국방논단 1801호(한국국방연구원 발행)
김의순
한국국방연구원 군사발전연구센터
eskim@kida.re.kr
부산 해운대구 벡스코에서 개막한 2019 드론쇼코리아에 육군이 설치한 드론봇(드론+로봇) 전투체계 홍보·전시관을를 찾은 관람객들이 장병들의 안내를 받으며 다양한 드론을 살펴보고 있다. 국방일보 DB
|
국방분야에 AI 기술을 광범위하게 적용하려는 시도가 활발해졌고, 글로벌 경쟁이 가속화되고 있다. 우리가 이 흐름을 놓치면, 기술적으로 종속되는 것은 물론 국가안보에 적잖은 위협을 받을 수도 있다. 이글은 미국의 사례를 통해 국방분야에서 AI 적용이 어디까지 와 있는지를 살펴보고, 앞으로 고려해야 할 몇 가지를 제안한 것이다. 기술변화를 파악하고 아이디어를 발굴하는 것뿐 아니라, 디지털 환경을 완벽하게 구축하는 것이 중요하다는 점을 강조했다.
2010년부터 국제영상인식대회가 열리고 있다. 전 세계 인공지능(AI) 기술 경연의 장으로, 이미지에 들어있는 특정 사물을 얼마나 정확하게 분류하는지를 평가하는 대회다. 첫해 우승한 팀의 인식률은 72%, 다음 해는 74%로 올랐다. 더 이상의 획기적인 성능개선은 어려울 것이라고 봤지만, 2012년에 알렉스넷(AlexNet)이 84%까지 끌어올렸다. 당시로는 상상하기 힘든 대단한 성과였다. 그런데 그게 끝이 아니었다. 딥러닝(Deep Learning) 기반 알고리즘이 사용되면서 2015년에는 인식률이 96.4%로 높아졌다. 인간의 능력으로 알려진 95%를 추월한 것이다. 2017년에 SENt가 실현한 인식률은 97.7%로 더 높아졌다. 사람이 할 때의 절반도 안되는 수준까지 인식 오류율을 낮춘 것이다.
딥러닝 기술이 확인된 이후에는 그동안 연구 수준에만 머물러 있던 AI 기술들이 비약적으로 발전했다. 음성 인식, 영상 감시, 자연어 처리, 네트워크 관리/운영 분야에서 특히 그랬다. 이를 기반으로 휴대전화, 자율주행 자동차, 스피커, 의료, 가전, 로봇, 금융, 제조, 법률 등 다양한 분야로 활용이 확대되고 있다. 관련 제품 시장이 급격하게 성장할 것이라는 전망이 속속 나오고 있다. 글로벌 기업들이 ‘AI First’, ‘AI Everywhere’를 외치는 것은 이제 당연한 얘기가 되었다.
국방 분야도 마찬가지다. AI 기술이 광범위하고 정교하게 적용되기 시작했으며, 글로벌 경쟁이 가속화되고 있다. 우리가 이 흐름을 놓치면, 기술적으로 종속되는 것은 물론 국가안보에도 적잖은 위협을 받을 수도 있다. 국방분야에서 AI 적용이 어디까지 와 있는지를 살펴보고 효과적으로 대응해야 한다. 먼저 참고할 것은 미국의 사례다.
2017년 11월, 미 국방부는 독자적으로 AI과제를 추진할 수 없음을 밝히고, 정부 차원에서 전략을 수립하여 주도할 것을 요청했다. 이런 기조에서 AI 전략을 수립, 2019년 초에 공개하고, 기술개발, 발전, 접목의 중심 역할을 할 합동AI센터(Joint AI Center: JAIC)를 설립했다. AI 개발과 전력화를 위한 전략적 로드맵을 작성하고, 이를 적용하는 체계와 기술에 관련된 윤리적, 법적 방침을 제정했다. 군 관련 AI 기술을 평가하고, 경쟁력 강화 방안을 만드는 부서도 NSC(National Security Commission)에 편성했다.
특히 주목할 것은 Project Maven이다. 기존 체계에 AI를 통합하여 기술적 구현 가능성을 신속하게 시범하는 임무를 수행하는 프로젝트다. 군사정보부서의 여러 기능을 아울러서 AI의 적용을 더욱 빠르게 하려는 것이 목적이다. 이를 담당하는 조직은 Algorithmic Warfare Cross-Functional Team으로 불리는데, 2017년 4월에 처음 만들어졌다. 처음에는 국방부 군사정보 부장관 소속이었지만, 앞서 말한 합동AI센터(JAIC)가 신설되면서 그곳에 편성되었다.
AI 적용의 대표적인 분야는 감시정찰(ISR: Intelligence, Reconnaissance and Surveillance), 군수(logistics), 사이버 작전(cyberspace operations), 정보 작전(information operations), 지휘통제 (command and control), 반자율/자율 차량(semiautonomous and autonomous vehicles), 자율살상무기(lethal autonomous weapon systems)다. 하나씩 살펴보자.
감시정찰(ISR) 분야
방대한 데이터를 수집, 처리, 분석해야하므로 AI가 특히 유용할 것으로 기대되는 분야다. Project Maven의 첫 번째 과제가 IS 작전을 지원하기 위해 군사정보를 자동 처리하는 것이었다. 무인비행 체(UAV)로 촬영한 영상을 컴퓨터 비전과 머신러닝 알고리즘을 이용하여 샅샅이 수색하고, 표적화할 적의 활동을 자동적으로 식별하는 것이다. 유용한 정보를 얻기 위해 많은 시간 동안 영상을 면밀히 조사하는 업무를 AI가 대신하여 자동화해줌으로써, 판독관이 적시에 효율적인 결심을 내리 는 데 집중할 수 있게 해주었다.
이외에도 군사정보 분야에는 진행 중인 AI 과제가 많다. CIA는 업무 수행을 위해 영상인식 (image recognition)과 예측분석(predictive analytics)에 관련된 AI를 개발하기 위해 140여 개의 과제를 수행한다고 한다. 관련 기술연구소(Intelligent Advanced Research Projects Agency: IARPA)에서 4∼5년 내에 내놓을 것으로 알려진 기술들은 다음과 같다. · 시끄러운 환경에서 다중 언어의 음성인식(speech recognition)과 번역을 수행하는 알고리즘 · 연관된 메타 데이터가 없어도 영상의 지리적 위치를 확인하는 알고리즘 · 2-D 영상을 융합하여 3-D 모델을 생성하는 알고리즘 · 생활패턴 분석(pattern-of-life analysis)에 의해 건물의 기능을 추론하는 도구
군수(Logistics) 분야
미 공군은 항공기 예방정비에 AI를 적용할 예정이다. 항공기 고장이 발생하거나 표준 정비계획에 따라 수리를 하는 지금까지의 방식과 다르게, AI가 항공기별로 상태를 파악하여 정비 시기를 결정하게 하는 것이다. 이러한 방식은 이미 F-35의 자동군수 정보체계(Automatic Logistics Information System)에서 사용되고 있는데, 항공기 엔진과 탑재체에 내장된 센서로부터 실시간으로 데이터를 수집하고, 이를 예측 알고리즘에 입력하여 언제 항공기를 점검해야 하는지 또는 부품을 교체해야 하는지를 알 수 있게 해주고 있다.
육군은 군수지원국(Logistics Support Activity: LOGSA)에서 IBM의 Watson과 계약을 체결하여, Stryker 장갑차에 설치한 17개 센서로부터 수집한 정보에 근거하여 장갑차별로 맞춤형 정비계획을 수립하고 있다. LOGSA는 2017년 9월 Watson을 이용한 두 번째 과제를 시작했다. 수리부속을 적시에 효율적인 방법으로 보급할 방법을 판단하기 위해 수리부속의 물류(shipping flows)를 분석하는 것이 주된 내용이다. 지금까지는 분석관이 Watson을 이용해서 불출 요청 (shipping requests)의 10%만을 분석해왔고, 연간 약 1억 달러(약 1,150억 원)를 절감할 수 있었는 데, 앞으로 모든 불출 요청을 분석하면 짧은 기간에 훨씬 더 많은 비용을 절감할 것으로 기대하고 있다.
사이버작전(CyberspaceOperations) 분야
2016년, 사이버사령관은 사이버 공간에서 인간의 지능에만 의존하는 것은 ‘패배하는 전략(a losing strategy)’이라고 언급한 바 있다. 이후에도 ‘네트워크를 방어할 때 사람이 가능하다고 생각하는 수준으로 대처할 수 있는 AI 또는 머신러닝이 없다면, 우리는 항상 뒤져있을 것이다’라며 중요성을 다시 한번 강조했다. 전통적인 사이버방어(cybersecurity) 도구로는 이미 알려진 과거의 악성코드에 맞게 대처하는 방안은 만들어 낼 수 있다. 문제는 해커들이 악성코드의 일부분만 변경해도 대응하기가 어렵다는 것이다. AI 기반의 도구를 사용하면 네트워크 업무 패턴에서 조금이라 도 달라진 부분을 탐지할 수 있고, 이를 통해 보다 해킹에 대해 포괄적이고 동적인 대처방안을 찾아낼 수 있을 것으로 기대한다.
DARPA는 2016년에 열린 Cyber Grand Challenge 대회에서 AI 기반 사이버 도구의 가능성을 확인했다. 대회 참가자들은 다른 팀들보다 몇 초라도 빨리 -과거에는 몇 달이 걸리곤 했었지만 소프트웨어의 취약점을 자율적으로 탐지, 평가하여 조치하는 AI 알고리즘을 개발하는 과제를 수행했다. 그 결과 AI 기반의 사이버 도구가 빠르고 독특한 방법으로 공격과 방어를 동시에 할 수 있는 알고리즘을 만들어 낼 수 있다는 것을 보여 주었다. 이러한 신속성과 가능성은 미래 사이버 작전에서 뚜렷한 우위를 점하게 해줄 것이라고 기대하고 있다.
정보작전(InformationOperations)과 영상합성/조작(‘DeepFakes’) 분야
진짜와 같은 위조 사진, 모조 오디오, 합성 비디오 등이 날로 증가하고 있는데, 이는 AI의 영상합성/조작 기술을 활용한 것이다. 이러한 가짜들은 적들이 정보작전의 일환으로 사용할 수 있는 것들이다. 실제로도 이 기술은 미국이나 동맹국들을 대상으로 가짜 뉴스를 만들어내서 대중의 신뢰를 무너뜨리거나 외교관을 협박하는 데 사용되었다. 지금까지의 가짜 뉴스는 대부분 전문가에 의해 진위가 확인될 수 있는 것들이었지만, 이 기술은 머지않아 포렌식 분석도구로도 탐지할 수 없을 정도로 정교하게 발전할 것으로 예상한다.
여기에 대응하기 위해 DARPA는 미디어 포렌식(Media Forensics: MediFor) 과제를 시작했다. 이 과제는 ‘교묘하게 조작된 것을 자동으로 탐지하고, 이러한 조작들이 어떻게 수행되었는지에 대한 정보와 영상 미디어 전체의 완전성(integrity)에 대한 근거를 제공’하는 데 중점을 두고 있다. 이 과제에서 AI로 만들어낸 모조품을 식별하는 도구를 개발하고 있으나, 전문가들은 머신러닝 체계가 훈련을 통해 포렌식 도구를 능가할 수 있는지를 확인하기를 원한다. 이를 위한 후속 콘테스 트가 계획되어 있다고 한다.
디지털 생활패턴(digital patterns-of-life)을 만들어내는 데에도 AI가 사용될 수 있다. 구매 이력, 신용보고서, 전문경력, 가입현황 등의 이른바 디지털 ‘흔적(footprint)’을 융합하고 연결하여, 군 요원, 수상한 정보요원 등 관찰이 필요한 사람에 대해 포괄적인 행동 프로파일을 만들어내는 것이다. 영상합성/조작기술의 경우에서와 같이 이러한 정보는 관찰 대상의 이상 행동을 포착하여 적절하게 대응할 수 있게 해줄 것이라고 본다.
지휘통제(CommandandControl) 분야
미 공군은 다중 도메인 지휘통제(Multi-Domain Command and Control: MDC2) 체계를 개발하고 있다. 공중, 우주, 사이버공간, 해상, 지상의 모든 작전의 계획과 실행을 중앙집권화하기 위해서다. 머지않아 AI는 모든 도메인에 있는 센서로부터 수집한 데이터를 융합하여 공통작전상황도(Common Operating Picture: COP)라고 하는 유일한 정보를 만들어내는 데 사용될 것으로 예상된다. 지금까지는 의사결정권자에게 다수의 플랫폼으로부터 다양한 형식으로 정보가 제공될 때, 중 복되거나 서로 일치하지 않는 경우가 있는 것이 문제였다. AI 기반의 COP는 이러한 모든 정보를 결합하여 정보의 불일치를 자동으로 보정하여 아군과 적군의 전체적인 상황을 하나의 화면으로 제시하는 것이다. 궁극적으로 모든 표적에 대해 자국의 육·해·공군이나 동맹군의 모든 센서로부터 수집한 데이터를 모든 타격체계로 제공하게 될 것이다. 아직은 개념개발단계에 머물러 있지만, Lockheed Martin, Harris 등 대기업이나 스타트업을 활용하여 체계개발을 준비하고 있다. 2018년 도에는 일련의 워게임을 통해 요구사항을 다듬었다. DARPA에서 하고 있는 ‘Mosaic Warfare’ 과제도 주목할 만한데, AI를 적용하여 다중 도메인에서 동적으로 지휘통제 노드를 생성하게 하는 것이다.
미래의 AI는 적에 의해 단절된 통신 링크를 식별하고, 정보를 전송할 다른 방안을 찾는 데 사용될 수 있을 것이다. AI 체계가 더욱 발전하면 실시간 전장상황을 분석하여 지휘관에게 유용한 행동방 책 메뉴를 제시함으로써 복잡한 이벤트에 더욱 신속하게 대응할 수 있게 할 것이다. 전시에 의사결 정의 품질과 속도를 개선하는 결과를 가져다줄 것으로 많은 전문가들이 믿고 있다.
반자율/자율운송체(SemiautonomousandAutonomousVehicles) 분야
전투기, 드론, 지상 차량, 해군 함정 등 모든 운송체에 AI를 결합하여 반자율/자율로 작동하게 만드는 것이다. 민간의 반자율 운송체와 기본적으로 유사한 개념이다. 환경을 파악하고 장애물을 인식하는 것은 물론 센서 데이터를 융합하여 내비게이션을 계획하고, 나아가 다른 운송체와 통신을 하게 하려는 것이다.
미 공군 연구소(Air Force Research Lab)는 이와 관련한 ‘Loyal Wingman’ 프로젝트의 두 번째 시험을 마쳤다. 무인 전투기(이 경우 F-16)와 유인 전투기 F-35 또는 F-22를 한 조로 편성하여, 무인 전투기가 기상이나 예기치 않은 장애물과 같이 사전에 계획하지 않은 이벤트에 자율적으로 대응하는지 보기 위한 것이었다. AI를 통해 편대장 임무인 전자전 위협에 대한 재밍이나 추가적인 타격체계를 탑재하는 것까지도 수행할 수 있게 할 계획이다.
미 육군과 해병대는 전장에서 전투원이나 차량을 뒤따르면서 독립적으로 임무를 수행하는 무인차량의 프로토타입을 시험했다. 미 해병대용으로 개발하고 있는 것은 다용도 전술차량 (Multi-Utility Tactical Transport: MUTT)으로 불리는데, 수백 파운드의 장비를 추가로 운송할 수 있는 ATV(All-Terrain Vehicle: 전 지형 만능차) 크기의 원격 통제 차량이다. 아직 완전 자율은 아니지만, 후속 체계에 대해서는 자율 수준을 더 끌어올릴 계획이다. 미 육군이 진행하는 것은 Robotic Combat Vehicles(RCVs)로 명명되었다. 내비게이션, 감시정찰, 사제폭탄(Improvised Explosive Device: IED) 제거 등과 같은 다양한 자율적인 기능을 갖춘 다수의 차량을 개발하는 것이다. 올해 운용시험 예정인 유무인 옵션의 차세대 지상차량(Next Generation Ground Vehicles) 을 위한 ‘호위차량(wingmen)’으로 배치될 것으로 알려져 있다.
DARPA는 잠수함 추적용 무인함정(Anti-Submarine Warfare Continuous Trail Unmanned Vessel) 프로토타입인 ‘Sea Hunter’의 시험을 2018년 초에 완료했고, 해군 연구소(Office of Naval Research)가 후속 개발과제를 수행하고 있다. Sea Hunter가 취역하면, 미 해군은 자율적으로 공해를 항해하면서 다른 무인함정과 협조하여 한 번에 수개월 간에 걸쳐 잠수함을 지속적으로 찾아내는 능력을 갖추게 될 것이라고 한다. 전통적인 유인 구축함의 하루 운영비용이 70만 달러 정도인데, Sea Hunter는 2만 달러가 소요될 것으로 전문가들은 추정하고 있다.
미 국방부는 유기적으로 협조하는 활동인 군집활동(swarming)을 AI 기반으로 구현하는 기술을 시험하고 있다. 군집활동은 차량 간의 협조를 통해 전자전 공격, 화력 지원, 국지적인 내비게이션, 통신망 등을 제공하는 것을 의미한다. 이는 자율차량 개발사업에 포함되어 있는데, 저비용 차량의 대규모 편성에서부터 중대급의 소규모 편성에까지 적용하는 것을 염두에 두고 있다. 물론 지상 차량만은 아니다. 2016년 11월, 해군은 무인함정 5대가 AI 기반 군집활동을 통해 체사피크만 (Chesapeake Bay)의 4×4 마일의 구역을 협조적으로 초계 비행을 하면서 불법 침투한 적 함정을 요격하는 시험을 완료했다. 시험 결과, AI 기술이 항만 방어, 잠수함 추적, 함대의 전방 정찰 등에도 적용될 수 있음을 확인했다. 수중 드론의 군집활동도 시험하고 있다. 이와 관련 공중투하 마이크로 드론 103대의 군집활동을 성공적으로 시험한 바 있다고 알려졌다.
자율살상무기(LethalAutonomousWeaponSystem:LAWS) 분야
자율살상무기는 사람의 직접 통제 없이 다양한 센서와 컴퓨터 알고리즘을 이용하여 독자적으로 표적을 식별하고, 탑재된 타격무기로 표적과 교전, 타격하는 특수한 종류의 타격체계를 말한다. 아직까지 전력화된 것은 없지만, 통신이 열악하거나 두절되어 전통적인 타격무기의 운용이 불가능한 상황에서 군사작전을 가능하게 할 것으로 보고 있다.
미국의 경우 개발을 법적으로 금지하고 있지는 않다. 미 국방부 훈령 3000.09(‘타격체계의 자율성’)는 반자율/자율 타격체계에 대한 국방부 방침을 제시하고 있다. 이에 따르면 체계 사용 전반에 걸쳐 지휘관이나 운영자가 적절한 수준의 판단을 행사하도록 설계되어야 하며, 개발단계와 전력화 단계에서 각각 국방부와 합참의 검토, 승인을 받도록 하고 있다. 운용 형태에 변화가 생기게 되면, 원래 의도한 능력을 그대로 유지하는가를 확인하기 위해 다시 검토, 승인 절차를 받도록 했다. 다만, 사람을 표적으로 하지 않는 반자율 타격체계와 전자전 공격과 같이 물질을 표적으로 하는 비살상, 비활동적(non-kinetic)인 자율 타격체계는 추가 승인 절차를 면제한다.
자율무기를 전력화하는 것에 대해서는 우려가 있는 것도 사실이다. 2017년에 미 합참 부의장은 ‘사람의 생명에 영향을 미치든 그렇지 않든 로봇을 운용하는 것은 불합리하다’고 말한 바 있다. 그럼에도 불구하고, 잠재적인 적들이 자율살상무기를 사용하려 한다면 미군은 그것의 취약성을 찾기 위해서라도 해당 기술을 개발하지 않을 수 없을 것이다. 마크 에스퍼 국방부 장관은 중국의 무기 제조업체가 표적 살상타격 능력을 갖춘 완전 자율(full autonomy) 드론을 판매하고 있음을 언급한 적도 있다.
디지털환경 구축이 중요
살펴본 것처럼 국방에 AI를 적용할 수 있는 분야는 매우 많다. 미국에서 시도하고 있는 것들이 좋은 참고가 될 것이지만, 창의적인 아이디어를 모은다면 더 많은 용도를 찾을 수 있을 것으로 본다. 하지만 아이디어가 있고 민간이나 외국에서 개발한 기술을 확보했다고 해서, 우리가 원하는 만큼 실제로 구현할 수 있는 것은 아니란 점을 알아야 한다. 중요한 것은 AI 기술을 적용할 수 있는 디지털 환경이다. 말하자면 네트워크 기반체계, 데이터 수집, 데이터 처리 등과 같은 기반능력을 먼저 다져놔야 하는 것이다. 기반능력에 대한 투자는 그 규모가 크지는 않겠지만, AI 생태계를 강화시켜 해당 기술을 성공적으로 접목하는 데 매우 중요한 역할을 한다. AI는 잘 설계된 실험과정을 요구하는데, 수집된 데이터가 다른 체계에서 해독이 안 되면 소용이 없다. 이와 같은 체계 간의 상호운용성 문제는 기반 네트워크 아키텍처가 서로 일치하지 않아 데이터를 처리하는 방식이 다르기 때문에 일어난다. AI에 관련된 투자를 시작하기 전에 기반 네트워크 아키텍처를 맞춰 놓는 것이 순서다.
AI 기술 개발을 위해 한 가지 방법에만 의존하기보다는 가능한 여러 가지 방법을 시도하는 것도 필요하다. 특히 개발초기 단계에 이와 관련된 국방부의 투자가 이루어져야 한다. 민간에서는 시도하려고 하지 않는 분야에 집중하는 것이 시너지를 높이는 방법일 것이다. 국방 분야의 AI 적용 체계는 높은 신뢰성 수준을 요구한다. 민간 기업은 더 많은 이윤을 창출할 수 있거나 실패 위험이 낮은 분야에 빠르게 뛰어들고, 수시로 개선하는 것을 선호할테지만, 국방 분야에서는 그렇게 할 수 없다. 속도와 효율성보다 신뢰성이 더 중요하다는 말이다. 그러기 위해서는 운용 결과가 들쭉날쭉하지 않고 논리적으로도 충분한 설득력을 갖고 있어야 한다. 설명 가능성(explainability), 일관성, 데이터와 알고리즘의 확인/검증(V&V) 수준을 높이는 데 주된 투자가 이루어져야 하는 이유다. AI를 포함한 소프트웨어의 경우에는 물리적인 체계를 염두에 두고 짜여져 있는 획득절차, 특히 예산 관련 제도를 다르게 만들어야 한다는 목소리도 귀담아들을 필요가 있다.
우리 정부는 2030년까지 미국과 중국에 이어 세계 3대 AI 강국으로 도약하겠다는 목표를 선언한 바 있다. 국방부도 이에 맞춰 ‘국방 AI 발전계획’과 ‘국방 AI 인프라 조성 및 핵심과제 추진 마스터플랜’을 올해 수립할 계획이다. 이제 여러 곳에서 개별적으로 수행하던 시범사업을 정리하고, 기능 간 협업에 의해 시너지를 창출할 수 있는 핵심과제를 발굴해서 꾸준히 이어나가야 할 단계다. 기반을 다지는 것부터 시작해서 체계적으로 대응하기를 기대한다.
출처 | 국방일보 2020.05.18 ▶원문보기
