국방 분야에서의 LLM 활용 문제점과 해결 전략
Analyzing and Addressing Challenges of LLM Applications in Defense
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 인공지능의 발달과 더불어 자연어 처리 분야에서 Large Language Models(LLM)의 발전은 주목할만한 성과를 보여주고 있다. 이러한 모델들은대규모 데이터셋을 학습하여 복잡한 언어 이해 능력과 텍스트 생성 작업을수행할 수 있다. 이러한 LLM의 높은 작업 능력을 국방 전력에 결합하여활용하려는 시도는 미국과 중국 같은 여러 선진국 혹은 군사 강국들이 선도하고있으며, 그 연구 성과도 괄목할만하다. 본 논문은 국방 분야라는 특수한 환경에서LLM을 사용할 때 발생할 수 있는 문제점들을 식별하고, 이에 대한 해결 방안을모색한다.
Abstract
Recent advances in artificial intelligence, natural language processing, have shown remarkable progress with the development of Large Language Models(LLM). These models are capable of learning from massive datasets to perform complex language understanding and generation tasks. Attempts to harness the high operational capabilities of these LLM in military power are being led by various advanced and military powerhouse countries like the USA and China, and their research outcomes are noteworthy. This paper aims to identify potential issues when using LLM in the specialized environment of defense, and seeks solutions to these problems.
참고문헌 (29)
- 대한민국의 AI과학기술강군 육성을 위한 「국방혁신 4.0」, "한국국방연구원", ~ (2023)
- 국가사이버안보센터, "챗GPT 등 생성형 AI 활용 보안 가이드라인", ~ (2023)
- 금융보안원, "금융 분야 AI 보안 가이드라인", ~ (2023)
- "China’s military lab AI connects to commercial large language models for the first time to learn more about humans"[URL]
- 금형철, "대규모 언어 모델 기반 지휘관 의사 결정 지원을 위한 워크플로우 구성 방안", 한국통신학회 학술대회논문집, pp.845~856 (2024)
- "AIP in Action"[URL]
- "The CDAO Is at the Helm of the DoD's New Generative AI Task Force"[URL]
- "Hallucination-leaderboard"[URL]
- "What is Embedding?"[URL]
- 금융보안원, "금융분야 AI 운영 가이드라인", ~ (2023)