2026년 1월 20일(화)
최신 AI 토픽 뉴스
북극 해독 통해 겨울 날씨 예측 진전
3줄 핵심 요약
MIT 유다 코헨(Judah Cohen) 연구진이 북극 기후 지표를 활용한 AI 기반 계절 내 예측 방식을 개발
ENSO(엘니뇨-남방진동) 중심의 기존 접근과 달리 시베리아 설빙 면적, 해빙 범위, 극소용돌이 안정성 등 북극 진단 지표를 통합
북극 특화 데이터와 머신러닝 결합이 공공시설, 교통, 에너지 등 인프라 대비를 위한 선행 예측 기간을 늘릴 수 있음을 시사
본문 해설
기존 겨울 예보는 ENSO 신호(*)에 대한 의존도가 높았다. 반면 코헨 연구진은 시베리아 설빙 면적과 해빙 범위, 극소용돌이(*) 안정성 같은 고위도 변수를 중심으로 2~6주 구간의 계절 내 예측(*) 정확도를 끌어올리는 데 초점을 맞췄다.
해당 접근은 2025 AI 웨더퀘스트(WeatherQuest) 대회에서 성능으로 확인됐다. 연구팀 모델은 복잡한 대기 패턴을 포착해 통계적 기준치와 일부 기존 AI 모델을 앞서는 결과를 기록. 이번 시즌 ENSO 신호가 약한 상황에서도 모델은 12월 중순 미국 동부 해안의 잠재적 한파 가능성을 수주 앞서 제시했다.
선행 예측 기간 확대는 공공 안전과 에너지 수급, 제설 및 교통 운영 계획 수립에 직결되는 요소로 평가된다. 북극 진단 지표(*)를 체계적으로 통합한 AI 모델이 중기(2~6주) 예측의 정보 공백을 메우는 방향으로 진화하고 있다는 분석이다.
용어 풀이
ENSO 신호: 해수면 온도 변화, 바람 패턴 변화 (특히 무역풍), 그리고 워커 순환의 변화를 관측하는 기후 신호
극소용돌이: 극지방 상공에 형성되는 거대하고 차가운 저기압성 소용돌이다.
계절 내 예측: 2주에서 수개월 사이 기간을 대상으로 하는 기상 예보로 단기 예보와 장기 계절 예보의 중간 영역이다.
북극 진단 지표: 북극 기후 상태를 분석하기 위해 사용하는 해빙, 눈 덮임, 대기압 등 구체적 지표다.
원문: https://news.mit.edu/2026/decoding-arctic-to-predict-winter-weather-0108
구글 딥마인드 Veo 3.1 공개, 영상 제어력 강화
3줄 핵심 요약
구글 딥마인드가 Image-to-Image 성능과 캐릭터 일관성을 강화한 Veo 3.1을 공개
유튜브 쇼츠 등 모바일 플랫폼을 겨냥해 세로형 출력과 4K 업스케일링을 지원
제미나이 앱 내 생성 영상에 SynthID 워터마크 적용을 확대해 진위 확인 기능을 강화
본문 해설
구글 딥마인드는 생성형 영상 모델 ‘Veo 3.1’을 공개하고, 창작자가 장면과 구성 요소를 더 정밀하게 통제할 수 있도록 기능을 확장했다고 밝혔다. 핵심 기능으로 제시된 ‘Ingredients to Video’는 Image-to-Image(*) 방식으로 정지 이미지를 영상 클립으로 변환한다.
이번 업데이트의 주요 개선점은 정체성(아이덴티티) 일관성. 동일 캐릭터와 사물, 배경이 여러 장면에서 안정적으로 유지되도록 해 프레임마다 외형이 흔들리는 문제를 줄였다고 설명했다.
이 기능은 제미나이 앱과 개발자 도구에 통합돼 일반 사용자와 스튜디오 환경 모두에서 활용 가능하도록 설계되었다.
구글은 투명성 측면에서는 AI 생성 콘텐츠 식별을 위해 SynthID 표시를 확대 적용하여, AI 생성 미디어의 유통이 늘어나는 환경에서 워터마크 기반 검증 수단을 강화하는 방향을 제시했다.
용어 풀이
Image-to-Image: 이미지를 입력받아 스타일을 변형하거나 새로운 이미지 또는 영상으로 변환하는 기술이다.
원문: https://blog.google/innovation-and-ai/technology/ai/veo-3-1-ingredients-to-video/
엔비디아-일라이 릴리, 10억 달러 규모 AI 신약 연구소 설립
3줄 핵심 요약
엔비디아와 일라이 릴리가 제약 및 신약 개발 현대화를 목표로 10억 달러 규모 AI 공동 혁신 연구소를 출범
연구소는 엔비디아 DGX SuperPOD 인프라를 기반으로 Agentic AI를 웨트 랩과 드라이 랩 워크플로우에 통합
엔비디아는 RNA 구조 예측과 GPU 가속 화학 정보학 도구를 추가하며 바이오니모(BioNeMo) 플랫폼을 확장
본문 해설
엔비디아와 일라이 릴리는 샌프란시스코 베이 지역에 AI 공동 혁신 연구소 설립 계획을 발표했다.
양사는 신약 개발을 ‘장인적 발견’에서 ‘엔지니어링 공정’으로 전환하는 것을 목표로, 노화 관련 뇌 질환 등 난도가 높은 생물학적 문제를 연구 목표로 설정했다.
운영 구조는 Agentic AI(*)가 연산 기반 ‘드라이 랩’과 물리 실험 기반 ‘웨트 랩’을 연결하는 ‘scientist-in-the-loop’ 프레임워크를 중심으로 설계. AI가 실험 설계를 지원하고, 웨트 랩에서 생성된 데이터가 다시 모델을 정교화하는 순환 구조를 구축한다는 구상이다.
일라이 릴리는 생물학 전용 파운데이션 모델(*) 학습을 위해 엔비디아 DGX SuperPOD 도입을 추진한다.
또한, 엔비디아는 바이오니모 플랫폼 업데이트도 함께 공개했다.
RNA 구조 예측 도구와 GPU 가속 화학 정보학 라이브러리 ‘nvMolKit’가 포함되며, in silico 시뮬레이션 기반 후보 물질 탐색을 확대한다는 방향이 제시됐다.
이번 협력은 분자 수준의 물리 세계에 AI를 적용하는 Physical AI(*) 흐름과 맞물리며, 후보 물질 검증과 최적화 사이클을 단축하는 데 초점이 맞춰져 있다.
용어 풀이
Agentic AI: 목표 달성을 위해 계획을 수립하고 도구를 선택하며 자율적으로 작업을 수행하는 인공지능이다.
파운데이션 모델: 방대한 데이터를 학습해 다양한 작업에 맞춰 미세 조정이 가능한 범용 인공지능 모델이다.
Physical AI: AI의 지능을 분자 시스템이나 로봇 등 물리 세계의 대상에 적용해 상호작용하게 하는 기술이다.
원문: https://blogs.nvidia.com/blog/jpmorgan-healthcare-nvidia-lilly/
본 기사는 영어 등으로 작성된 최신 AI 정보를 큐레이션하여 요약 제공하는 비영리 서비스입니다. 원저작자의 저작권을 존중하며, 상세한 내용은 반드시 상단에 첨부된 '원문' 링크를 통해 확인해 주시기 바랍니다.
