국방 텍스트 데이터를 활용한 참모지원 AI 구축방안에 대한 연구 = A Study on the Approach to the Establishment of Staff-Support AI Using Defense Text Data

국문 초록 (Abstract)

21세기 AI(Artificial Intelligence, 인공지능)의 비약적인 발전은 단순한 기술 혁신을 넘어 산업과 사회, 그리고 국방 영역에 이르기까지 구조적인 변화를 주도하고 있다. 특히 생성형 AI(Generative AI)는 자연어 기반의 이해와 생성 능력을 바탕으로 기존의 작업 방식과 의사결정 구조를 재편하고 있으며 회의 록 요약, 보고서 작성, 발표자료 생성 등 실제 업무에 즉시 적용 가능한 수준 의 성능을 보이고 있다. GPT, Gemini와 같은 LLM(Large Language Model, 대규모 언어모델)은 사람의 언어를 이해하고 창의적으로 텍스트를 생성함으로 써 디지털 전환의 가속화를 견인하고 있다. 이러한 AI의 중심에는 ‘텍스트 데이터’가 있다. 인간의 사고와 의사소통이 언어를 기반으로 이루어지는 만큼, AI는 다양한 텍스트 데이터로부터 학습하 며 문맥과 감정, 의도를 파악한다. 뉴스기사, 논문, 메신저 대화 등의 비정형 텍스트 데이터는 AI에게 의미 기반의 추론 능력을 부여하고 정보 검색을 넘 어서 정교한 판단 수행을 가능하게 한다. 국방 및 군사 분야에도 이러한 흐름이 예외는 아니다. 회의록, 작전명령, 교 범, 보고서 등 다양한 형태의 국방 텍스트 데이터는 지휘관의 결심, 참모의 조 언 등의 핵심 내용을 담고 있으며, 단순한 정보 전달을 넘어서 전략적ㆍ전술 적 의사결정의 근간을 이룬다. 특히 전투협조회의와 같은 군 고유의 커뮤니케이션 상황에서는 상황판단, 결심, 대응이 복합적으로 얽혀 있으며 이는 다양한 분석 가능한 고차원 데이터가 된다. 그러나 국방 텍스트 데이터는 일반적인 자연어처리 기법으로는 제한점이 있다. 군사용어와 약어, 군 고유의 표현 방식은 도메인 특화 모델 없이는 정확한 분석에 한계가 있다. 또한 제한된 자원, 폐쇄적인 통신망 등 기술적 조건까지 고려할 때 군 내부망에서 독립적으로 운용 가능한 sLLM(smaller Large Language Model, 경량화 언어모델)의 필요성이 대두되고 있다. 이에 본 연구는 국방 텍스트 데이터 기반의 참모지원 AI를 구축하고, 이를 통해 실제 작전 환경에서의 실효성을 입증하는 것을 목표로 한다. 본 연구는 국방 도메인에 특화된 AI, 특히 참모활동을 지원하는 언어모델 기반 참모지원 AI 구축에 대한 가능성을 검토하고 방안을 제시하는 데 목적이 있다. 지휘관과 참모 간의 대화를 중심으로 이루어지는 전투협조회의는 군 사 의사결정의 핵심 절차 중 하나이며, 이러한 회의에서 생성되는 텍스트 데이터를 분석하면 실제 작전환경에서의 의사결정과정을 컴퓨터로 이해하고 또 평가와 조언도 해줄 수 있게 된다. 본 연구는 이러한 전투협조회의의 텍스트 데이터를 중심으로 의사결정과정을 분석하고, 지휘소에서 전장상황을 어떻게 인식하고 있는지를 평가할 수 있는 전장가시화 수준을 텍스트 데이터를 통해 서 분석해 봄으로써 참모지원 AI의 필요성과 가능성을 진단해 보고, 실제 군 사용어 기반 경량화 언어모델을 구축하는 방안을 구현해 보고 방향성을 제시하였다.

목차 (Table of Contents)

• 제1장 서 론 1
• 1.1. 연구 배경 및 목적 1
• 1.2. 연구 범위 및 구성 4
• 제2장 국방 AI 발전 동향 및 참모지원 AI 방향성 연구 7
• 2.1. 국방 AI 개념 및 발전 동향 7
• 2.1.1. 국방 AI 개념 7
• 2.1.2. 국방 AI 전략과 발전 동향 8
• 2.2. 참모지원 AI 개념 및 발전 방향 15
• 2.2.1. 참모지원 AI 필요성 및 개념 15
• 2.2.2. 참모지원 AI 관련 연구 분석 18
• 2.2.3. 참모지원 AI 기술 및 발전 방향 20
• 제3장 전투협조회의 의사결정과정 분석 및 정형화를 통한 참모지원 AI 활용 방안 연구 24
• 3.1. 텍스트마이닝 관련 이론적 배경 25
• 3.1.1. 텍스트 마이닝 개념 25
• 3.1.2. 토픽모델링 25
• 3.1.3. 핵심단어 분석 29
• 3.1.4. 화자유사도 분석 및 t-SNE 31
• 3.1.5. 감성 분석 33
• 3.2. 텍스트마이닝을 활용한 의사결정과정 분석 34
• 3.2.1. 데이터 전처리 및 라벨링 34
• 3.2.2.중점사안식별을위한핵심단어분석 37
• 3.2.3.토픽모델링을활용한회의주제도출 40
• 3.2.4. t-SNE를활용한화자유사도분석 43
• 3.3.의사결정과정정형화분석 46
• 3.3.1.핵심단어언급비율 47
• 3.3.2.전투수행기능별발화비율 48
• 3.3.3.의사결정시간 54
• 3.3.4.대응방책제시비율 58
• 3.3.5.의사결정과정이전투결과에미치는영향 64
• 3.4.의사결정과정참모지원AI활용방안 71
• 제4장전장가시화수준분석방법론을통한의사결정지원방안연구 73
• 4.1.전장가시화정확도측정 74
• 4.1.1.데이터수집및전장가시화정형화 74
• 4.1.2.전장가시화수준분석을위한정확도산출 76
• 4.1.3.전장가시화수준분석결과 78
• 4.2.전장가시화수준분석방법론 80
• 4.3.의사결정지원을위한전장가시화수준향상에 대한시사점도출 81
• 제5장sLLM을활용한참모지원AI구축방안연구 83
• 5.1. Word2Vec과sLLM기존연구분석 84
• 5.1.1.국방텍스트데이터의특징 84
• 5.1.2.Word2Vec임베딩 87
• 5.1.3.딥러닝과LLM 88
• 5.1.4. LLaMA-3 90
• 5.2.일상용어와군사용어비교를위한Word2Vec구축 83
• 5.3.일상용어와군사용어Corpus비교분석 96
• 5.3.1.군사용어고유단어확인 96
• 5.3.2.비교검증단어선정및코사인유사도산출 97
• 5.3.3.차이검정및시각화를통한의미론적분석 99
• 5.4.군사용어를활용한sLLM구축방안 103
• 5.4.1. sLLM학습을위한데이터셋구축 103
• 5.4.2.군사용어를활용한sLLM파인튜닝 103
• 5.4.3. sLLM구축결과 106
• 5.5.참모지원AI구축방안제시 108