구글, Gemini로 뉴스를 홍수 데이터 260만 건으로 변환하는 Groundsource 공개

주장구글 리서치가 Gemini LLM을 핵심 엔진으로 삼아 전 세계 비정형 뉴스를 재난 데이터로 전환하는 Groundsource 방법론을 2026년 3월 12일 공개했습니다. 기존 재난 모니터링 체계가 감지하지 못한 소규모·단기 재난까지 포착하는 것이 핵심입니다.

팩트기존 홍수 기록 체계에는 결정적 한계가 있습니다. UN과 유럽연합이 공동 운영하는 GDACS(글로벌 재난 경보 조정 시스템)는 약 1만 건의 고영향 사건만 보유합니다. 위성 기반 GFD(글로벌 홍수 데이터베이스)와 DFO(다트머스 홍수 관측소)는 구름 간섭·위성 재방문 주기 제약으로 소규모·단기 재난을 놓칩니다. 글로벌 AI 모델 훈련에 필요한 데이터 규모와 비교하면 턱없이 부족합니다.

팩트Groundsource는 세 단계로 뉴스를 데이터로 변환합니다. 첫째, Gemini가 실제 홍수 발생 보도와 정책 회의·위험 예측 기사를 구분합니다. 둘째, 지난 화요일 같은 상대적 시간 표현을 기사 발행일 기준 정확한 날짜로 변환합니다. 셋째, 구글 맵스 플랫폼을 통해 동네·거리 단위 위치 정보를 표준화된 공간 다각형으로 매핑합니다. 80개 언어 뉴스를 영어로 통일한 뒤 Gemini에 입력합니다.

팩트결과물 규모는 기존 체계와 비교가 되지 않습니다. 150개국 이상, 2000년부터 현재까지의 홍수 사건 260만 건을 구축했습니다. 2020~2026년 GDACS에 기록된 고영향 홍수 사건의 85~100%를 포착했습니다.

교차검증정확도는 완벽하지 않습니다. 수동 검토에서 위치와 시간 모두 정확한 비율은 60%에 그쳤습니다. 행정구역 수준 또는 하루 오차 이내로 실용적 활용이 가능한 비율은 82%입니다. 연구팀은 이를 고위험 연구에 충분히 신뢰 가능한 수준으로 평가했으나, 정밀 예보보다 광역 경보에 적합한 한계가 있습니다.

주장구글은 이 데이터를 기반으로 Google Flood Hub에서 24시간 전 도시 홍수 예보를 전 세계로 확대하고 있습니다. 가뭄·산사태·눈사태 등 다른 재난 유형으로도 동일 방법론 적용을 예고했습니다. 뉴스라는 비정형 기억을 과학적 데이터 기반으로 전환하는 LLM 활용의 실증 사례입니다.

출처Oleg Zlydenko, Rotem Mayo, Deborah Cohen. (2026. 3. 12.). Introducing Groundsource: Turning news reports into data with Gemini. Google Research Blog. https://research.google/blog/introducing-groundsource-turning-news-reports-into-data-with-gemini/