지각의 ‘미세한 신호’ 읽는 AI
1분 안에 산사태 위험 지역 포착도

일본 규슈 가고시마현 도카라 열도에서 지난달 하순 이후 발생한 소규모 지진이 3일 1천 회를 넘었다고 일본 언론이 보도했다. 사진은 도카라 열도의 섬인 아쿠세키지마(惡石島)./연합뉴스

최근 일본 가고시마현 인근 도카라 열도에서 소규모 지진이 이어지고 있다. 만화 ‘내가 본 미래’에 등장한 이른바 ‘난카이 대지진설’까지 겹치며 온라인을 중심으로 대지진에 대한 우려가 확산됐다.

반복적으로 고조되는 대지진 우려 속에, 과학계는 지진을 예측하려는 도전에 속도를 내고 있다. 지진의 시기와 강도를 미리 안다는 것은 수많은 생명을 구하고, 막대한 경제적 피해를 줄일 수 있는 핵심 과제다. 설명 가능한 인공지능(XAI), 딥러닝, 머신러닝 기반 분석 시스템 등이 본격적으로 도입되면서, 과거에는 불가능하다고 여겨졌던 지진 발생 시점과 규모에 대한 예측이 점차 현실화되고 있다.

과학자들은 단순히 지각판이 움직였는지를 넘어서, 어떻게, 언제, 어디서 움직이기 시작했는지를 실시간으로 감지해 지진 시기를 예측하고 있다. 지구의 지각판이 서로 맞물려 한 판이 다른 판 밑으로 밀려들어 가는 지역에서 주로 초대형 지진이 발생한다고 알려져 있다.

호주 모나시대 연구진은 지진대의 움직임을 모사한 실험 모델과 XAI를 결합했다. 일반 AI는 예측 결과만 제시하는 반면, XAI는 어떤 데이터를 바탕으로 결과를 도출했는지까지 설명한다. 덕분에 AI가 지진 발생을 예측했을 때, 연구자들은 그 판단의 근거를 구체적으로 들여다볼 수 있다.

XAI를 합친 모델은 대지진이 발생하기 전 몇 시간에서 몇 달 동안 특정 지각판 아래쪽이나 내륙 방향에서 일어나는 미세한 변형과 뒤틀림을 포착했다. 지진이 오기 전 지각이 보내는 작은 신호들을 AI가 감지한 것이다.

연구진은 “향후 더 촘촘한 관측망과 AI 분석을 결합하면 지진 예측의 실현 가능성이 높아질 것”이라며 “아직 이 AI는 독자적으로 지진을 예측할 수는 없지만, 지진이 임박했는지를 판단하는 데 도움이 되는 패턴을 제시해 예보 정확도를 높이는 데 큰 도움을 줄 수 있다”고 설명했다.

인도의 마울라나 아자드 국립기술연구소 연구진은 기상 데이터와 지진 데이터를 함께 활용한 AI 기반의 지진 예측 모델을 선보였다. 기온이나 습도, 기압 등의 환경 요소와 지진 관련 데이터를 함께 분석해 지진의 규모를 예측하는 데 초점을 맞췄다.

이 과정에서 활용한 핵심 기술은 머신러닝 운영 체계 기반의 자동화된 분석 파이프라인이다. 머신러닝 모델을 이용해 데이터 수집부터 전처리, 모델 훈련, 배포까지 전 과정을 체계적으로 관리하는 방식으로, 새로운 데이터가 들어오면 스스로 모델을 업데이트하고 최적화한다. 상황에 따라 가장 적합한 모델을 자동으로 선택해 사용할 수도 있다.

분석 파이프라인에 다양한 머신러닝 알고리즘을 넣어 테스트하자, 데이터가 적을 때는 ‘그래디언트 부스팅’이, 데이터가 많을수록 ‘라이트GBM’이 각각 더 정확한 결과를 내놓았다. 데이터의 양과 질에 따라 유연하게 자동으로 최적의 알고리즘을 적용할 수 있는 점을 보여준다.

인도 연구진은 “단순한 예측 모델을 넘어서, 실제 환경에서도 유연하게 적용할 수 있는 강력하고 확장 가능한 시스템을 구축한 것”이라며 “향후에는 실시간 데이터 반영과 다양한 외부 변수 연계를 통해 현실 세계의 지진 대응 시스템에 직접 활용할 수 있을 것”이라고 전망했다.

알프스-히말라야 및 환태평양 지진대에서 지진으로 인해 나타난 산사태의 분포도./사이언스 차이나 프레스

◇지진 후 산사태까지…AI가 그리는 재해 지도

지진이 발생하면 그 자체로도 큰 피해를 남기지만 이후 발생하는 산사태와 같은 2차 재난은 인명 피해와 경제적 손실을 더욱 키운다. 문제는 이 산사태가 언제 어디서 발생할지 예측하기 어렵다는 점이다.

이를 해결하기 위해 중국 청두이공대 연구진은 1970년대 이후 발생한 주요 지진 38건에서 일어난 산사태 39만 8698건의 데이터를 정리해 세계 최대 규모의 데이터베이스를 구축하고, 이를 바탕으로 딥러닝 기반의 산사태 예측 모델을 개발했다.

먼저 연구진은 데이터를 기반으로 지형과 생태, 수문, 지진 관련 요소 등 총 17가지 산사태 유발 요인을 분석했다. 그중 지반 가속도(진동 세기), 경사도, 암석 종류가 가장 큰 영향을 미치는 주요 요인으로 밝혀졌고, 지형의 기복이나 울퉁불퉁한 정도도 부수적 영향을 주는 것으로 나타났다. 더 나아가 환태평양과 알프스-히말라야 지역처럼 지진이 자주 발생하는 전 세계 지진대를 기후별로 나눠 어떤 요인이 지진 예측에 더 중요한지도 밝혔다. 이 결과를 응용하면, 지역에 따라 지진으로 인한 산사태를 예측하는 모델을 설계할 수 있다.

모든 데이터를 학습시킨 딥러닝 예측 모델은 1분도 안 되는 시간에 산사태가 발생할 수 있는 지역을 정확도 82%로 예측했다. 판 쉬안메이 청두이공대 교수는 “고해상도의 위성 이미지가 없어도 지진 직후 실시간으로 산사태 위험 지도를 생성할 수 있다”며 “초기 대응을 위한 응급 구조대원과 같은 인력들이 어디로 가야 할지 몇 분 안에 파악할 수 있는 시스템”이라고 강조했다.

연구진은 앞으로 이 모델에 강우 예보와 여진 정보까지 통합해 복합재해 예측 시스템으로 발전시킬 계획이다. 드론이나 지상 센서와 연결하거나, 클라우드 기반의 플랫폼에 적용해 실제 현장 대응 체계와의 연계로 추진 중이다.

참고 자료

Geophysical Research Letters(2025), DOI: https://doi.org/10.1029/2024GL114428

Scientific Reports(2025), DOI: https://doi.org/10.1038/s41598-025-00804-x

National Science Review(2025), DOI: https://doi.org/10.1093/nsr/nwaf179

- Copyright ⓒ 조선비즈 & Chosun.com -

Copyright © 조선비즈. 무단전재 및 재배포 금지.