몇 주 걸리던 위험지도 작성, 몇 분 만에 — 구글 ‘행성 예측 엔진’

홍수 위험지역, 식량이 부족해질 마을, 감염병이 다음 주에 번질 지역을 예측하려면 위성영상·기후·인구·도로·시장가격·질병통계를 모아야 한다. 자료의 공간범위와 조사시점도 맞춰야 한다. 전문 연구팀이 수주 동안 수행하던 작업이다.

구글 리서치는 2026년 8월 27일, 이 과정을 자연어 질문에서 시작해 자동으로 처리하는 ‘행성 예측 엔진’을 공개하였다. 연구진은 지리예측 모델의 작성기간을 몇 주에서 몇 분으로 줄일 수 있다고 설명하였다.

질문에서 자료 탐색과 예측까지

일반적인 분석 AI는 사람이 정리한 자료를 계산한다. 행성 예측 엔진은 어떤 자료가 필요한지 먼저 판단한다.

구글 리서치의 공식 설명에 따르면 사용자가 질문하면 시스템이 대상 지역·분석기간·공간단위·예측목표를 구분한다. 이어 구글의 지리자료 저장소와 정부·학술기관에서 관련 정보를 찾는다.

식량부족을 예측한다면 강수량에 그치지 않는다. 작물상태·시장가격·물가충격·도로 접근성·인구이동을 함께 검토한다. 직접 통계가 없으면 현상과 연관된 대리변수도 찾는다.

수집한 자료는 같은 공간과 시간 기준에 맞춘다. 이후 선형모델·의사결정나무·신경망 등을 비교해 적합한 예측방식을 선택한다. 미래 정보가 과거 자료에 섞이는 ‘데이터 누출’과 기존 자료에 지나치게 맞춰지는 ‘과적합’을 점검하는 절차도 포함하였다.

자료 탐색·정리·모델 선택·평가를 하나의 작업과정으로 묶은 셈이다.

세 지역에서 성능을 비교했다

연구진의 초기 논문에 따르면 미국의 21개 건강지표 예측에서 행성 예측 엔진의 평균 결정계수는 76.8%였다. 비교대상인 전문가 수작업 모델은 60.0%였다.

나이지리아 식량안보 분석에서는 넓은 주 단위 통계를 세부 지방행정구역 단위로 추정하였다. 결정계수는 기존 방식의 31.5%에서 66.1%로 높아졌다.

콩고민주공화국의 2026년 에볼라 확산시험에서는 다섯 차례의 주간 예측을 통해 새로 감염이 번진 보건구역 18곳 가운데 15곳을 포착하였다.

수치는 인상적이다. 그러나 논문은 2026년 8월 26일 등록된 초기 연구보고서다. 아직 동료평가를 거치지 않았고, 구글 연구진이 설정한 자료와 비교조건에서 이 수치를 얻었다.

정교한 지도도 틀릴 수 있다

위성영상에서 비슷하게 보이는 지역도 토양·생활방식·행정체계가 다르면 결과가 달라질 수 있다. 함께 움직이는 통계가 실제 원인이라는 보장도 없다.

감염병과 재난 예측이 틀리면 의료인력과 구호물자가 잘못 배치될 수 있다. 자료의 출처·공간 경계·기준 시점·불확실성을 지역 전문가가 다시 확인해야 한다. 지도에 색이 정교하게 칠해졌다는 사실만으로 정확성을 판단할 수 없다.

행성 예측 엔진은 지리전문가를 대신하지 않는다. 자료를 찾고 연결하는 시간을 줄여 전문가가 지역조건과 예측의 타당성을 검토하도록 돕는다. 처리기간이 몇 주에서 몇 분으로 단축될수록, 자료와 지역 현실을 대조하는 최종 검증과정에 신중함이 더욱 요구된다.