[논문]AI 참모 구축을 위한 의사결심조건의 데이터 모델링 방안

한창희; 신규용; 최성훈; 문상우; 이치훈; 이종관

doi:10.7472/jksii.2020.21.1.237

AI 참모 구축을 위한 의사결심조건의 데이터 모델링 방안
A Methodology of Decision Making Condition-based Data Modeling for Constructing AI Staff 원문보기

Journal of Internet Computing and Services = 인터넷정보학회논문지, v.21 no.1, 2020년, pp.237 - 246

한창희 (Dept. of Computer Science, Korea Military Academy) , 신규용 (Dept. of Computer Science, Korea Military Academy) , 최성훈 (Dept. of Economics, Korea Military Academy) , 문상우 (Dept. of Computer Science, Korea Military Academy) , 이치훈 (Center of Artificial Intelligence, Korea Military Academy) , 이종관 (Dept. of Computer Science, Korea Military Academy)

초록
AI-Helper

본 논문에서는 의사결심 지원체계인 전장관리체계의 지능화를 위해 의사결심 조건에 기초한 데이터 모델링 방안을 제시하였다. 인간처럼 보고 식별도 하고, 자유롭게 움직임을 통해 원하는 위치에 도달하는 모습은 쉽게 이해되거나 실생활에서 체감하고 있는데 비해, 원하는 위치에 도달한 이후 인간 인지 행위 중 가장 중요한 하나인 의사 결심 판단을 구현했다거나 혹은 그러한 예제를 아직은 찾아 볼 수 없는 실정이다. 도착을 원했던 회의실에 인간을 대신해 에이전트가 오기는 했지만 판단을 도와주거나 대신 해주어야 할 임무인 예컨대, 가격 정책을 올릴 것인지 내릴 것인지, 지휘관이 심사숙고하고 있는 예컨대, 역습을 하는 것이 현명한지 아닌지에 대한 판단을 지원해 주지 못하고 있다. 군 지휘 통제의 현상과 현안을 고찰하였고, 각 상황에 대한 판단을 내릴 때 기계참모의 조언이 가능하게하기 위한 많은 양의 데이터 확보가 가능하도록, 현 지휘통제 체계를 변경시킬 방안으로 의사결심 조건에 기초한 데이터 모델링 방안을 제시하였다. 또한 제시한 방안에 대해 기계가 하는 의사결정의 한 예시로써 의사결정 트리 방법론을 적용하였다. 이를 통해 향후 AI 상황 판단 참모가 어떠한 모습으로 우리에게 다가올지에 대한 혜안을 제공하고자 하였다.

Abstract ▼ AI-Helper

this paper, a data modeling method based on decision-making conditions is proposed for making combat and battlefield management systems to be intelligent, which are also a decision-making support system. A picture of a robot seeing and perceiving like humans and arriving a point it wanted can be understood and be felt in body. However, we can't find an example of implementing a decision-making which is the most important element in human cognitive action. Although the agent arrives at a designated office instead of human, it doesn't support a decision of whether raising the market price is appropriate or doing a counter-attack is smart. After we reviewed a current situation and problem in control & command of military, in order to collect a big data for making a machine staff's advice to be possible, we propose a data modeling prototype based on decision-making conditions as a method to change a current control & command system. In addition, a decision-making tree method is applied as an example of the decision making that the reformed control & command system equipped with the proposed data modeling will do. This paper can contribute in giving us an insight of how a future AI decision-making staff approaches to us.

주제어

표/그림 (10)

그림 (그림 1) 에이전트에 기초한 인공지능 정의 개념도 (Figure 1) Architecture of Agent-based A.I. Definition
그림 (그림 2) 아미타이거 4.0 개념도 (Figure 2) Overview of Army Tiger 4.0
그림 (그림 3) Automatic Retrieval System 프로토타입 아키텍처 (Figure 3) Architecture of Automatics Retrieval System Prototype
그림 (그림 4) 사격전술지휘의 과정의 개념도 (Figure 4) Architecture of Fire Direction Command process
그림 (그림 5) 역습 의사결심 조건표 예시 (Figure 5) Sample of Decision-making Condition List for Counter-Attack
그림 (그림 6) 데이터 모델링 결과 화면 (Figure 6) Result Display of Data Modeling
그림 (그림 8) 임의의 11가지 상황들에 각각에 대한 의사결심 조건들의 결과 (Figure 8) Result of Decision-making conditions for Random 11 cases
그림 (그림 7) (a) 역습 의사결심 조건의 각 조건의 하위 조건의 테이블 (b) 조건 분석을 DB 연산 예시 (Figure 7) (a) Display of Sub-condition table of Each Condition in Decision-making Conditions of Counter-attack (b) Sample of DB Operation for Condition Analysis
그림 (그림 9) 의사결정 트리 모형도 (Figure 9) Decision-making Tree Framework
표 (표 1) 역습에 대한 트레이닝 데이터 예시. 그림8 내용의 90도 축 변환 표시. (Table 1) Sample of Training Data of Counter-Attack. Representation of 90-degree Axis Transformation of Figure 8's Contents.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이전까지의 전장관리체계가 전장 도시와 상황을 정리하고 보고하는 부분에 특화된 것이었다면, 본 논문의 내용이 실현된 체계는 데이터 모델이 의사결심 조건표를 중심으로 새롭게 구조화되었기 때문에 지휘 참모 활동의 종착점인 지휘 결심의 인간 지휘자 데이터가 쌓여가게 되는 것이다. 그렇다면 독자의 이해를 돕는 차원에서 기계 학습 방법을 적용해서 그렇게 쌓인 데이터를 통해 어떻게 지휘관 참모의 의사결심 활동을 보조해 주는지에 대해, 역습 예시를 통해 고찰해 본다. 신경망, 의사결정트리 등 많은 기계학습 기술 중에서 결정트리 학습 모형을 제작해 보는 것으로 한다.
본 논문에서는 군 지휘 통제의 현상과 현안을 고찰하고, 각 상황에 대한 판단을 내릴 때 기계참모의 조언이 가능하게하기 위한 많은 양의 데이터 확보가 가능하도록, 현 지휘통제 체계를 변경시킬 방안으로 의사결심 조건에 기초한 데이터 모델링 방안을 제시한다. 또한 제시한 방안에 대해 기계가 하는 의사결정의 한 예시로써 의사결정 트리 방법론을 적용해 본다.
본 논문에서는 군의 지휘 통제 현상과 현안을 고찰하였고, 각 상황에 대한 판단을 내릴 때 기계참모의 조언이 가능하게하기 위한 많은 양의 데이터 확보가 가능하도록, 현 지휘통제 체계를 변경시킬 방안으로 의사결심 조건에 기초한 데이터 모델링 방안을 제시하였다. 또한 제시한 방안에 대해 기계가 하는 의사결정의 한 예시로써 의사 결정 트리 방법론을 적용하였다.
무인 지능화의 핵심은 인공지능 기술의 적용이 그 시작인데, 국방 전투 도메인에서 지휘관 참모의 의사 결심을 지원하는 체계의 지능화가 필수적이다. 본 논문에서는 의사결심 지원체계인 전장관리체계의 지능화를 위해서는 먼저 데이터 축적 체계가 필요한데, 하나의 방안인 의사결심 조건에 기초한 데이터 모델링 방안을 제시하고자 한다.
대표적인 정의는 실제적인 체계의 구축 단계에서 지휘관 참모들의 합의로 정할 수 있다. 본 논문은 방법론을 제시하는 것이 목적이므로 전투력은 병력과 화력이 서로 같은 정도로 영향을 주는 것으로 하였다. 기동로가 확보 되었는지에 대한 판단의 독립변수는 파손여부와 점령여부로 정하였다.
본 연구가 지향하는 궁극의 목표는 지능형 지휘결심 체계를 구축하는 것이다. 인공지능에 관한 많은 연구가 이루어지고 있는 가운데, 대한민국 정부는 2017년 후반기에 대통령직속 4차산업혁명위원회를 출범시켰다.
6대 전장기능에 대한 많은 교범이 존재한다. 우선 본 논문에서는 전투의 대표적인 행위 중 하나인 역습에 관한 예시를 사용하여 프로토타입 구현 방안을 제시하고자 한다. 이러한 프로토타입이 무기체계 개발 과정에 채택이 되는 경우, 가능한 한 많은 교범 교리를 수집하는 것이 필요하다.
또한 제시한 방안에 대해 기계가 하는 의사결정의 한 예시로써 의사 결정 트리 방법론을 적용하였다. 이를 통해 향후 AI 상황판단 참모가 어떠한 모습으로 우리에게 다가올지에 대한 혜안을 제공하고자 하였다. 기존의 전장관리체계가 새롭게 변해 각 상황 국면마다 지휘관 참모가 가장 필요로 하는 결심 값을 신속히 알려주는 것은 군의 전투력 발전과 인공지능 플랫폼의 완성에 획기적인 이벤트가 된다.
또한 제시한 방안에 대해 기계가 하는 의사결정의 한 예시로써 의사결정 트리 방법론을 적용해 본다. 이를 통해 향후 AI 상황판단 참모가 어떠한 모습으로 우리에게 다가올지에 대한 혜안을 제공하자 한다. 2장에서는 군 지휘통제체계의 현 상황 및 현안, 3장에서는 이전 연구의 문헌분석, 4장은 의사결심 조건에 기초한 데이터모델링 방안, 5장은 의사결정 학습모형 적용에 대해서 고찰해 보고, 마지막 6장에서는 결론을 맺도록 한다.

가설 설정

본 논문은 방안 제시가 목적인만큼 많은 양의 데이터가 생성되었다고 가정하고 다음처럼 임의 국면 상황 11가지 경우로 시뮬레이션 한다. 이렇게 이 단계에서 생성된 것이 바로 기계를 학습하기에 필요한 트레이닝 데이터가 되는 것이다.

제안 방법

한편 [14]는 지휘통제 체계의 지능화를 달성하는 하나의 방법론으로 의사결정트리 기법을 제시하였다. 가상의 예시 데이터를 통해 연구를 진행하였는데, 사격지휘통제 체계인 BTCS를 선정해 이것의 지능화 방안을 논의 하였다.
본 논문은 방법론을 제시하는 것이 목적이므로 전투력은 병력과 화력이 서로 같은 정도로 영향을 주는 것으로 하였다. 기동로가 확보 되었는지에 대한 판단의 독립변수는 파손여부와 점령여부로 정하였다.
본 논문에서는 군 지휘 통제의 현상과 현안을 고찰하고, 각 상황에 대한 판단을 내릴 때 기계참모의 조언이 가능하게하기 위한 많은 양의 데이터 확보가 가능하도록, 현 지휘통제 체계를 변경시킬 방안으로 의사결심 조건에 기초한 데이터 모델링 방안을 제시한다. 또한 제시한 방안에 대해 기계가 하는 의사결정의 한 예시로써 의사결정 트리 방법론을 적용해 본다. 이를 통해 향후 AI 상황판단 참모가 어떠한 모습으로 우리에게 다가올지에 대한 혜안을 제공하자 한다.
지휘통제의 지능화에 대한 필요성을 언급한 이전 연구[13-14]를 분석하고 이를 통해 AI 참모 구축에 필요한 요소를 식별하도록 한다. 연구[13]에서의 가장 큰 기여점으로는 지능형 AI참모를 구축하는 데 있어서 선결해야할 프로토타입을 식별해 낸 것이다.
이들이 사격지휘시 결정해 선정할 내용으로 탄종과 발수를 식별하였다. 탄종과 발수의 선정에서 사용되는 교범 지식의 특성도 식별하였다. 이러한 매뉴얼에 의한 인간의 판단은 직관에 의해 이루어짐을 고찰해 의사결정 트리의 적용이 의미가 있음을 제시하였다.

이론/모형

본 논문에서는 군의 지휘 통제 현상과 현안을 고찰하였고, 각 상황에 대한 판단을 내릴 때 기계참모의 조언이 가능하게하기 위한 많은 양의 데이터 확보가 가능하도록, 현 지휘통제 체계를 변경시킬 방안으로 의사결심 조건에 기초한 데이터 모델링 방안을 제시하였다. 또한 제시한 방안에 대해 기계가 하는 의사결정의 한 예시로써 의사 결정 트리 방법론을 적용하였다. 이를 통해 향후 AI 상황판단 참모가 어떠한 모습으로 우리에게 다가올지에 대한 혜안을 제공하고자 하였다.

후속연구

따라서 기존의 교리 데이터에서 필요한 제원들을 정제해 내고 산출되는 빅데이터와 함께 전부를 수집하도록 한다. 본 논문에서 제시되는 방법론 등을 통해 체계로부터 방대한 데이터를 축적하고, 머신 러닝 및 빅데이터 처리 기술 등을 활용해 지휘관 참모의 지휘결심을 지원하도록 하는 것이 필요하다. 이러한 일련의 과정을 통해 현재의 교리를 수정 보완 할 수도 있게 된다.
다음은 역습에 대한 결심 조건표의 예시이다. 본 논문의 역습 예시에 대한 모델링 방안은 전투의 다른 6대 기능의 많은 기능에도 적용가능하다. 대부분의 교범 교리의 구조는 X1 와 X2 등을 고려하여 Y를 결정한다와 같은 의사결정 구조로 되어 있고, 또한 지휘자 및 참모가 사용하는 의사결심 조건표도 교리의 이러한 독립변수와 종속변수를 구조적 표현으로 담아내고 있기 때문이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	C4I 체계는 무엇을 컴퓨터 기술로 통합적으로 구현한 것인가?	전장 6대 기능에서 중요하지 않은 분야는 없으나, 특히 다른 기능들의 중심에 있으면서 지휘관의 지휘 판단에 해당하는 지휘 통제는 매우 핵심적인 기능이다. 이것을 컴퓨터 기술로 통합적으로 구현한 것이 C4I 체계이다.
	자원관리체계는 무엇을 담당하는가?	그러한 컴퓨터 시스템을 크게 나누면 전장관리체계와 자원관리체계로 구분해 볼 수 있다. 자원관리체계는 인사, 군수, 동원 등의 자원 관리를 담당하고, 전장관리 체계는 전투 수행 제대별로 ATCIS, KJICS, Centrix-K, BTCS 등의 체계로 나누어진다. 아미타이거 체계를 간단하게 설명한다면 이러한 전장관리 체계들과 전략 자산들이 네트워크를 통해 서로 상호 연동되어 전투력을 발휘하는 무기인 것이다.
	전장관리 체계는 전투 수행 제대별로 어떠한 체계로 나누어지는가?	그러한 컴퓨터 시스템을 크게 나누면 전장관리체계와 자원관리체계로 구분해 볼 수 있다. 자원관리체계는 인사, 군수, 동원 등의 자원 관리를 담당하고, 전장관리 체계는 전투 수행 제대별로 ATCIS, KJICS, Centrix-K, BTCS 등의 체계로 나누어진다. 아미타이거 체계를 간단하게 설명한다면 이러한 전장관리 체계들과 전략 자산들이 네트워크를 통해 서로 상호 연동되어 전투력을 발휘하는 무기인 것이다.

참고문헌 (17)

K. Ju, M. Lee, H. Yang and D. Ryu, "The 4th Industrial Revolution and Artificial Intelligence : An Introductory Review", The Journal of Korean Operations Reseach and Management Science Society, '17-11 Vol.42 No. 04. Nov. 2017. DOI : 10.7737/JKORMS.2017.42.4.001
GIST, A Proof Planning on Artificial Intelligence in Defense Domain, National Defense Artificial Intelligence Demonstration Project, Feb. 2018. http://prism.go.kr/homepage/theme/retrieveThemeDetail.do;jsessionid8EBA54B8D32E28AEE4D9A4A388FF8B34.node02?cond_research_name&cond_organ_id&cond_research_year_start&cond_research_year_end&cond_brm_super_idNB000120061201100032701&research_id1290000-201700090&pageIndex7&leftMenuLevel110
S. Russell and P. Norvig, "Artificial intelligence: a modern approach 3rd Edition", Prentice Hall, 3rd Edition Dec. 2009.
H. Kim and G. Huh, "Technology Trends and Visions of Self-Driving Vehicles", The Journal of Korean Information and Communications Society, '18-04 Vol.35 No. 05. Apr. 2018. http://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE07448890
S. Chang, L. Chen, Y. Chung and S. Chen, "Automatic License Plate Recognition", IEEE Transactions on Intelligent Transportation Systems '04-03 Vol.5 No. 01. Mar. 2004.

상세보기
S. Du, M. Ibrahim, M. Shehata and W. Badawy, "Automatic License Plate Recognition(ALPR): A State-of-the-Art Review", IEEE Transactions on Circuits and Systems for Video Technology, '13-02 Vol.23 No. 2. Fev. 2013.

상세보기
B. Chen, J. Wan, L. Shu, P. Li, M. Mukherjee and B. Yin, "Smart Factory of Industry 4.0: Key Technologies, Application Case, and Challenges", IEEE Access, '17-12 Vol.6 Dec. 2017.
A. Radziwon, A. Bilberg, M. Bogers and E. Madsen, "The Smart Factory: Exploring Adaptive and Flexible Manufacturing Solutions", Procedia Engineering, Vol.69 p.1184-1190. 2014.

상세보기
AJ. Davison and DW. Murray, "Simultaneous localization and map-building using active vision", IEEE Transactions on Pattern Analysis and Machine Intelligence, '02-07 Vol.24 No. 07. Jul. 2002.

상세보기
M.W.M.G. Dissanayake, P. Newman, S. Clark, H.F. Durrant-Whyte and M. Csorba, "A solution to the simultaneous localization and map building (SLAM) problem", IEEE Transactions on Robotics and Automation, '01-06 Vol.17 No. 03. Jun. 2001.

상세보기
S. Erevelles, N. Fukawa and L. Swayne, "Big Data consumer analytics and the transformation of marketing", Journal of Business Research, '02-16 Vol.69 No. 02. p.897-904. Feb. 2016.

상세보기
A. Chong, E. Ch'ng, M. Liu and B. Li, "Predicting consumer product demands via Big Data: the roles of online promotional marketing and online reviews", International Journal of Production Reseach, Vol.55. No. 17. 2017.
C. Han and J.-K. Lee, "A methodology for defense AI command&control platform construction", The Journal of Korean Institute of Communications and Information Sciences, '19-04 Vol.44 No. 04. Apr. 2019. https://doi.org/10.7840/kics.2019.44.4.774
C. Han, "A Methodology for Constructing Intelligent-Machine FDC Commander using Decision-Making Tree", The Journal of Korean Institute of Communications and Information Sciences, Will be published in Dec. 2019 or Feb. 2020.
H. Choi, "Domestic & international trend of artificial intelligence and application way in defense domain," J. KICS, vol. 34, no. 11, pp. 53-59, Oct. 2017. http://www.dbpia.co.kr/Journal/articleDetail?nodeIdNODE07265877
J.-T. Kim, S.-R. Jung, and H. Jung, "Trend of messenger-based chat-bot tech. and way of application to defense domain, Defense & Technol., vol. 459, pp. 118-127, May 2017. http://www.dbpia.co.kr/journal/articleDetail?nodeIdN ODE07159782&nodeIdNODE07159782&languageko_KR
D.-J. Lee, T.-G. Kim, J.-G. Han, and D.-H. Jae-Gal, "A way of development for commanding decisionmaking support system based on artificial intelligence and M&S," Defense & Technol., vol. 456, pp. 66-79, Feb. 2017. https://scholar.google.co.kr/scholar?cluster15138177082572727171&hlko&as_sdt2005&sciodt0,5

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증