구글은 11월 6일 오전, 서울시 강남구에 위치한 자사 사무실에서 ‘구글 AI 포럼 제14강: AI 혁신과 여진 예측’ 행사를 개최했다.

‘구글 AI 포럼’은 최근 도래하고 있는 AI-First 시대를 맞아 인공지능 및 머신러닝과 관련해 좀 더 알기 쉬운 설명 및 사례와 함께 더욱 깊게 공부할 수 잇는 기회를 제공하기 위해 구글이 준비한 행사로, 매월 진행되고 있다.

이번 AI 포럼에서는 마틴 와튼버그(Martin Wattenberg) 구글 시니어 스태프 리서치 사이언티스트가 딥러닝 기술을 활용한 여진 발생 위치 예측 모델을 소개하고, 지진 데이터의 신경망 분석으로 알고리듬을 도출 및 여진 예측에 유용한 패턴을 파악하여 지진 현상을 더욱 정확히 이해하고 여진 피해를 줄이는 연구 과정 및 결과에 대해 소개했다.

마틴 와튼버그 리서치 사이언티스트는 “전 세계적으로 지진 피해가 급증하고 있지만 지진의 위치를 예측하는 것, 특히 최초의 주진 이후에 일어나는 여진의 발생 위치를 예측하는 것은 아직 어려운 과제로 남아있다.”며, “구글과 연구팀은 여진의 발생 위치를 예측하는 과정에 AI를 적용하여 피해를 줄이는 방안을 연구해 개선된 여진 위치 예측 모델을 얻는 성과를 이루었다.”고 밝혔다.



발표에 따르면 오늘의 주제인 지진은 대개 차례대로 발생하고, 최초의 주진 후 흔히 여러 여진이 일어난다. 이러한 여진은 보통 주진보다 규모가 작지만 경우에 따라 복구 작업에 심각한 방해가 되고, 여진의 시기와 크기는 경험적 법칙에 기반해 이해하고 해석할 수 있지만 여친이 발생할 위치를 예측하는 것은 쉽지 않다. 또한 지진으로 인한 쓰나미, 산사태 등 자연 재해 피해도 심각하며 14억의 인구가 지진 활성 단층의 200km 내에 살고 있다.

이에 구글의 머신러닝 전문가들과 하버드 대학 연구팀이 협업을 통해 여진이 발생할 수 있는 위치를 설명하는 작업에 딥러닝을 적용할 수 있을지 확인하고, 해당 연구 결과를 논문으로 발표했다. 연구팀은 주진으로 발생한 정적 응력 변화와 여진이 발생하는 위치 간의 관계를 분석하기 위해 신경망을 적용하고 이 알고리듬을 통해 유용한 패턴을 파악했다.

연구팀은 기존 여진 예측 모델에 머신러닝을 접목해 모델 기능을 향상시켰다. 기존 조건과 기술들은 효율성이 떨어지거나 예측과 동떨어진 데이터 양상을 보였지만, 머신러닝을 활용한 새로운 모델은 같은 지진 데이터를 입력해도 기존 모델보다 개선된 것을 확인할 수 있었다. 마틴 와튼버그 리서치 사이언티스트는 슬라이드를 통해 노란 그리드 셀과 파란 부분이 예측한 부분, 회색이 실제적으로 발생한 위치라고 설명하며 기존 모델과 새로운 모델의 데이터 차이를 발표했다. 모델에 대해서는 주진으로 발생한 정적 응력 변화와 여진이 발생하는 위치 간의 관계를 분석하기 위한 신경망을 적용했다고 소개했다.

정확한 예측을 위한 ‘AUC 측정법’을 통한 개선 결과도 소개됐다. 머신러닝 전문가들이 사용하는 AUC 측정법에서 0.5의 수치는 무작위 예측에 가깝고, 1.0은 완벽한 예측에 가깝다. 이 수치를 대입했을 때 기존 모델 데이터를 변환 시 0.583이지만, 새로운 신경망을 활용한 모델 데이터 변환 시 0.849로 나타나 수치가 크게 향상됐다고 발표됐다. 또한 기존 3%의 정확성에 비해 새로운 모델은 6%로 두 배가 오른 정확성을 보여주었다. 하지만 6%라는 수치가 실질적으로 활용하기 어려운 것을 인지하고 앞으로 더 많이 개선해 나갈 것이라고 밝혔다.

또한 마틴 와튼버그 리서치 사이언티스트는 이번 연구를 통해 지진 발생에 있어 중요한 요인일 수 있는 물리량을 식별하는 뜻밖의 결과를 얻었다고도 밝혔다. 연구팀은 데이터 세트에 신경망을 적용함으로써 액면 그대로의 예측 결과뿐만 아니라 이러한 예측에 중요하고 유용하게 작용한 구체적인 요인의 조합을 자세히 관찰할 수 있었으며, 이를 통해 자연 현상을 더 정확하게 이해하는데 도움이 될 잠재적 물리 이론을 발견할 새로운 가능성을 찾을 수 있었다고 소개했다. 이에 비록 초기 단계이지만 AI 및 머신러닝을 통해 여진 예측에 대한 유의미한 결과를 발견한 것처럼 향후에도 AI와 머신 러닝 기술이 인류가 직면한 과제를 더 잘 이해하고, 또 해결하는 것을 도울 수 있기를 기대한다고 덧붙였다.




Copyright ⓒ Acrofan All Right Reserved.