 세밀하게 예측할 수 있다고 연구진은 주장합니다.
또한 그들은 이를 통해 서아프리카와 기타 빈곤 지역의 예보가 개선될 것이라고 주장합니다(가장 좋은 전통적 예보 모델은 주로 유럽과 미국을 위해 설계되었습니다).
"이것은 혁신적일 수 있고, 정말 흥미진진합니다." 이 모델을 설계한 사람 중 한 명인 케임브리지 대학교의 머신러닝 교수 리처드 터너의 말입니다.
예보관 마이클 피쉬가 예보 앞에 서 있는 흐릿한 이미지
1987년, 기상 예보관 마이클 피쉬는 시청자들에게 허리케인이 발생하지 않을 것이니 걱정하지 말라고 말했습니다. 그러나 몇 시간 후에 폭풍이 발생할 것입니다.
하지만 벤틀리 교수는 AI 기반 기상 모델의 약점을 지적했습니다. 이 모델은 방대한 양의 과거 데이터를 입력받아 패턴을 파악하도록 훈련받았기 때문입니다. 그녀의 견해에 따르면, 이 모델에서는 아직 발생하지 않은 사건을 예측하기가 매우 어렵습니다.
"기후 변화로 인해 새로운 기록이 나올 겁니다."라고 그녀는 말합니다. "영국에서는 41도까지 올라갈 수도 있습니다. 하지만 AI가 항상 과거를 돌아본다면 41도까지는 올라가지 못할 겁니다. 아직 41도가 아니니까요."
터너 교수는 이것이 자신의 AI 모델에 있어서는 어려운 문제라는 점을 인정하며, 그의 팀이 해결책을 찾기 위해 노력하고 있다고 말했습니다.
'그래서 무엇' 요소
분석가들은 미래에는 예보가 더욱 심층적으로 이루어질 것이라고 예상합니다. 단순히 비를 예측하는 데 그치지 않고, 비가 여행이나 정원 계획에 어떤 영향을 미칠지 알려주는 예보가 점점 더 중요해질 것입니다.
벤틀리 교수는 이를 "그래서 뭐 어쩌라는 건지"라고 말합니다. "[날씨 앱]에 '바비큐를 계획 중이라면 점심시간에 하는 게 좋을 것 같아요. 오후에 물에 빠질 가능성이 높으니까요'라고 알려주는 기능이 있나요?"
이는 제가 직업 생활에서 발견한 추세와 일치합니다. 즉, 날씨에 대한 과학을 이해하려는 관심이 점점 커지고 있다는 것입니다.
시청자들은 더 이상 폭염이 올지 여부에만 관심이 있는 게 아니라, 그 이유가 무엇인지도 알고 싶어합니다.
이것이 우리가 오로라의 물리학을 설명하는 콘텐츠를 더 많이 게시하는 이유이고, 기후 변화로 인해 우박이 더 커지는 이유이기도 합니다.
AI는 정확도를 확실히 향상시킬 수 있지만, 시청자들이 정보의 홍수에 휩쓸릴 위험도 있습니다. 호스킹 박사는 AI가 더욱 민첩하고 기상 모델을 더욱 신속하게 조정할 수 있기 때문에 사용자들이 곧 자주 바뀌는 예보에 접근할 수 있게 될 것이라고 말합니다. 또한, "훨씬 더 지역화된" 정보를 얻을 수도 있다고 그는 말합니다. (다른 분석가들은 아마도 자신이 사는 지역뿐만 아니라 뒷마당에 대한 데이터도 제공할 것이라고 예측합니다.)
이로 인해 앱 사용자는 엄청난 양의 데이터를 스마트폰에 갇히게 될 수 있습니다. 그리고 이러한 상황에서는 인간 예보관이 날씨를 명확하고 이해하기 쉬운 방식으로 전달하는 것이 더욱 중요해질 것입니다.
하지만 장점도 있습니다. 그중에서도 장기적이고 정확한 예측이 가능하다는 점이 가장 큰 장점입니다.
어쩌면 어느 날 어머니가 6개월 뒤 아들의 결혼식 날씨를 예측해 달라고 부탁하면, 조금 더 나은 답변을 할 수 있을지도 모릅니다.
The real reason weather forecasters (like me) often appear to get it wrong
![[멍청대전] 이재명 정청래 찌라시](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhvj8NLPYJ1gEisr6Ot9i-Yl14SuFAj6-b7TFzqN-3IklvY01O5sL4dR5Kpqn9rJXoIyVQWvDlZw6iIGuI1sZID_ZeNsyTL72bBrNXaTM6JrNLm5GZjjK5wEgNILRV3mPG02G-KlMaCXHXxHZgC5XFrSOMDw6Qm802sOv9WIy187fs3FSisLSS-6LYgSVQ/w72-h72-p-k-no-nu/ttt.jpg)
댓글 없음:
댓글 쓰기