국방 M&S 분야의 LLM(Large Language Model) 적용 방안과 시사점

국방 모델링-시뮬레이션(M&S)은 훈련, 분석, 획득 등 국방운영 전반에서 핵심적인 의사결정 지원 도구로 활용되고 있다. 그러나 데이터 처리의 비효율성, 시나리오 개발의 복잡성, 결과 해석의 전문 가 의존성 등 문제점이 지속되고 있다. 본고는 LLM(Large Language Model)을 활용한 국방 M&S 분야의 효율성 향상 방안을 제안하고, 실무 적용 가능성과 한계를 검토하였다. 이를 위해 보안성과 실용성을 동시에 확보할 수 있는 독립망 환경에서 운용 가능한 소형언어모델(sLLM)인 Llama 3 8B를 기반으로 두 가지 실험을 수행하였다. 첫째, 도메인 특화 모델 구축 실험에서는 Prompt Engineering 과 Retrieval-augmented Generation 기법을 적용하여 국방백서, M&S 관련 학술 문헌 등 공개된 문 서를 활용한 RAG 시스템을 구축하였다. 그 결과, 환각(Hallucination) 현상이 유의미하게 감소하였으 며, 국방 M&S 도메인에 특화된 답변 생성 능력이 향상됨을 확인하였다. 둘째, 입력자료 구축 자동화 실험에서는 단순 데이터 수정 작업에서 안정적인 성능을 보였으나, 복잡한 추론과 다층적 데이터 관계 처리에서는 성능의 한계가 있었다. 실험결과 분석을 통해 LLM이 특정 M&S 업무 영역에서 실 무적으로 효용성을 가질 수 있음을 확인하였으나, 동시에 기술적 완성도와 운용 환경 측면의 제약도 명확히 드러났다. 따라서 LLM의 성공적인 국방 M&S 적용을 위해서는 고품질 국방 데이터셋의 체계 적 구축, 보안성이 담보된 인프라 확보, AI와 국방 도메인 전문성을 겸비한 인력 양성, 그리고 민관군 협력 생태계 조성이 필수적인 선결 과제로 요구되었다. LLM은 현재의 기술적 제약에도 불구하고, 단계적 접근과 지속적인 연구개발을 통해 국방 M&S 분야의 효율성과 효과성을 향상시킬 수 있는 유용한 기술로 발전할 것이다.




(출처: 한국국방연구원(KIDA))