Allen Institute: AIMIP 벤치마크——AI 기후 모델은 과거 데이터에서 2배 우수하지만 장기적 온난화에는 일반화하지 못합니다

Allen Institute(AI2)는 2026년 5월 13일 AIMIP——AI 모델 비교 프로젝트를 발표했습니다. 이는 AI 기상 및 기후 예측을 위한 커뮤니티 벤치마크입니다. 1단계 평가는 6개 모델링 그룹의 8개 모델 시뮬레이션을 포함하며, AI 모델이 장기적 기후 온난화에 일반화하지 못하는 심각한 능력 부재를 드러냅니다.

AIMIP 1단계에는 누가 참여합니까?

1단계에는 총 8개의 모델 시뮬레이션을 제출한 6개 그룹이 참여합니다: Ai2 기후 모델링, NVIDIA, Google Research, 워싱턴 대학교, 메릴랜드 대학교, ArchesWeather 그룹입니다. Allen Institute는 이 프로젝트를 「커뮤니티 노력」으로 위치시키며——고전적인 대기 과학 모델을 사용하는 전통적인 CMIP(기후 모델 비교 프로젝트) 프레임워크에 필적하는 표준화된 평가를 목표로 합니다.

과거 데이터에서의 평가는 무엇을 보여줍니까?

AI 모델은 강한 결과를 보여줍니다——선도 시스템은 기존 모델 대비 지표면 근처 기온과 같은 필드에서 시간 평균 오류를 2배 줄입니다. 이 지표는 고전적 GCM(대기 대순환 모델) 시스템이 세밀한 해상도에서 계산 비용이 너무 높은 단중기 기상 예보에서 AI가 우수하다는 것을 시사합니다.

AIMIP는 어떤 심각한 약점을 드러냅니까?

평가는 중대한 일반화 약점을 드러냈습니다: 모델들은 훈련 기간을 벗어난 장기적 온난화 추세 예측에 어려움을 겪습니다. 일부 모델이 온난화를 적절히 추적하는 반면, 다른 모델들은 온난화를 「상당히 과소평가」하며, 이는 다양한 기후 시나리오 간 일반화 격차를 나타냅니다. 이는 중요한 한계입니다——AI 기후 모델은 훈련 분포에 포함되지 않은 미래 온도 체제로 올바르게 외삽할 수 있어야 합니다.

이 약점은 실용적으로 무엇을 의미합니까?

AI 기후 모델은 현재 과거 데이터의 세밀한 재현과 단기 기상 예보에는 유용하지만, 정책 입안에 정보를 제공하는 기후 GCM의 주요 사용 사례인 세기 규모의 기후 예측에는 신뢰할 수 없습니다. AIMIP는 후속 단계에서 더 많은 모델과 시나리오를 추가할 예정이며, 특히 분포 외 일반화에 초점을 맞출 것입니다.

모델 아키텍처는 「참여 모델링 그룹에 달려 있습니다」——AIMIP는 아키텍처를 규정하지 않고 입출력 사양만 규정하여, 동일한 벤치마크에서 다양한 접근 방식(트랜스포머, 그래프 신경망, 하이브리드 물리-ML 모델)의 비교를 가능하게 합니다. 이 접근 방식은 AIMIP를 특정 모델 솔루션을 지지하는 것이 아니라 과학적 비교를 위한 인프라로 위치시킵니다.