구글 딥마인드가 태풍 예보 모델 '웨더넥스트(WeatherNext)' 연구를 네이처에 실었습니다. 모델과 코드도 공개한다고 밝혔습니다.
핵심 숫자는 하루입니다. 그리고 같은 달, 이 연구를 해낸 조직의 지휘부가 통째로 바뀌었습니다.
과학 성과가 나온 달에 조직은 다른 방향으로 재편됐습니다.
■ 3일 뒤 예보가 예전 2일 뒤만큼
딥마인드는 예보관에게 평균 하루치 예측 정확도를 더 준다고 밝혔습니다. 이 모델의 3일 예보가 기존 모델이 이틀 앞까지만 내줄 수 있던 수준만큼 맞는다는 뜻입니다.
하루가 그렇게 큰 차이일까요? 태풍은 한 시간이 아쉬운 재해입니다. 딥마인드가 인용한 수치로는 지난 50년간 전 세계에서 70만 명 넘는 사망과 1조 4,000억 달러의 경제적 손실이 열대성 저기압에서 나왔습니다.
지난 20년 추세에 비춰보면 이번 향상은 10년치 진전에 해당한다는 것이 딥마인드의 설명입니다.
경로만 잘 맞힌 것도 아닙니다. 경로와 강도, 바람 구조 세 가지 모두에서 최고 수준 정확도를 냈다고 했고, 2023~2024년 실제 태풍으로 평가했을 때 셋 다 24시간 넘는 선행 시간을 벌었습니다.
■ 경로와 강도를 한 모델에 넣은 방법
태풍이 어디로 갈지는 거대한 전 지구 대기 흐름이 밀어서 정해집니다. 그래서 성긴 전지구 모델이 잘 맞혔습니다. 반면 얼마나 세질지는 태풍 중심부의 아주 국소적인 열역학 과정이 좌우합니다. 이건 해상도 높은 지역 모델의 몫이었습니다.
지금까지는 둘 중 하나를 고르는 문제였습니다. 웨더넥스트는 이걸 한 모델로 합쳤습니다.
합친 방법은 상식과 어긋납니다. 보통은 해상도를 높여야 강도 예측이 정확해진다고 봤는데, 웨더넥스트 사이클론은 28×28km 해상도 데이터만 있으면 됩니다. 기존 모델보다 100배 성긴 값입니다.
그러면 무엇으로 정확도를 채웠을까요? 학습 데이터입니다. 전 지구 기상 역학과, 전문가가 정리한 과거 태풍 관측을 함께 썼습니다. 대기 데이터 약 20테라바이트와 폭풍 약 5,000건이 담긴 IBTrACS 데이터베이스를 끝에서 끝까지 같이 학습시켰습니다.
속도도 함께 밝혔습니다. TPU 한 장에서 15일 예보 하나를 1분 안에 만듭니다. 1,000개짜리 앙상블을 돌리면 열대저압부에서 허리케인급 바람까지의 확률 지도를 지역 단위로 뽑습니다.
■ 허리케인 멜리사에서 이미 쓰였다
논문 얘기만은 아닙니다. 2025년 허리케인 시즌에 이 모델이 미국 국립허리케인센터(NHC)를 도왔다고 딥마인드는 밝혔습니다.
허리케인 멜리사의 급격한 강화와 자메이카 상륙을 예측했고, NHC 가 사전 경보를 낼 수 있었습니다. 현장 대응 인력이 준비할 시간을 벌었다는 것입니다.
연구에는 딥마인드와 구글 리서치 연구진 외에 NHC, 대기연구협력연구소(CIRA), 영국 기상청, 그리고 각국 기상기관의 전문 예보관들이 참여했습니다.
■ 코드와 가중치를 푼다
논문과 함께 코드와 모델 가중치를 공개합니다. 누구나 받아서 그 위에 만들 수 있다는 얘기입니다.
공개 대상은 셋입니다. 허리케인 시즌에 실제로 돌린 '웨더넥스트 사이클론', 이후 갱신본으로 10월에 운영에 투입된 '웨더넥스트 2', 그리고 111×111km 로 더 성긴 축소판이라 TPU 한 장에서 돌아가는 '웨더넥스트 2-미니'.
학술 연구든 실제 예보 운영이든, 지역에 특화된 모델을 새로 만드는 일이든 쓰라는 취지입니다. 예보를 직접 보고 싶으면 웨더 랩(Weather Lab)이 있습니다. 최근 인터페이스를 새로 하고 태풍 경로 외에 전 지구 기상 예보까지 넣었습니다.
■ 같은 달, 딥마인드의 지휘부가 바뀌었다
여기까지가 연구 얘기입니다. 그런데 이 성과를 낸 조직은 같은 달 어떤 상태였을까요?
구글은 8월 5일(현지시간) 구글 딥마인드의 리더십을 전면 개편했습니다. 수장이던 데미스 하사비스는 의장으로 옮겼고, 부관이던 코레이 카부쿠올루가 실권을 넘겨받았습니다. 같은 날 제미나이를 처음 설계한 기술 공동리더 2명이 회사를 떠나 새 스타트업을 차렸습니다.
로이터가 제미나이 개발에 정통한 관계자 7명을 인터뷰해 전한 내용입니다. 구글 공동창업자 세르게이 브린은 최근 몇 달간 핵심 인력들에게 제미나이에 총력을 기울이라고 압박해 왔다고 관계자들은 말했습니다.
왜 지금이었을까요? 배경에는 뒤처진 성적표가 있습니다. 제미나이는 지난해 11월경 경쟁 모델들을 잠시 앞질렀지만 이후 앤트로픽과 오픈AI가 잇따라 신모델을 내놓으며 다시 추격하는 처지가 됐습니다. 8월 들어 구글은 내부 테스트에서 코딩 등 일부 영역이 여전히 경쟁사에 못 미친다는 결과가 나오자 차세대 플래그십 제미나이 출시를 두 달 미뤘습니다.
리더십 개편 발표 당일 구글 주가는 4% 떨어졌습니다.
개편의 이면에는 딥마인드의 자율성이 한층 더 줄어드는 변화가 있습니다. 구글은 2014년 런던 소재 딥마인드를 인수한 이후 AI를 자사 제품과 매출에 더 깊이 연결시키는 방향으로 조직의 독립성을 줄여 왔습니다. 8월 6일 회의에서는 비기술 부문 여러 팀이 딥마인드에서 나와 구글 본사 보고 체계로 편입된다는 통보가 있었습니다.
그 회의에서 하사비스는 AI가 과학 발전과 사회 변화에 어떻게 기여할 수 있는지를 주제로 발언했습니다. 새로 맡을 의장직에서 집중할 장기적 화두라고 회의에 정통한 관계자 3명이 전했습니다.
■ 태풍 예보와 제미나이 사이
정리하면 이렇습니다. 딥마인드는 태풍 예보에서 10년치 진전을 냈고 그 모델을 공개했습니다. 같은 달 그 조직은 모델 경쟁 우위를 되찾으라는 주문 아래 재편됐고, 과학을 말하던 창업자는 의장으로 물러났습니다.
둘이 모순은 아닙니다. 다만 방향이 다릅니다. 네이처에 실린 연구와 두 달 미뤄진 플래그십 모델은 같은 조직의 서로 다른 시계입니다.
이번 공개가 그 시계 중 어느 쪽에 속한 성과인지는, 앞으로 딥마인드가 무엇을 더 여느냐가 답할 것입니다.
Google DeepMind has published its cyclone forecasting model, WeatherNext, in Nature, and says it is releasing the model and code.
The number that matters is one day. And in the same month, the leadership of the lab that did this work was replaced.
The science landed in the same month the organisation was pointed in another direction.
A three-day forecast as good as yesterday's two-day
DeepMind says the model gives forecasters about a day of extra accuracy: its three-day forecast is as reliable as what earlier models could offer two days out.
Is a day really that much? Cyclones are a hazard where an hour counts. On the figures DeepMind cites, tropical cyclones have caused more than 700,000 deaths and $1.4tn in economic losses worldwide over the past 50 years.
Set against the trend of the last two decades, DeepMind says the gain is worth about ten years of progress.
It is not only track. The model reached state-of-the-art accuracy on track, intensity and wind structure alike, and on real 2023–2024 storms all three gained more than 24 hours of lead time.
Putting track and intensity in one model
Where a cyclone goes is set by large-scale global atmospheric flow, which coarse global models handle well. How strong it gets is governed by very local thermodynamics at the core — the domain of high-resolution regional models.
Until now that was a choice between the two. WeatherNext merges them into a single model.
How it merges them runs against intuition. Higher resolution was assumed necessary for intensity, yet WeatherNext Cyclone needs only 28×28km data — a hundred times coarser than existing models.
So what makes up the accuracy? The training data. Global weather dynamics were trained end-to-end together with expert-curated historical cyclone observations: roughly 20 terabytes of atmospheric data and the IBTrACS database of about 5,000 storms.
Speed was disclosed too. A single TPU produces one 15-day forecast in under a minute. A 1,000-member ensemble yields regional probability maps from tropical depression up to hurricane-force winds.
Already used on Hurricane Melissa
This is not only a paper. DeepMind says the model supported the US National Hurricane Center during the 2025 hurricane season.
It predicted Hurricane Melissa's rapid intensification and Jamaica landfall, letting the NHC issue early warnings and giving responders time to prepare.
Alongside DeepMind and Google Research, the work involved the NHC, the Cooperative Institute for Research in the Atmosphere, the UK Met Office and operational forecasters from national weather agencies.
Releasing the code and the weights
The code and model weights are being released with the paper, so anyone can take them and build on top.
Three things are being opened: WeatherNext Cyclone, the model actually run during the hurricane season; WeatherNext 2, the later revision put into operations in October; and WeatherNext 2-Mini, a coarser 111×111km version that runs on a single TPU.
The stated purpose covers academic research, live forecasting operations and building new region-specific models. To simply look at forecasts there is Weather Lab, recently rebuilt to add global weather forecasts alongside cyclone tracks.
The same month, DeepMind's leadership changed
That is the research. But what state was the organisation behind it in that same month?
On August 5, US time, Google overhauled Google DeepMind's leadership. Demis Hassabis, who ran the lab, moved to chair; his deputy Koray Kavukcuoglu took over. The same day, the two technical co-leads who first designed Gemini left to found a startup.
Reuters reported this after interviewing seven people familiar with Gemini's development. Google co-founder Sergey Brin has spent recent months pressing key staff to put everything into Gemini, those people said.
Why now? Behind it is a slipping scorecard. Gemini briefly led rival models around last November, but Anthropic and OpenAI have since shipped new models and put it back in a chasing position. In August, after internal tests showed coding and some other areas still short of competitors, Google delayed its next flagship Gemini by two months.
Google's shares fell 4% on the day the reshuffle was announced.
Underneath it is a further reduction in DeepMind's autonomy. Since acquiring the London lab in 2014, Google has steadily narrowed its independence in order to tie AI more closely to products and revenue. At an August 6 meeting, staff were told several non-technical teams would move out of DeepMind and report into Google proper.
At that meeting Hassabis spoke about how AI can contribute to scientific progress and social change — the long-term theme he will focus on as chair, according to three people familiar with it.
Between cyclone forecasts and Gemini
So: DeepMind produced a decade's worth of progress in cyclone forecasting and released the model. In the same month the lab was restructured under an order to win back model leadership, and the founder who talks about science moved to the chair.
The two are not contradictory. They point in different directions. A Nature paper and a flagship model delayed by two months run on different clocks inside the same organisation.
Which clock this release belongs to will be answered by what DeepMind opens next.
Sources · Google DeepMind Blog · Wikitree