AI 앙상블을 물리 앙상블에 섞었더니, 최고 모델끼리 섞는 것보다 나았다 — 영국 기온·풍속 CRPS 실험 (arXiv 2610.42130)

영국 전역의 지점 기온과 풍속 예보를 채점하는 자리에 두 개의 앙상블이 나란히 올라갔다. 하나는 구름과 대류를 격자 안에서 직접 계산하는 물리 기반 국지 앙상블 MOGREPS-UK, 다른 하나는 AI 기반 앙상블 AIFS-CRPS다. 2026년 10월 30일 arXiv에 올라온 논문 「Value of Adding AI Weather Model Ensembles to a Multi-model Probabilistic Blend」는 이 둘을 한 그릇에 섞었을 때 점수가 어떻게 달라지는지를 물었다. 답은 "섞으면 좋아진다"였지만, 좋아지는 방식이 예상과 달랐다.

무엇을, 어떤 자로 쟀나

여러 예보 기관은 서로 다른 예측 시스템의 앙상블 멤버를 한데 모아 다중모델 블렌드(multi-model blend)를 만든다. 논문이 채점에 쓴 자는 CRPS(Continuous Ranked Probability Score, 연속 순위 확률 점수)다. 확률예보를 하나의 숫자로 요약하는 채점표로, 값이 낮을수록 좋다. 예보가 확신에 차서 틀리면 크게 벌점을 받고, 애매하게 넓게 퍼뜨려 놓으면 관측값 근처에서 벌점을 받는다. 즉 정확도와 퍼짐을 동시에 평가하는 자다.

하나의 장면에 여러 앙상블 멤버의 예측선을 겹쳐 놓은 전형적인 스파게티 그림. 선의 퍼짐이 곧 예보의 불확실성이고, 논문이 말하는 "다양성"은 이 퍼짐의 모양이 서로 다른 데서 나온다 — NOAA, Public domain (미국 국립기상청 SREF 실험 페이지)

논문은 영국 지점(site)의 기온과 풍속을 대상으로, 세 축에서 블렌드의 기술 변화를 본다. 공간적으로 영국 전역에 걸쳐서, 리드타임(예보를 내놓은 뒤 지난 시간)을 늘려 가면서, 그리고 초과 임계값(exceedance threshold)별로 — 예컨대 기온이 특정 값을 넘을 확률을 물었을 때 — 각각 점수가 어떻게 되는지다. 저자들은 이 세 축 전반에서 블렌드의 전체 예보 기술이 올라간다고 보고한다.

핵심 주장: 섞으면 개별보다 낫다

논문의 첫 번째 주장은 단순하다. 물리 기반 앙상블과 AI 기반 앙상블을 함께 쓰면 어느 한쪽만 쓰는 것보다 영국 지점 기온과 풍속의 CRPS가 좋아진다. 최근 여러 연구가 결정론적 AI 모델을 물리 모델과 블렌딩하면 기술이 오른다고 보고했는데, 이 논문은 그 논의를 "결정론 모델"에서 "앙상블"로 옮긴다. 확률예보의 영역으로 넘어오면 문제가 달라진다. 평균이 맞는가가 아니라, 퍼짐의 폭과 모양이 관측과 맞는가를 채점해야 하기 때문이다.

두 번째 주장은 블렌드가 무작위 평균이 아니라는 점이다. 저자들은 더 정확한 모델에 더 큰 가중치를 주고, 동시에 오차가 상보적인 모델을 짝지을 때 더 나은 블렌드가 나온다고 말한다. 정확도만 보고 가중치를 몰아주면 얻을 수 있는 이득의 절반을 놓치고, 반대로 다양성만 보고 실력 낮은 모델을 끌어들이면 평균이 흔들린다. 논문이 제시하는 처방은 이 둘의 조합이다.

반전: 최고끼리 섞는 것이 최선이 아니다

직관적으로는 가장 잘 맞히는 두 모델을 붙이면 최고일 것 같다. 논문의 결과는 그 반대다. MOGREPS-UK에 AIFS-CRPS를 더한 블렌드, 그리고 MOGREPS-UK에 물리 기반 통합예보시스템(IFS)을 더한 블렌드는 둘 다 IFS와 AIFS-CRPS를 맞붙인 블렌드보다 좋았다. IFS와 AIFS-CRPS는 각각 나쁘지 않은 모델이지만, 서로의 오차가 그리 다르지 않다. 논문의 표현으로 "not very diverse"다.

영국 기상청(Met Office) 엑서터 본사 입구. 논문이 쓴 국지 앙상블 MOGREPS-UK를 운영하는 곳이다 — Richard Dorrell, CC BY-SA 2.0 (Wikimedia Commons / Geograph)

왜 그런가. 앙상블의 값어치는 평균이 아니라 퍼짐에서 나온다. 두 모델이 같은 상황에서 같은 방향으로 틀리면, 섞어도 틀린 방향의 확신만 두 배가 된다. 반대로 한쪽이 과대추정할 때 다른 쪽이 과소추정하는 관계라면, 섞는 순간 오차가 상쇄되고 퍼짐이 관측 분포에 가까워진다. 논문은 IFS와 AIFS-CRPS가 "그리 다양하지 않다(not very diverse)"고 표현하며, 오차 특성이 겹치는 두 모델을 섞는 것으로는 얻을 수 있는 이득이 제한된다고 본다. AI 모델이라고 해서 자동으로 "다른" 모델이 되지는 않는다는 뜻이다.

왜 좋아지는가: CRPS를 뜯어보면

논문의 방법론적 핵심은 CRPS를 두 종류의 항으로 분해한 데 있다. 하나는 구성 평균(component means)에서 나오는 항, 다른 하나는 다양성(diversity)에서 나오는 항이다. 이렇게 쪼개면 "점수가 좋아졌다"는 결과가 왜 좋아졌는지를 두 갈래로 나눠 읽을 수 있다. 모델 자체가 정확해져서인지, 아니면 서로 다른 오차를 가진 모델을 섞어서인지가 구분된다.

일반적으로 CRPS는 예보의 퍼짐이 부족할 때와 넘칠 때 모두 벌점을 준다. 그래서 퍼짐이 좁은 모델과 넓은 모델을 섞으면 총퍼짐이 관측에 가까워지면서 점수가 좋아질 수 있다. 논문의 분해는 이 효과를 다양성 항으로 잡아낸다. 결론은 운영 규칙으로 요약된다. 실력이 높은 모델에 가중치를 실어 주되, 오차 구조가 겹치지 않는 모델을 함께 넣어야 한다.

경쟁 가설: AI 모델이 캘리브레이션이 안 돼서 생긴 착시 아닌가

가장 자연스러운 반론은 이렇다. AI 앙상블의 퍼짐이 관측에 비해 충분히 보정되어 있지 않다면, 그 어긋난 퍼짐이 물리 앙상블과 섞이면서 점수를 올린 것은 모델의 실력이 아니라 보정 상태의 부산물일 수 있다. 논문은 이 지점을 캘리브레이션 실험으로 확인한다. AIFS-CRPS를 캘리브레이션하면, 캘리브레이션된 물리 기반 앙상블 예보에 견줄 만한 폭의 기술 향상이 나온다. 즉 AI 앙상블의 이득이 "보정 안 된 상태에서 나오는 부산물"로만 설명되지는 않는다.

더 나아가 논문은 캘리브레이션을 두 번 하라고 말한다. 블렌딩 전에 원천 예보를 각각 보정하고, 블렌딩한 뒤에 그 결과를 다시 보정하면 전체 정확도가 더 올라간다. 순서를 하나로 고르는 문제가 아니라, 두 지점의 보정이 서로 다른 오차를 잡아낸다는 뜻이다. 다만 이것은 어디까지나 이 실험의 채점 결과이며, 캘리브레이션 자체가 모델의 물리적 결함을 고쳐 준다는 주장은 아니다.

논문이 스스로 밝힌 범위와 한계

초록 수준에서 확인되는 범위는 분명하다. 무대는 영국, 채점 대상은 지점의 기온과 풍속, 비교에 오른 모델은 MOGREPS-UK와 AIFS-CRPS, 그리고 대조군으로 등장하는 IFS다. 채점 도구는 CRPS 한 가지다. 이 범위를 벗어난 일반화 — 예컨대 강수, 강풍, 열대 지역, 또는 다른 AI 앙상블 — 는 이 초록만으로는 확인되지 않는다. 논문은 이 조합에서 관측된 향상을 보고할 뿐, "AI 앙상블은 언제나 물리 앙상블과 상보적"이라고 선언하지 않는다.

또 하나 주의할 점은 이 결과가 "AI가 물리를 대체한다"는 서사와 정반대 방향이라는 것이다. 저자들이 끌어내는 함의는 서로 다른 모델 개발 접근을 나란히 밀고 나가는 것, 즉 병행 개발에 무게를 실어 준다. 한쪽이 이기고 한쪽이 지는 구도가 아니라, 오차가 다른 두 계열을 동시에 유지하는 것이 예보 기술의 자산이 된다는 주장이다.

독자에게: 모델을 몇 개나, 얼마나 다르게 만들 것인가

운영하는 입장에서 이 논문이 던지는 질문은 "AI 모델을 도입할까"가 아니다. 같은 데이터, 같은 아키텍처, 같은 학습 파이프라인에서 나온 모델을 여러 개 늘리는 것은 앙상블을 늘리는 일이지 다양성을 늘리는 일이 아닐 수 있다. 오차가 겹치는 멤버를 아무리 많이 모아도, 틀린 방향의 확신만 두꺼워진다. 반대로 계보가 다른 모델을 하나 더 넣는 것이 스무 개의 비슷한 멤버보다 나을 수 있다.

그래서 남는 질문은 이것이다. 지금 쓰는 앙상블에서 "서로 다른 방식으로 틀리는" 멤버는 몇 개인가. 여러분이 신뢰하는 예보가 흔들릴 때, 그 흔들림이 진짜 불확실성인지 아니면 같은 편향을 공유한 멤버들이 만든 착시인지 구분할 방법이 있는가.

참고 자료

• Harris Sop Nkuiate, Gavin Evans, Christopher A. T. Ferro, Frank Kwasniok, Caroline Bain, Stefan Siegert, "Value of Adding AI Weather Model Ensembles to a Multi-model Probabilistic Blend", arXiv:2610.42130v1 (2026-10-30)
• https://arxiv.org/abs/2610.42130v1