인공지능 기상학자 투명한 다변량 날씨 해석을 위한 모듈형 대형언어모델 에이전트 시스템

초록

본 논문은 원시 수치예보 데이터를 입력으로 받아, 다중 기상 변수와 장기 기후 정규값을 결합한 뒤, GPT‑4o 기반의 모듈형 에이전트 파이프라인을 통해 과학적 근거와 신뢰도 점수를 포함한 해석형 보고서를 자동 생성한다. 파인튜닝 없이 인‑컨텍스트 프롬프트만으로 투명한 추론 과정을 제공함으로써 기존의 표 형식 예보를 인간이 이해하기 쉬운 서술형으로 변환한다.

상세 분석

AI‑Meteorologist 시스템은 크게 네 가지 전문 에이전트(데이터 전처리, 메타‑기상학자, 작가, 일러스트레이터)와 중앙 조정 로직으로 구성된다. 데이터 전처리 단계에서는 OpenWeather One Call API 로부터 1시간 간격, 5일 예보(온도, 습도, 풍향·풍속, 강수량, 가시성 등 10여 종)와 OpenStreetMap 기반 지리 메타데이터, Meteostat의 20년 평균 기후 정규값을 수집한다. 이 모든 정보를 “EXTERNAL INFO” 블록에 직렬화해 이후 에이전트에 전달함으로써, 모델이 순수 텍스트 입력만으로 복합적인 시계열·공간·통계 정보를 인식하도록 설계했다.

메타‑기상학자 에이전트는 프롬프트에 명시된 네 가지 출력 필드(요약, 인과 설명, 신뢰도, 경고)를 생성한다. 여기서 핵심은 “인과 설명” 단계로, 압력 구배·풍향 회전·온도 급감 등을 동시에 고려해 차가운 전선, 열파, 강우 이상 등 현상을 식별하고, 해당 현상이 해양·대륙 기단 상호작용이나 지역 기후 편차와 어떻게 연결되는지를 논리적 체인 형태로 제시한다. 신뢰도 점수는 최근 관측과의 차이, 예보 모델의 자체 불확실성 지표 등을 간단히 정량화해 제공한다.

작가 에이전트는 메타‑기상학자의 구조화된 결과를 기반으로 전형적인 기상청 bulletins 양식(제목, 서론, 파라미터 설명, 경고)으로 재구성한다. 사용자 맞춤형 옵션(예: 특정 변수 강조, 언어 선택)도 프롬프트에 포함시켜 유연성을 확보한다.

일러스트레이터 에이전트는 파이썬·matplotlib 코드를 자동 생성해 온도·풍속·강수량 시계열 그래프를 만든다. 코드와 그래프는 보고서에 삽입돼 시각적 근거를 제공함으로써, 텍스트 설명과 정량적 데이터 사이의 일관성을 검증한다.

실험에서는 해안, 내륙, 고지 3개 지역의 실시간 예보를 대상으로 시스템을 평가했으며, 차가운 전선 탐지, 강우 이상 감지, 위험 경고 등 복합 현상을 정확히 식별하고, 각각에 대해 기후 정규값 대비 편차와 과거 유사 사례를 인용해 설명하였다. 특히, “인과 설명”에 포함된 추론 체인은 인간 전문가가 검증한 논리와 높은 일치도를 보였으며, 이는 파인튜닝 없이도 LLM이 도메인 지식을 효과적으로 활용할 수 있음을 증명한다.

한계점으로는 외부 API 데이터 품질에 의존한다는 점, 정량적 예보 정확도와 설명 품질을 별도 메트릭으로 평가하지 않은 점, 그리고 다중 모델 앙상블을 아직 통합하지 못한 점을 들 수 있다. 향후 연구에서는 확률적 앙상블 출력, 인간‑기계 협업 평가, 다언어 지원 등을 통해 시스템의 견고성과 적용 범위를 확대할 계획이다.