섹션별 상세
구글은 전통적인 기상 관측 장비가 부족한 지역의 데이터 공백을 메우기 위해 뉴스 기사를 데이터 소스로 활용하는 혁신적인 접근 방식을 채택했다. Gemini LLM을 투입해 수백만 건의 텍스트 기사에서 홍수 발생 시간과 위치 정보를 정량적인 지오태깅 시계열 데이터로 변환했다.
추출된 Groundsource 데이터셋은 LSTM(Long Short-Term Memory) 신경망 모델의 학습 기반이 되어 기상 예보 데이터를 홍수 발생 확률로 변환하는 역할을 수행한다. 이는 언어 모델을 직접 예측에 사용하는 것이 아니라, 비정형 텍스트에서 정형 학습 데이터를 생성하는 전처리 도구로 활용한 사례이다.
개발된 모델은 구글의 Flood Hub 플랫폼에 통합되어 전 세계 150개국의 도시 지역을 대상으로 홍수 위험을 실시간으로 알리고 있다. 특히 아프리카 남부 개발 공동체(SADC) 등 기상 인프라 투자가 어려운 지역에서 긴급 대응 속도를 높이는 데 실질적인 기여를 하고 있다.
현재 모델은 20평방킬로미터 단위의 저해상도 예측을 제공하며, 국지적 레이더 데이터가 포함되지 않아 미국 국립기상청(NWS) 시스템보다는 정밀도가 낮다. 그러나 연구진은 이 방법론을 폭염이나 산사태 등 데이터가 부족한 다른 자연재해 예측에도 확장 적용할 수 있을 것으로 기대하고 있다.
기술
- Gemini
- LSTM
- Google Flood Hub
활용 사례
- 돌발 홍수 예측
- 재난 대응 시스템
- 데이터 부족 지역 기상 모델링
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 12.수집 2026. 03. 12.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
