물리 시뮬레이션에서 관측 데이터 직결로: WeatherNext 3
구글 딥마인드(Google DeepMind)와 구글 리서치(Google Research)가 차세대 글로벌 기상 예측 인공지능 모델인 WeatherNext 3를 발표했습니다. 기존의 인공지능 기상 모델 대다수는 물리 법칙 기반의 수치예보(NWP) 모델이 생성한 시뮬레이션 데이터를 학습하는 구조였습니다. 그러나 수치예보 모델은 슈퍼컴퓨터 연산 과정에서 약 6시간의 데이터 지연이 발생하며, 강수나 지표면 온도처럼 급변하는 변수에서 오차가 발생하는 한계가 있었습니다.
WeatherNext 3는 수치예보 시뮬레이션을 거치는 대신, 1시간 주기의 글로벌 정지궤도 위성 모자이크 원천 데이터와 희소 관측소(Sparse Weather Station) 데이터를 직접 학습하는 방식을 택했습니다. 단일 FGN(Functional Generative Network) 메시 트랜스포머 아키텍처를 기반으로 전 지구적 기단 흐름부터 국지적 지형 조건까지 물리적 일관성을 유지하도록 설계되었습니다.
공간 해상도 및 업데이트 주기 비교
| 비교 항목 | WeatherNext 2 | WeatherNext 3 |
|---|---|---|
| 주요 지표 해상도 (온도·습도) | 25km | 5km |
| 기타 지표 해상도 (강수 등) | 25km | 10~11km |
| 대기 변수 해상도 (풍속) | 25km | 25km |
| 예측 갱신 주기 | 6시간 단위 | 1시간 단위 |
| 학습 데이터 기반 | NWP 수치 시뮬레이션 | 실시간 정지궤도 위성 및 관측소 데이터 |
이러한 해상도 향상을 통해 이전 버전 대비 전 지구 단위에서 약 5배 더 정밀한 기상 정보를 생성합니다. 특히 단기 예측에서 IMERG 기준 최대 60%, MRMS 기준 30%, 우량계 측정 기준 10%의 연속 등급 확률 점수(CRPS) 개선을 기록했습니다. 하루 이상 전의 강수 예측 정확도 또한 최대 50% 향상되었습니다.
- 정지궤도 위성 모자이크 수집
- 희소 기상 관측소 데이터 정합
- FGN 메시 트랜스포머 연산
- 격자장·태풍경로·좌표별 다중 해상도 출력
해당 모델은 풍력 발전을 위한 100미터 고도 풍속 및 태양광 발전을 위한 고해상도 운량·일사량 데이터를 지원하며, 구글 검색(Search), 지도(Maps), 제미나이(Gemini), 빅쿼리(BigQuery), 어스 엔진(Earth Engine) 전반에 적용됩니다.
단발성 검색의 한계를 넘는 미스트랄 에이전틱 서치
미스트랄 AI(Mistral AI)는 기존 단발성 검색증강생성(RAG)의 정보 탐색 한계를 극복하기 위한 에이전틱 서치(Agentic Search) 기술을 공개했습니다. 기존 1회성 RAG는 검색된 상위 청크(Chunk)에만 의존하여 답변을 작성하므로, 정보가 복수의 문서에 흩어져 있거나 표·각주에 위치한 경우 부정확한 결과를 도출하는 '추론 없는 검색'과 '청크 단위 단절' 문제가 발생했습니다.
에이전틱 서치는 인덱싱된 데이터 위에서 파일 시스템 제어와 유사한 5가지 도구를 모델에 부여하여 다단계 검색 및 검증 루프를 수행합니다.
- search: 기존 인덱스 전반에서 관련 문서를 탐색
- open: 특정 대상 문서를 활성화
- navigate: 문서 내부의 특정 페이지, 섹션, 영역으로 이동
- read: 지정된 위치의 상세 텍스트 및 구조화 데이터 추출
- grep: 열려 있는 문서 내에서 특정 패턴이나 키워드를 검색
"Agentic Search delivers to 3x correctness on financial filings, from 26.7% to 86%, based on FinanceBench. On table-heavy, multi-doc questions of the OfficeQA Pro benchmark, we measure a +45.6 point gain (6.3% to 51.9%)."
| 기존 방식 | 26.7 |
| 에이전틱 서치 | 86.0 |
이러한 다단계 탐색 루프를 통해 금융 분석 벤치마크인 FinanceBench에서 정답률이 26.7%에서 86%로 상승했으며, 복잡한 표가 포함된 OfficeQA Pro 벤치마크에서는 6.3%에서 51.9%로 45.6%포인트 향상되었습니다. 불필요한 반복 검색을 제거함으로써 90백분위수(p90) 지연 시간을 최대 39.6% 단축하고 토큰 사용량을 최대 3분의 1 수준으로 줄였습니다.
데이터 격리와 추론 능력 기반의 확장성
에이전틱 서치는 모델 파인튜닝 없이 기존 인덱스 위에서 동작하며, 프론티어 추론 모델의 발전 속도에 맞춰 검색 성능이 함께 확장되는 구조를 가집니다. 온프레미스 및 격리된 클라우드 환경 배포를 지원하여 금융 공시, 법률 계약서, 내부 규정집 등 민감도가 높은 기업 데이터 자산을 보안 경계 외부로 반출하지 않고 처리할 수 있습니다.
미스트랄 서치 툴킷(Mistral Search Toolkit)과 스튜디오(Studio), 바이브(Vibe)의 라이브러리에 탑재되어 엔터프라이즈 환경 전반에 즉각 도입 가능한 형태로 제공됩니다.