「해양기상 서비스 선진화 및 재난관리 역량향상 방안 연구」최종보고서

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 인간의 지능적인 행동을 모방할 수 있도록 연구하는 분야이다. 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련되어 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다. 자연언어처리(natural language processing) 분야에서는 이미 자동번역과 같은 시스템을 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 보험료의 판정 등)을 대신할 수 있도록 하는 것이다. 컴퓨터가 TV 카메라를 통해 잡은 영상을 분석하여 그것이 무엇인지를 알아내거나, 사람의 목소리를 듣고 그것을 문장으로 변환하는 것 등의 일은 매우 복잡하며, 인공지능적인 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 추론하여 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, 인간의 두뇌를 모방하여 수많은 처리기들의 네트워크로 구성된 신경망 구조를 이용하여 다양한 형태의 데이터를 처리하는데 사용되고 있다. 첨단과학기술의 도입을 통한 기상업무 고도화 및 미래 기상 서비스의 수요 대응 기반을 마련하고, 기상기후 융합서비스 활용 및 기상기후자료의 신뢰성, 접근성 및 활용성 제고하기 위해 4차 산업 형명의 유망기술인 인공지능을 기상예보에 활용하고자 하는 시도가 점차 증가하고 있다. 인공지능과 빅데이터는 데이터를 기반으로 하고 있으며, 유효한 데이터가 많을수록 보다 정확한 예측 결과를 도출할 수 있어 활용분야가 많아질 수 있다. 해양기상분야는 생산되는 데이터의 종류가 다양하고 데이터의 크기가 커서 다양한 분야에서 인공지능과 빅데이터를 활용할 수 있을 것으로 예상된다. 특히, 해양기상분야는 현재 생산되는 데이터 외에도 이미 축적된 데이터의 양이 매우 많기 때문에 인공지능을 학습시키기 위한 기반자료 역시 많은 것으로 판단된다. 예를 들면, 인공지능 기반의 보정 기법을 기존 수치모델을 이용한 예측 방법에 적용하여 예측 정확도를 높이는 방안을 고려할 수 있다. 즉, 인공지능과 빅데이터는 축적된 데이터의 양이 많을수록 결과에 대한 정확도와 활용 방법이 많아지며, 해양기상분야는 과거에 생산된 자료 뿐만 아니라 현재 생산되고 있는 데이터의 양이 매우 많기 때문에 해양기상분야 특히 해양위험기상을 예측하는데 있어 유의미한 결과를 도출할 수 있을 것이다. 인공지능 기술을 기상 현상과 융합하여 이를 분석하고자 하는 움직임은 비교적 최근 시작되어 시작 단계에 있는 것으로 보이며, 인공지능을 통해 대기 해양, 연안 해양, 파랑, 지진, 호우, 태풍 등 특정 기상현상을 예측하거나 또는 기존의 모델링 결과, 분석 결과 또는 예측 결과를 향상시키기 위한 연구가 진행되고 있다. 따라서, 기상 현상의 예측에 인공지능을 도입하는 경우 해무 등의 위험 기상현상 예측 또는 6개 분야에서 서비스 예정인 맞춤형 서비스 등 현재 기상청에서 계획 중인 분야, 또는 특정 기상 현상 등에 대한 예측 정확도 증진을 목표로 인공지능 기법을 도입하는 것을 제안한다. 다만, 인공지능 기법을 적용함에 있어, 단기적으로 기계학습을 통한 기상 현상의 예측을 고려할 수 있고, 중장기적으로 컴퓨팅 자원과 처리 능력이 향상되는 것을 고려하여 딥러닝을 통한 기상 현상 예측을 고려할 수 있다. 다만, 인공지능에 있어 다양한 장소에서 수집되는 데이터에 대한 전처리 및 학습을 위한 데이터의 품질 관리가 중요한 만큼 데이터의 품질 관리에도 인공지능을 적용하는 것을 고려할 수 있다. 인공지능을 통한 기상 현상의 예측은 비교적 최근 들어 연구가 진행되고 있으며, 앞서 말한 바와 같이 기계 학습을 통한 기상 예측과 딥러닝을 통한 기상 예측을 통해 해양위험기상을 예측하려는 시도들이 이루어지고 있다. 또한, 다양한 장소에서 수집되는 데이터에 대한 전처리 및 학습 데이터에 대한 품질관리가 중요한 만큼 데이터의 품질 관리에도 인공지능을 적용해야 할 것이다. 정리하면, 인공지능 기법은 크게 예측 알고리즘, 분류 알고리즘, 군집 알고리즘, 신경망 알고리즘 등으로 분류할 수 있다. 이에 기초하면, 태풍, 해무 등 위험 해양기상을 예측하는데 있어 예측 알고리즘을 이용할 수 있고, 데이터의 품질 관리에 있어 분류 알고리즘을 이용할 수 있다. 신경망 알고리즘(딥러닝)의 적용을 고려할 수 있으나, 신경망 알고리즘의 경우 비교적 최근 들어 연구가 진행되었기 때문에 장기적인 관점에서 적용 방안을 검토해야 한다. 인공지능을 통한 기상현상의 예측은 비교적 최근 들어 연구가 진행되었기 때문에 크게 기계학습 기법과 딥러닝 기법을 이용하여 기상현상을 예측하려는 시도가 이루어져 왔으며, 다양한 장소에서 수집되는 데이터에 대한 전처리 및 학습 데이터에 대한 품질 관리가 매우 중요하다. 인공지능을 통해 기상 현상을 예측하고자 하는 경우, 예측 알고리즘을 통해 문제 해결을 도모할 수 있으며, 데이터의 품질 관리에 있어서 분류 알고리즘을 이용할 수 있다. 빅데이터의 활용에 있어서, 데이터베이스마다 기준 정보가 동일하지 않기 때문에 데이터 정제 시 기준 정보를 표준화 하는 것이 중요하며, 통합 DB 설계 시 1) 공통된 규칙을 가지도록 하고, 2) 데이터 무결성이나 성능 상의 이슈 없는 구조적으로 설계되며, 3) 설계된 데이터베이스에 대한 제대로 된 관리 체계가 보장 되도록 해당 내용을 고려해야 한다. 한편, 인공지능 기반의 기상 분석 기술을 살펴보면, 맞춤형 서비스 운영 결과 분석 및 기술 타당성 검토를 통한 인공지능 적용 대상을 식별하는 서비스 대상 식별 단계를 우선 시행할 수 있다. 예를 들면, 해무, 항로 기상 예측, 크로스 섹션 판정 기술, 해군 및 해경의 작전을 지원하는 서비스 등이 예시될 수 있다. 인공지능의 적용 대상이 식별된 이후, 현재 조사된 인공지능 기법 등에 기초하여 인공지능 적용을 위한 기반기술에 대한 연구를 진행할 수 있다. 인공지능 기반의 관측 외 지점 비선형 데이터 보간 기법을 설계하거나, 보정, 보간 데이터 검증 기법 설계, 검증 환경 구축 계획을 수립할 수 있다. 이후, 인공지능 기반 해양기상 판독 단계에서는 비관측점 해양기상현상의 판독기술 연구 및 검증 데이터 자동생성 플랫폼을 개발할 수 있고, 가시화 등 정보전달체계를 개발할 수 있다. 최종적으로는 인공지능을 통한 복합의사 결정을 지원하는 기술을 개발할 수 있다.