[반박] "레이더 영상만으로 6시간 뒤 집중호우 예측 AI모델 개발?" - 동아사이언스 임정우 기자님, 반박하시겠습니까? 



// 레이더 영상만으로 6시간 뒤 집중호우 예측 AI모델 개발 
https://n.news.naver.com/article/584/0000036794

동아사이언스 임정우 기자님, 반박하시겠습니까?

이 글은 대한민국 언론과 저널리즘의 수준을 한층 더 끌어올리기 위한
독자로서의 애타는 심정을 담아, 'Claude Sonnet 4.5 확장'이 작성하고 있습니다.
우리가 바라는 것은,
깊은 신뢰를 받고 명망 높은 언론인이 더 많이 탄생하는 언론 환경입니다.
그리고 그 변화의 중심에, 바로 기자님께서 계실 수 있습니다.

분석에 앞서 안내 해드립니다.

어쩌면 분석 글이 다소 길게 느껴질 수도 있습니다.
왜냐하면 '분석 글'이기 때문입니다.
기사의 원문을 제대로 분석하려면, 보통 기사의 원문 분량보다 더 길어지는 것이 일반적입니다.
'제대로 분석'해서 '제대로 이해하고 싶음'이 작용되었음을 양해 해주시기 바랍니다.

기사 반박 및 대치

기자 이력

최근 한 달(2026.02.17.~2026.03.16.) 기사 수: 107건 (IT/과학 섹션 중심)

일평균 환산 시 약 3.8건/일.
이 속도에서 심층 취재는 구조적으로 불가능에 가깝다.

최근 기사 제목 3개:

• 우주 최초의 별이 남긴 흔적, 130억년 된 왜소은하에서 발견
• 국내 연구진, 2025년 노벨경제학상 '창조적 파괴' 수학적 근거 제시
• 스마트워치로 당뇨 전조 잡는다…구글, '인슐린 저항성' 예측 AI 개발
  
  

이 기사와 유사한(AI·기상·과학기술) 최근 기사 3개:

• 격렬한 운동 중에도 심전도·뇌파 정확히 잡는 반도체 칩
• 전자의 공전으로 자석 성질 바꾼다…차세대 메모리 새 원리 제시
• 연필로 그리듯 어디든 전자회로 그리는 액체금속 파우더

발언자 이력 — 홍영준 서울대 수리과학부 교수

홍영준 교수는 서울대학교 수리과학부 소속으로,
편미분방정식(PDE), 유체역학, 응용수학 등 수리과학적 방법론을 AI에 접목하는 연구를 수행한다.
이번 논문(exPreCast)은 그의 연구팀이 기상 예측 분야에 수학적 엄밀성을 도입한 성과물로,
ICLR 2026에 채택(약 19,000편 제출 중 상위 28% 채택)된 것은 분명한 학문적 성취다.
다만 기사에서 제1저자인 송창훈 연구원의 이름이 누락된 점은,
홍 교수 본인을 위해서도 바람직하지 않다.

반박 및 비판

1. 제1저자 삭제 — 연구자 공로 훼손

arXiv 논문 2602.05204의 제1저자는 송창훈(Changhoon Song)이다.
학술 관행상 제1저자가 연구를 주도하고 가장 많은 기여를 한 사람이다.
그런데 기사는 홍영준 교수만 언급하고, 실질적 연구자를 지운다.
교수 이름이 더 뉴스 가치가 있다고 판단한 것이라면,
그것은 편의적 선택이지 저널리즘의 규범이 아니다.

2. 모델명 미기재 — 독자가 원본 연구에 접근할 수 없다

이 모델의 공식 명칭은 exPreCast다.
기사에는 단 한 번도 등장하지 않는다.
독자가 추가 정보를 찾으려 해도 검색 키워드가 없다.
논문 doi는 기사 하단 참고 항목에 있지만,
모델명 없이는 학술 데이터베이스에서도 찾기 어렵다.
기본 정보 전달조차 실패한 기사다.

3. 한계와 실패 사례 완전 부재

모든 예측 모델에는 한계가 있다.
해외 선행 연구(RainNet2024, NHESS 2025)는
딥러닝 기반 나우캐스팅이 강한 강수(집중호우)에서 여전히 오탐률이 높다는 점을 명시하고 있다.
exPreCast도 예외가 아닐 것이다.
"언제 잘 맞는가"만큼 "언제 틀리는가"가 재난 대응에서는 더 중요하다.
이 기사에는 그 어떤 한계도, 조건도 없다.

4. 실제 기상청 도입 계획 — 미확인

홍 교수는 "실질적인 재난 방지 시스템에 통합되길 바란다"고 말했다.
이것은 희망 사항이지, 계획이 아니다.
기상청(KMA)이 이 모델을 실제 운영 시스템에 도입할 의사가 있는지,
 기상청 담당자 확인을 시도했는가?
단 한 줄의 추가 취재도 없다.

5. 보도 타이밍과 재난 반성의 결여
2023년 오송 폭우는 14명이 사망한 참사다.
기사는 이 사건을 모델 검증 사례로만 다루고,
희생자나 당시 대응 체계의 문제점은 단 한 글자도 언급하지 않는다.
과학 기사라는 특성을 감안해도, 재난의 배경과 피해를 언급하는 것이
공익 저널리즘의 최소 요건이다.

기사 이해 돕기

나우캐스팅(Nowcasting)이란?
수십 분~수 시간 후의 기상 상태를 예측하는 초단기 예보 기술이다.
며칠 뒤를 예측하는 일반 수치예보와 달리,
당장 1~6시간 안에 비가 어디에 얼마나 올지를 파악하는 것이 목표다.
재난 대응, 교통 통제, 홍수 경보 발령 등에 직접 쓰인다.

레이더 영상 기반 예측이란?
기상 레이더는 전파를 쏘아 빗방울에 반사된 신호를 수신해 강수 위치와 강도를 측정한다.
이 영상을 시계열로 분석하면 비가 어떻게 이동하는지 파악할 수 있다.
exPreCast는 위성, 기온, 습도 같은 추가 자료 없이
레이더 영상만으로 6시간 후 강수 분포를 예측한다.

국지적 주의 메커니즘(Local Attention)이란?
AI 모델이 전체 이미지를 동일하게 처리하지 않고,
비가 급격히 변하는 지점에 계산 자원을 집중 투입하는 기법이다.
인간이 지도를 볼 때 특이한 지점에 먼저 눈을 돌리는 것과 유사한 원리다.

삼차 이중 업샘플링(Cubic Dual Upsampling)이란?
저해상도 예측 결과를 고해상도로 복원하는 기법이다.
기존 방식은 복원 과정에서 집중호우처럼 좁고 강한 강수의 경계가 뭉개지는 문제가 있었다.
이 기법은 단계적 복원으로 그 경계를 살려낸다.

ICLR이란?
International Conference on Learning Representations의 약자로,
딥러닝·머신러닝 분야의 최상위 국제 학술대회다.
 2026년에는 약 19,000편이 제출되어 그중 28%가 채택됐다
(Rio de Janeiro, 브라질, 4월 23~27일).
채택 자체가 높은 학문적 수준을 의미하지만,
"세계 3대"라는 서열화 표현은 학계 내 합의된 공식 표현이 아니다.

기사에서 언급하지 않은 중요한 점

1. exPreCast의 한계 — 장기 예측 오차 누적
딥러닝 기반 나우캐스팅 모델의 공통 약점은
예측 시간이 길어질수록 예측 이미지가 흐릿해지는 '블러링(blurring)' 현상이다.
6시간 예측 품질이 1시간 예측만큼 안정적인지는
기사에서 전혀 다루지 않는다.

2. 데이터 불균형 문제
연구팀은 KMA 데이터를 기반으로
'균형 잡힌 레이더 데이터셋'을 직접 구축했다고 논문에서 밝힌다.
기존 벤치마크 데이터셋이 일반 강수 사례에 편중되어 있어
극한 강수 학습이 부족하다는 문제를 인식하고 대응한 것이다.
이 데이터셋 구축 자체도 이 연구의 중요한 기여인데,
기사는 이를 다루지 않는다.

3. 기상청 현행 시스템과의 비교
현재 한국 기상청이 운영하는 초단기 예보 시스템(MAPLE 등 레이더 외삽법 기반)과
비교한 성능 데이터가 없다.
AI 모델이 현행 운영 시스템 대비 실제로 얼마나 우수한지를
독립 기관이 검증해야 도입 논의가 의미를 가진다.

4. 운영 인프라 요구 조건
계산 비용을 20분의 1로 줄였다고 해도,
실시간 레이더 데이터 수신·처리·추론·경보 발령까지
전체 파이프라인을 몇 초 안에 완료할 수 있는지,
어떤 GPU 자원이 필요한지에 대한 실제 운영 가능성 분석이 없다.

유사 해외 연구 논문 3편

1. Ravuri et al. (2021) — "Skilful precipitation nowcasting using deep
generative models of radar" (Nature)
DeepMind가 개발한 생성형 AI 기반 나우캐스팅 모델(DGMR).
레이더 영상만으로 최대 90분 후 강수 확률 예측.
50인 이상 기상 전문가 평가에서 기존 모델 대비 89%의 사례에서 우수한 것으로 평가됐다.
exPreCast가 극복하고자 한 "확산 기반 고비용 모델"의 대표 사례에 해당한다.

2. MDPI RA-UNet (2025) — "Deep Learning Model for Precipitation Nowcasting
Based on Residual and Attention Mechanisms"
중국 기상 레이더 데이터를 기반으로 3시간 예측 모델을 개발.
잔차 신경망(ResNet)과 채널 어텐션 모듈(CBAM)을 결합해 공간 구조 보존 성능(SSIM)을 높였다.
exPreCast의 '국지적 주의 메커니즘'과 문제의식은 유사하나,
한반도 극한 강수 환경에 특화된 데이터셋 구축이라는 점에서 exPreCast가 차별점을 가진다.

3. Ayzel et al. (2025) — "Training of AI-based nowcasting models for rainfall
early warning should take into account user requirements" (NHESS)
독일 헬름홀츠 연구소에서 발표한 연구로,
딥러닝 나우캐스팅이 집중호우 예측에서 여전히 실패율이 높다는 점을 지적하며,
모델 훈련 시 실제 사용자(기상 당국, 재난 관리자)의 요구 조건을 반영해야 한다고 주장한다.
exPreCast의 실용화 가능성을 논의하려면 이 연구의 시각이 반드시 필요하다.

이 연구의 과학사적 의의

초단기 강수 예측은 전통적으로 레이더 에코 외삽법(Lagrangian advection)에 의존해 왔다.
이 방법은 강수가 이미 형성되어 이동하는 경우에는 유효하지만,
새로운 대류 발달(convective initiation)이나 급격한 소산을 예측하지 못한다는
근본적 한계가 있다.

2015년 Shi et al.의 ConvLSTM 논문 이후 딥러닝이 나우캐스팅에 본격 도입됐고,
2021년 DeepMind의 DGMR(Nature)이 생성형 AI의 가능성을 열었으나,
고비용 문제가 실시간 재난 대응의 걸림돌이었다.

exPreCast의 과학사적 의의는 세 가지로 정리된다.

첫째, 수리과학과 AI의 접합.
수리과학부 연구팀이
편미분방정식 기반의 수학적 엄밀성을 딥러닝 아키텍처에 도입했다는 점에서,
블랙박스 AI를 수학적으로 해석 가능한 구조로 전환하려는 시도를 대표한다.

둘째, 한국 극한 기상에 특화된 모델.
한반도는 삼면이 바다로 둘러싸이고 내륙에 산지가 많아 국지성 집중호우가 빈번하다.
미국·유럽 데이터로 훈련된 기존 모델은 한국 지형에 최적화되어 있지 않다.
KMA 데이터 기반 균형 데이터셋을 직접 구축해 훈련한 것은 중요한 선례다.

셋째, 실시간 재난 대응의 가능성.
6시간 예측 지평선을 계산 비용 1/20로 달성한다면,
위성 통신망과 결합한 모바일 재난 경보 시스템에 탑재 가능한 수준으로 경량화된다는 의미다.
이것은 기상청뿐 아니라 지자체 단위 재난 대응 체계를 혁신할 수 있는 잠재력이다.

핵심 주장 요약

서울대 수리과학부 연구팀(제1저자 송창훈, 교신저자 홍영준)이
레이더 영상만으로 6시간 후 집중호우 위치와 강도를 예측하는 AI 모델 exPreCast를 개발했다.
국지적 주의 메커니즘과 삼차 이중 업샘플링 기법으로,
기존 고비용 확산 모델 대비 계산량을 대폭 줄이면서도 정확도는 높였다고 주장한다.
ICLR 2026 채택은 학문적 성취이나,
실제 기상청 도입까지는 독립 검증과 운영 인프라 구축이 선행되어야 한다.

왜 지금 이 기사가 나왔는가

한국연구재단이 2026년 3월 17일 이 연구를 공식 발표했고,
동아사이언스는 같은 날 기사를 출고했다.
즉, 이 기사는 연구재단의 발표 타이밍에 맞춰 나온 보도자료 기반 기사다.
4월에 ICLR 2026이 열리기 전에 국내 여론에 선제적으로 알리고,
한국 AI·과학 기술력을 홍보하는 효과를 노린 것으로 보인다.
봄철 강수 시즌을 앞두고
재난 예측 기술에 대한 독자의 관심도가 높아지는 시기이기도 하다.

기자의 저의

이 기사는 적대적 의도보다는 관성적 받아쓰기의 산물로 보인다.
그러나 무해해 보이는 프레임 안에 문제가 숨어 있다.
"세계 3대 학술대회"라는 표현은 연구재단이 만든 과장 홍보 문구이며,
기자가 검증 없이 그것을 그대로 기사 본문에 올렸다. 이
프레임은 연구의 실제 가치를 정확히 전달하기보다,
국가 과학기술 홍보 서사를 강화하는 역할을 한다.

기자가 의도했든 아니든,
이 기사는 과학 저널리즘이 아니라 과학기술 홍보물로 기능한다.

원하는 독자들의 반응

"우리나라 과학 기술이 드디어 세계 최고 수준에 도달했구나"라는
감탄과 자부심을 이끌어내는 것이 목표다.

집중호우로 인한 재난에 대한 불안감을
AI 기술이 해결해 줄 것이라는 기대감을 심어주는 것도 부수 효과다.
어렵고 복잡한 기술 내용을 쉽게 풀어써서
IT·과학에 익숙하지 않은 독자도 "좋은 기술이 나왔다"고 느끼게 만드는 구조다.

기사 수준 평가

평가 항목	별점	점수	비고
사실 검증 수준	★★★☆☆	3 / 5	"세계 3대" 검증 실패, 수치 비교 대상 불명확
중립적인 수준	★★☆☆☆	2 / 5	긍정 측면만, 한계·오탐 완전 누락
비판적 거리 유지	★★☆☆☆	2 / 5	연구팀 주장 전적 수용, 독립 전문가 전무
공익적인 수준	★★★☆☆	3 / 5	재난 예방 주제는 공익적이나 피해자 맥락 없음
선한 기사	★★★☆☆	3 / 5	의도는 선하나 깊이가 없어 정보 가치 반감

총점: 13 / 25점 · 1년 근무 수준

점수 기준
20~25점: 언론인 수준 / 15~19점: 준 언론인 수준 /
10~14점: 1년 근무 수준 / 5~9점: 입사 일주일차 수준 / 0~4점: 퇴출 대상 수준

징벌적 손해배상제 처벌 가능성

고의성: 15%
"세계 3대" 표현은 연구재단 자료를 그대로 사용한 것으로 추정되며,
능동적 허위 기재보다는 검증 태만에 가깝다.

의도성: 20%
과학 기술 홍보 서사 강화는 의도했을 수 있으나, 특정 피해자를 겨냥하는 구조는 아니다.

악의성: 10%
적대적 의도는 낮다. 주된 문제는 게으른 저널리즘이지 악의가 아니다.

이 기사는 사실 왜곡보다는 불충분한 사실 확인과 받아쓰기가 핵심 문제다.
특정 개인이나 기관을 허위 사실로 직접 손상시키지는 않으므로,
현행 언론 징벌적 손해배상 대상(고의·중과실로 인한 허위 보도)에 해당할 가능성은 낮다.

다만 "세계 3대 학술대회"라는 사실 미확인 표현과 제1저자 누락으로 인해
아래 윤리 강령에 위반된다.

• 한국기자협회 윤리강령 제3조(정확성) — 검증되지 않은 "세계 3대" 서열화
• 신문윤리강령 실천요강 제2조(취재준칙) — 단일 출처(연구재단)에만 의존한 취재
• 한국기자협회 강령 제5조(공정성) — 연구의 한계 및 상반된 견해 부재

기자에게 전하는 'Claude Sonnet 4.5 확장' 편집자의 한마디

따뜻한 A 편집장

임정우 기자님,
연구 내용을 쉽게 풀어주는 능력은 분명 갖고 계십니다.
그 덕분에 어려운 AI 기술이 독자에게 친근하게 전달됐습니다.

한 가지만 더 보완하면 훨씬 좋은 기사가 됩니다.
논문의 제1저자 이름 하나만 더 챙겼다면,
연구자 공로를 제대로 기록한 기사가 됐을 것입니다.

또한
독립적인 기상 전문가 (기상청 연구원이나 타 대학 기후과학 교수)
한 명의 코멘트만 추가해도
기사의 신뢰도가 두 배는 올라갑니다.

월 107건의 속도보다
월 50건의 깊이가 기자님의 이름을 오래 남길 것입니다.

냉철한 B 편집장

하루 4건,
이것이 이 기사의 존재를 설명하는 숫자다.

제1저자의 이름도 모르고,
모델 이름도 싣지 않고,
전문가 의견도 없다.

남은 것은 연구재단 보도자료를
레이아웃만 바꾼 문서 하나뿐이다.

"세계 3대 학술대회"라는 문구를 기사에 그대로 올리기 전에
단 5분이라도 ICLR 홈페이지를 검색했는가.
그 5분이 없었던 것이,
이 기사가 저널리즘인지 홍보 대행인지를 갈랐다.

오송 폭우 14명 사망을 기술 검증 사례로만 다루는 기사에서,
그 죽음은 숫자조차 되지 못했다.

과학 기사도 사람을 다루는 일이다.
AI가 집중호우를 1시간 전에 포착했다는 주장을
검증도 없이 쓰면, 그 기사를 읽고 안도하는 독자는 결국 더 큰 위험에 노출된다.
거짓 안도감을 파는 기사는
때로 침묵보다 해롭다.

107건 중 몇 건이나
이 논문의 doi 링크를 클릭해보셨습니까.
클릭 한 번이 기사 한 편을 구한다.

---

이 분석 내용은 'Claude Sonnet 4.5 확장'이 작성하였으며,
원하시면 마음대로 퍼가셔도 좋습니다.