티핑 포인트를 예측하는 AI, 정답보다 경보가 중요하다

이번 연구에서 필자의 눈을 끈 것은 AI가 미래의 정답을 맞혔다는 사실보다 ‘평소의 물리가 더는 통하지 않는 순간’을 위험 신호로 삼았다는 점이다. 복잡한 시스템의 붕괴는 대개 직전까지 정상처럼 보인다. 따라서 평균적인 상태를 더 정밀하게 예측하는 것만으로는 부족하다. 변화의 규칙 자체가 흔들리는지를 알아채는 능력이야말로 기후위기와 안전공학에 필요한 예보다.

과거를 닮지 않은 미래를 읽는 법

칼텍 주도 연구진은 시간에 따라 성질이 변하는 물리 시스템을 학습하는 AI를 개발했다. 이 모델은 모의실험에서 해양 저층운 소멸을 2년 이상 앞서 예측했고, 항공기 날개의 양력이 급격히 떨어지는 현상도 사전에 포착했다. 여기서 티핑 포인트란 작은 변화가 누적되다가 시스템이 갑자기 다른 상태로 넘어가는 문턱이다. 저층운은 햇빛을 우주로 반사해 지구를 식히는 역할을 하므로, 그 급격한 감소는 온난화를 더 키울 수 있다.

기존의 데이터 기반 AI는 과거에 나타난 패턴이 미래에도 대체로 이어진다는 전제에 강하다. 그러나 기후와 난류처럼 조건이 계속 달라지는 시스템에서는 어제의 규칙이 내일의 규칙이라는 보장이 없다. 이번 접근은 내부에 시간의 흐름을 기억하는 구조를 두고, 학습한 물리 관계와 예측 결과가 어긋나기 시작하는지를 살핀다. AI를 만능 예언자가 아니라 물리 법칙의 이상 징후를 감시하는 경보기로 쓴 셈이다.

모의실험과 현실 사이를 정직하게 밝혀야 한다

그렇다고 ‘기후 재앙을 2년 전에 안다’고 받아들여서는 곤란하다. 성과는 단순화된 기후 모델과 항공 흐름 시뮬레이션에서 확인됐다. 실제 지구에는 관측 공백과 측정 오차가 있고, 여러 요인이 동시에 작용한다. 한 모델에서 뚜렷했던 경고 신호가 현실의 잡음 속에서는 흐려질 수도 있다. 어떤 조건에서 오경보가 발생하는지, 경고하지 못하는 경우는 무엇인지 검증하지 않은 채 숫자 하나만 강조하면 과학적 신뢰를 해친다.

필자는 다음 단계의 기준이 ‘얼마나 일찍’보다 ‘얼마나 책임 있게’여야 한다고 본다. 서로 다른 기후모델과 실제 관측자료로 반복 검증하고, 예측 시점과 함께 불확실성 범위를 제시해야 한다. 항공 분야에서도 AI 경보가 설계자와 조종사의 판단을 대체하기보다 풍동시험과 안전기준을 보완하도록 해야 한다. 우리도 기후·산업 설비·전력망처럼 급변 위험이 큰 영역에서 물리 기반 AI와 장기 관측자료를 함께 축적해야 한다. 티핑 포인트를 완벽히 맞히는 기술보다, 경고를 받고도 움직이지 않는 사회를 바꾸는 체계가 더 시급하다.