지구 온난화는 역전시키기 어렵다. 스탠포드 연구팀은 AI를 활용해 역대 최고 기온 변화 예측, 확률 90% 기록
최근 몇 년 동안 지구 온난화가 지속되는 가운데, 우리는 일련의 보기 드문 극심한 기후 현상을 목격했는데, 이는 마치 우리 시대가 직면한 심각한 문제를 조용히 알리는 듯합니다. 끝나가는 2024년은 우리에게 놀라운 광경을 선사했습니다. 사하라 사막은 수십 년 만에 최악의 홍수를 겪었고, 미국에서 발생한 "세기의 허리케인"은 거의 20년 만에 가장 많은 사망자를 낸 허리케인이 되었으며, 유럽의 폭우로 수십 년 만에 최악의 홍수가 발생했고, 라틴 아메리카는 역사적인 가뭄을 겪었습니다.
《방랑하는 지구》에 유명한 구절이 있습니다. "처음에는 아무도 이 재앙에 신경 쓰지 않았습니다. 그저 산불, 가뭄, 종의 멸종, 도시의 소멸일 뿐이었습니다. 하지만 이 재앙이 모든 사람에게 밀접하게 다가오기 전까지는 말입니다." 지구 기후가 지속적으로 따뜻해지고 극심한 기상 현상이 자주 발생함에 따라 우리는 무시할 수 없는 의문을 갖게 되었습니다. 이러한 모든 문제의 원인은 무엇일까요? 일반적인 의견은 지구 온난화의 주요 원인으로 산업 혁명 이후 인간 활동으로 인한 탄소 배출량 급증을 꼽으며, 특히 인간의 산업 활동이 지구 온난화의 주요 원인으로 여겨진다는 것입니다. 하지만 산업화가 지구 온난화에 미치는 구체적인 영향은 얼마나 클까요?현재 추세가 계속된다면 지구 온도는 어떻게 계속 변화할까요? 이러한 문제는 인공지능 기술의 지속적인 발전으로 점차 드러나고 있습니다.
최근 스탠포드 대학, 콜로라도 주립 대학, ETH 취리히의 공동 연구팀은 각각 Geophysical Research Letters와 Environmental Research Letters 저널에 두 편의 논문을 발표했습니다. 그들은 고급 인공지능 합성 신경망 시스템을 훈련시키고 수많은 기후 모델을 사용하여 온도와 온실 가스 데이터를 시뮬레이션하여 일련의 예측을 내놓았습니다.우리가 배출량을 빠르게 줄일 수 있다 하더라도 지구 평균 기온은 지금까지 가장 더웠던 해인 2023년보다 0.5°C 더 높을 가능성이 있으며, 그럴 확률은 90%입니다. 더욱 우려스러운 점은, 이 모델은 탄소 배출량이 계속 증가한다면 2060년까지 세계 대부분 지역의 기온이 2023년보다 섭씨 1.5도 더 높아질 것으로 예측한다는 점입니다.
첫 번째 논문:
논문 제목: 급속한 탈탄소화 하에서 데이터 기반 피크 온난화 예측
논문 링크:
https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024GL111832
두 번째 논문:
논문 제목: 기후 모델과 관측치를 결합하여 지역 온난화 한계점에 도달할 때까지 남은 시간 예측
논문 링크:
https://iopscience.iop.org/article/10.1088/1748-9326/ad91ca
오픈소스 프로젝트인 "awesome-ai4s"는 100개가 넘는 AI4S 논문 해석을 모아 방대한 데이터 세트와 도구를 제공합니다.
https://github.com/hyperai/awesome-ai4s
CMIP6 데이터 세트의 다양한 온난화 시나리오를 기반으로 특정 작업에 맞는 다양한 CNN 모델을 훈련합니다.
두 논문 모두 여러 개의 글로벌 기후 모델(GCM)과 CMIP6의 합성곱 신경망(CNN) 모델을 기반으로 하고 유사한 데이터 세트를 사용하지만, 연구 목표에 따라 데이터 세트의 선택과 CNN 모델의 아키텍처가 다릅니다.
첫 번째 논문의 목적은 탈탄소화 목표가 달성될 경우 지구 온난화의 정점을 예측하는 것입니다. 이를 위해 연구진은 여러 CNN 모델을 훈련시키고 그 중 최적의 모델을 선택했습니다. 연구 결과에 따르면, 탈탄소화가 급속히 진행되는 기간 동안 지구 온난화가 극심한 지역 기후 조건으로 이어질 위험이 상당히 높은 것으로 나타났습니다.
두 번째 논문은 현재의 배출 추세에 따라 21세기 동안 세계 여러 지역의 지구 온난화를 예측하는 것을 목표로 합니다. 실제 상황의 복잡성을 고려하여 연구진은 다양한 조건에서 GCM을 선택하고 전이 학습 방법을 채택하여 일련의 기후 모델 예측과 관측 데이터를 결합했습니다. 이러한 접근 방식은 결국 현재 기후 조건에 기반하여 미래의 기온 변화를 더 정확하게 예측하는 데 도움이 될 수 있습니다.
구체적으로 데이터 세트 구축 측면에서첫 번째 논문에서 연구진은 CNN이 여러 탈탄소화 경로를 식별하도록 훈련시키기 위해 SSP1-1.9, SSP1-2.6, SSP2-4.5와 같은 탈탄소화 시나리오에서 국제 결합 모델 비교 프로젝트(CMIP6)의 여러 글로벌 기후 모델(GCM)에서 얻은 데이터를 모았습니다. 연구팀은 이상 기후를 정확하게 포착하기 위해 최소 5가지 GCM 구현 버전을 포함시켜 다양한 GCM의 영향을 균형 있게 조정했습니다.
두 번째 논문에서는 SSP3-7.0 시나리오에서 CMIP6의 구현 버전이 최소 10개 이상인 GCM을 선택하여 연평균 기온 이상 현상에 대한 보다 정확한 시뮬레이션에 초점을 맞춥니다. 연구팀은 CNN 학습용으로 7개, 검증용으로 2개, 테스트용으로 1개를 선택했습니다. 또한 그들은 연평균 기온 이상치를 2.5° × 2.5° 격자로 다시 격자화하고 1951~1980년 기후 평균을 기준으로 각 격자점에 대한 이상치를 계산했습니다.
두 논문은 CNN 구조와 학습 방법에 있어서도 상당한 차이점을 보여줍니다.첫 번째 논문에서는 CNN을 통해 연평균 지표 근처 온도 지도와 잔류 누적 이산화탄소 배출량을 처리하고, 각 입력에 대한 SHASH 분포 잔류 온난화를 예측하고, 다양한 난수 시드를 사용하여 15개 이상의 CNN을 학습시켜 2100년까지 최대 온난화를 예측하는 데 가장 적합한 시드를 선택합니다.
이와 대조적으로 두 번째 논문에서는 각 지역에 대해 CNN을 독립적으로 훈련합니다. 연구진은 버클리 관측 데이터에 전이 학습을 적용하여 기후 모델 데이터(기본 CNN)를 기반으로 훈련된 CNN을 미세 조정하여 관측 데이터와 더 일관성이 있는 새로운 CNN(전이 CNN)을 만들어냈습니다. 기본 CNN과 전이 CNN이 성공적으로 훈련되자 연구팀은 버클리 관측 결과를 바탕으로 글로벌 지도에 대한 예측을 내리고 2023년 버클리 연평균 기온 이상치와 원하는 임계값을 CNN에 입력했습니다.
세계는 지구 온난화 문제에 직면해 있으며, 급속한 탈탄소화로는 온난화 추세를 역전시킬 수 없습니다.
연구 세부 사항 측면에서, 첫 번째 논문에서는 먼저 다양한 역사적 시기에 대한 예측 프레임워크의 정확성을 검증했습니다. 연구진은 과거 CMIP6 시뮬레이션 데이터를 기반으로 CNN을 훈련하고 이를 NASA와 Berkeley Earth의 데이터와 비교했습니다. 그림 EF에서 볼 수 있듯이 CNN이 예측한 피크 온난화 시계열은 초기화 연도에 대해 매우 견고하며, 관측 데이터를 기반으로 한 CNN 예측 결과의 불확실성은 GCM 시뮬레이션 데이터를 기반으로 한 CNN의 불확실성보다 훨씬 낮습니다.
이러한 예측은 빠른 탈탄소화에도 불구하고 기후 변화의 영향이 인간과 생태계가 지금까지 경험한 것보다 더 심각할 수 있음을 시사합니다. 2023년 말까지 인간 활동으로 인한 기후 변화로 인해 지구 온난화가 약 1.5°C 정도 발생할 수 있습니다. 가장 야심찬 탈탄소화 시나리오에서도 지구 연평균 기온은 "거의 확실히" 2023년 수준을 초과할 것이며, 2°C 상승할 확률이 50%입니다.금세기 중반까지 CO2 순 배출량이 0이 되더라도, 각 연도의 지구 온도는 2023년의 기록적인 이상치보다 최소 0.5°C 이상 높을 가능성이 매우 높습니다.
두 번째 논문에서는 탄소 배출량이 계속 증가할 경우 어떤 일이 일어날지 예측합니다. 연구 결과는 냉혹한 사실을 보여줍니다. 가장 과감한 배출 감소 조치를 취하더라도 지구 온난화 추세를 완전히 역전시키기는 어렵고, 더위, 폭우, 가뭄과 같은 극심한 기후 현상이 심화되는 것을 완전히 피할 수 없습니다. 또한,현재의 탄소 배출량 수준이 변하지 않는다면, 세계 대부분 지역은 2040년까지 2.0°C를 초과하는 지역적 온난화에 직면할 가능성이 매우 높습니다.이러한 예측은 지구 온난화 문제의 긴급성을 강조하며, 가장 낙관적인 배출 감소 시나리오에서도 지구 온난화의 영향은 불가피하며, 탄소 배출량이 지속적으로 증가하면 상황이 더욱 심각해질 것이라고 지적합니다.
아래 그림에서 볼 수 있듯이, 연구에 따르면 1.5°C 한계점에 대해 모든 주요 예상 지역이 2040년 또는 그 이전까지 이 한계점에 도달할 것으로 나타났습니다. 2.0°C 한계점은 2040년까지 대부분 지역에서 달성될 것이고, 2060년까지는 전 세계 모든 지역에서 달성될 것입니다. 2070년까지 전 세계 어느 지역에서도 3.0°C 한계점에 도달하게 될 것입니다.
지속 가능한 개발과 지구 과학 연구에 집중
이 기사의 연구에서 핵심 인물 중 한 명인 노아 디펜바우 교수가 도어 지속가능성 대학에서 두드러진 경력을 쌓았다는 점을 언급할 가치가 있습니다. 2022년 5월, 실리콘 밸리의 억만장자 투자자 존 도어는 스탠포드 대학에 11억 달러를 기부하여 도어 지속가능성 학교를 설립했습니다. 실리콘 밸리의 기술 거대 기업에 투자한 도어는 지속 가능한 기술 개발을 강력히 지지하는 인물이기도 합니다. 그는 기업들이 탄소 배출이 없는 기술에 투자하고 연설을 하여 지구 온난화 문제를 해결하기 위해 깨끗한 에너지 기술을 도입하도록 장려합니다.
뒤르 지속가능성 학교는 설립된 지 불과 2년 만에 일련의 연구 성과를 달성했습니다. 이 기사에서 논의한 두 가지 연구 결과 외에도 아카데미는 Mineral-X 제휴 프로그램을 시작했습니다. 이 프로그램의 목표는 인공지능 기술을 사용하여 중요한 광물 매장지를 찾아내고 깨끗한 재생 에너지 개발을 지원하는 회복력 있는 광물 공급망을 구축하는 것입니다. 또한,이 대학은 또한 이산화탄소 배출 제로 모니터링, 폭염 변화 및 지구 온난화, 기후 변화가 인간 질병에 미치는 영향 등 다수의 연구를 수행하기 위해 AI 기술을 활용하고 있습니다.
이 글에서 두 연구를 수행한 노아 디펜바우 교수는 오랫동안 지구 기후 문제에 관심을 가져온 과학자입니다. AI 기술이 등장하기 전, 디펜바우 교수는 2019년 4월 22일 미국 국립과학원 회보에 다음과 같은 놀라운 연구 결과를 발표했습니다."지구 온난화가 사회적 불평등에 미치는 영향에 대한 연구에 따르면, 지구 온난화 이전에 비해 대부분의 가난한 나라는 더 가난해진 반면, 대부분의 부유한 나라는 더 부유해진 것으로 나타났습니다."
AI 기술의 혁명적 영향에 따라, 디펜바우 교수는 AI4S 분야에서 AI의 응용 분야도 계속 연구하고 있습니다. 그는 2023년 1월 미국 국립과학원 회보에 실린 논문에서 산업화 이전 시대인 19세기 중반 이후 지구 온도가 1.1~1.2도 상승했으며, AI는 2033~2035년 사이에 지구 평균 기온이 1.5도 섭씨를 넘어설 것으로 예측한다고 밝혔습니다. 그러나 유엔의 자료에 따르면 2023년 지구 온도는 이미 1.5도를 넘어섰고, 지구 온도 상승 속도가 예상을 뛰어넘었습니다.
디펜바우 교수의 연구 외에도, 지구 온난화를 예측하는 데 AI를 활용하는 방식이 널리 퍼졌습니다. 예를 들어, 올해 7월, 구글 연구팀이 개발한 인공지능 모델 NeuralGCM은 날씨 예측과 기후 시뮬레이션을 새로운 수준으로 끌어올렸습니다. NeuralGCM은 장기 기후 예측에 좋은 성과를 보입니다. 40년간의 기후 예측 시뮬레이션 결과는 ECMWF 데이터에서 나타난 지구 온난화 추세와 일치합니다.
AI 기술이 지속적으로 발전함에 따라 날씨 예보의 속도와 정확도가 더욱 빨라질 것으로 예상됩니다.