대규모 언어모델(LLM)의 무기체계 전력화 적용방안 연구 = A Study on the Application of Large Language Model(LLM) to Militarize Weapons Systems

국문 초록 (Abstract)

4차 산업혁명의 도래로 초거대 AI 시대가 시작되었다. 주변국에서 AI의 국방적용을 중요한 국정과제로 선정하여 강력히 추진하고 있다. 인구절벽 문제로 병력이 감소하는 우리 군에도 중요성이 더욱 커지고 있다.
빅데이터 분석기술이 AI에 활용된 GPT(Generative Pre-trained Transformer)가 등장하면서, 초거대 AI 서비스 가치와 중요성이 매우 높아졌다. 초거대 AI 대표적인 서비스가 생성형 AI다. 생성형 AI는 다양한 콘텐츠를 생성하는 AI 모델이다. ‘대규모 언어모델(LLM)’은 생성형 AI의 한 유형으로 텍스트 콘텐츠를 생성하며, 많은 생성형 AI는 LLM을 기반으 로 발전한다.
LLM 기반, 생성형 AI시장 연평균 성장은 약 38%에 달하며 금융서비스, 의료 및 생명과학, 자동차 및 제조, 미디어 및 엔터테인먼트, 통신, 에너지 등 사회 전반의 다양한 분야에 활용된다. LLM은 텍스트와 더불어 이미지나 오디오와 같은 다양한 모달리티 데이터를 기반으로 훈련된 ‘대규모 멀티모달 모델(LMM)’로 발전하는 추세다. LLM 발전추세를 고려하면 활용 가능성이 무한하고 더욱 중요해질 것이다.
미래 전쟁 양상을 고려했을 때 전장 환경을 점진적으로 무인화, 자동화, 자율화하는 방향으로 개조해 나가야 함에 따라 지능화 무기체계를 획득하는 것은 중요한 사항이다. 대표적인 빅데이터 분석 기업인 ‘팔란티어 테크놀로지스(Palantir Technologies)’가 기업 및 군사용 애플리케이션을 위한 ‘인공지능 플랫폼(AIP)’을 출시했다. LLM을 기존 AI 및 머신러닝 기술과 통합함으로써 AIP는 국방 및 기업 등 다양한 분야를 위한 포괄적인 솔루션을 제공한다. 이처럼 LLM을 무기체계에 적용하려는 노력이 시작되었다.
LLM은 전장을 인식하고 정보수집 및 분석, 전략적 의사결정, 군사교육 및 시뮬레이션, 다국어 통신 및 번역 등을 가능하게 할 것이다. 또한 지능화 무기체계를 획득하기 위한 중요한 열쇠가 될 것이다. 따라서 LLM의 무기체계 적용은 중요한 문제이며 앞으로 국방 인공지능 패권을 둘러싼 경쟁에서 우위를 달성할 수 있는 핵심이 될 것이다. 본 고는 LLM 즉, 최신기술이 적용된 무기체계 전력화(무기체계를 개발 또는 구매하여 소요군 에 배치하는 활동)룰 위한 방안을 도출하고자 다음과 같이 연구하였다. 우선, LLM 이론적 고찰을 시작으로 활용현황과 미래 전재 양상을 통 해 중요성을 인식하고, 무기체계에 LLM이 적용된 사례를 제시했다. 사례 를 통해 무기체계를 전력화할 때 제한사항을 도출하고 네 가지 측면에서 적용방안을 제시했다.
첫째, LLM 핵심기술 개발 및 인재양성 측면에서 국방기술기획서 4가지 중점기술에 기반한 ‘무기체계에 적용 가능한 LLM 기술’을 분석하였다. 이후 이러한 핵심기술을 개발하고 국방에 적용할 수 있도록 ‘체계적인 인재양성 방안’을 인재육성과 공감 형성 차원에서 제안하였다.
둘째, 무기체계 획득 측면에서 무기체계 내 내장형 소프트웨어와 SW 중심 무기체계 등을 중심으로 비교적 단기간(6개월∼1년)에 획득할 수 있는 애자일 방식의 ‘SW 획득 프로세스’ 신설을 제안하였다. 또한 무기체계 획득과정에서 자유로운 ROC 수정을 위해 ‘ROC 핵심능력이 포함된 최저치와 최대치를 초기 단계에 설정하는 방안’을 제안하였다.
셋째, 무기체계 시험평가 측면에서 AI 무기체계에 적합한 ‘단계별 시험 평가 방안(1단계: AI 모델 성능평가, 2단계: 실 운용환경 시험평가)’을 제안하였고, 이를 뒷받침해줄 관련 법령을 분석하고 보완 방향을 제안하였 다. 또한 운영유지간 기술 진부화를 방지하기 위해 ‘AI 기반 무기체계의 유지관리 대상 및 관리범주 제도화 방안’도 제안하였다.
넷째, 무기체계 품질관리 측면에서 빅데이터 관리조직 편성, 무기체계 품질관리 가이드, 클라우드에 양자기술적용 등을 비롯해 ‘품질관리 업무 중심의 거버넌스 정립방안’을 제안하였다.
본 제안은 LLM의 무기체계 적용 가능성을 인식하게 할 것이다. 또한 LLM이 적용된 무기체계를 신속하게 획득하고 성능평가 이후 소요군이 품질 검증된 무기체계를 활용하는데 밑거름을 제공할 것이다.

다국어 초록 (Multilingual Abstract)

With the advent of the Fourth Industrial Revolution, the age of super-giant AI has begun. Neighboring countries are strongly promoting AI's defense application by selecting it as an important national task. The importance of our military is also increasing due to the population cliff problem. With the advent of the Generative Pre-trained Transformer (GPT), which uses big data analysis technology for AI, the value and importance of ultra-large AI services have increased. Generative AI is a representative service of ultra-large AI. Generative AI is an AI model that generates various contents. The 'Large Language Model (LLM)' generates textual content as a type of Generative AI, and many Generative AI develop based on LLM. The LLM-based, generative AI market average annual growth is about 38%, and it is used in various fields across society, including financial services, medical and life sciences, automobiles and manufacturing, media and entertainment, telecommunications, and energy. LLM is developing into a 'large Multimodal Model(LMM)' trained based on various modality data such as image or audio along with text. Considering the LLM development trend, the availability will be infinite and even more important. Considering future war patterns, it is important to acquire intelligent weapons systems as the battlefield environment must be gradually modified in the direction of unmanned, automated, and autonomous. Palantir Technologies, a leading big data analysis company, has launched an 'Artificial Intelligence Platform(AIP)' for corporate and military applications. By integrating LLM with existing AI and machine learning technologies, AIP provides comprehensive solutions for different fields, such as defense and businesses. As such, efforts to apply LLM to weapons systems have begun. LLM will recognize the battlefield and enable information collection and analysis, strategic decision-making, military education and simulation, multilingual communication and translation. It will also be an important key to acquiring intelligent weapons systems. Therefore, the application of LLM in weapons systems is an important issue and will be a key to achieving an edge in the competition for defense artificial intelligence hegemony in the future. This paper studied LLM, that is, to derive a plan to militarize weapons systems to which the latest technology is applied (the activity of developing or purchasing weapons systems and deploying them to the required group). First of all, starting with the LLM theoretical consideration, the importance of LLM was recognized through the status of use and future reprint patterns, and an example of applying LLM to the weapon system was presented. When militarize the weapon system through examples, restrictions were derived and application plans were presented in four aspects. First, in terms of developing LLM core technologies and nurturing human resources, the 'LLM technology applicable to weapons systems' based on the four key technologies in the Defense Technology Plan was analyzed. Since then, a 'systematic talent development plan' has been proposed in terms of human resource development and empathy so that these core technologies can be developed and applied to national defense. Second, in terms of weapons system acquisition, it was proposed to establish an Agile-type 'SW acquisition process' that can be acquired in a relatively short period (6 months to 1 year), focusing on embedded software and SW-oriented weapons systems in the weapons system. In addition, in order to modify ROC freely in the process of acquiring weapons systems, a plan to set the minimum and maximum including ROC core capabilities in the initial stage was proposed. Third, in terms of weapon system test evaluation, a step-by-step test evaluation plan (1st stage: AI model performance evaluation, 2nd stage: actual operation environment test evaluation) suitable for AI weapon system was proposed, and related laws and regulations to support this were analyzed and supplemented. In addition, in order to prevent technological obsolescence between operation and maintenance, it also proposed a 'measures to institutionalize the maintenance and management categories of AI-based weapon systems'. Fourth, in terms of weapon system quality management, a 'plan to establish governance centered on quality management tasks' was proposed, including the organization of a big data management organization, a weapon system quality management guide, and the application of quantum technology to the cloud. This proposal will make us aware of the applicability of LLM's weapon system. It will also quickly acquire LLM-applied weapon systems and provide the foundation for the required group to utilize quality-verified weapon systems after performance evaluation.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 제 2 장 생성형 AI와 LLM 이론적 고찰 및 활용현황 5
• 제 1 절 생성형 AI와 LLM 이론적 고찰 5
• 제 2 절 LLM 활용현황 16
• 제 3 장 대규모 언어모델(LLM)의 무기체계 적용 제한사항 20
• 제 1 절 미래 전쟁 양상 20
• 제 2 절 LLM 적용 사례 23
• 제 3 절 LLM 적용 시 제한사항 26
• 제 4 장 대규모 언어모델(LLM)의 무기체계 적용방안 33
• 제 1 절 LLM 핵심기술 개발 및 인재양성 방안 34
• 제 2 절 LLM 기반의 무기체계 획득방안 44
• 제 3 절 LLM 기반의 무기체계 시험평가 방안 51
• 제 4 절 LLM 기반의 무기체계 품질관리 방안 60
• 제 5 장 결 론 66
• 제 1 절 연구내용 요약 66
• 제 2 절 추가 연구사항 67
• 제 3 절 결 언 68
• 참 고 문 헌 70
• ABSTRACT 74