앞으로 KAREN ZITA HAIGH가 쓴 책 “Cognitive Electronic Warfare”에 대해 공부해 볼 계획이다.
Cognitive EW 또는 인지 전자전은 전자전 분야에 인공지능이 더해진 기술이며 최신의 전자전의 흐름이라 할 수 있다.
이 책은 현재까지는 거의 유일하게 이 cognitive 전자전에 대해 다루고 있다.
이전에 몇 번 이 책에 도전을 했었었고 책의 저자의 실제 강의도 들었었는데 내용이 너무 개념적이고 어려우면서 지루한 편이라 매번 포기하곤 했었다.
이번에야말로 블로그에 정리해가면서 제대로 공부해 볼 계획인데… 밥벌이를 하면서 과연 끝가지 볼 수 있을지 사실 자신은 없지만 그래도 시작해 본다.
시작
현대 EW에서의 도전적인 과제들은 기존의 방법들로는 해결이 불가하다.
인공지능 기법들이 EW 시스템과 결합되어야만 이러한 복잡한 문제들을 풀수 있다.
앞으로 AI 기법들이 이러한 현대의 EW 문제들 해결에 도움을 줄 수 있는지 알아본다.
AI는 모든 EW 시스템과 저장 그리고 시스템 성능 분석의 일부분이 될 것이고 이후에는 현재의 상황에 따른 행동에 적용될 것이다.
단순히 기계학습(ML, Machine Learning)이 아닌 AI는 이 Cognitive EW 솔루션의 중심이다.
이 책에서는 AI 관점에서의 ES(Electronic Support)를 위한 SA(Situation- Assessment) 기법, EP(Electronic Protection)와 EA(Electronic Attack), EBM(Electronic Battle Management)을 위한 DM(Decision-Making) 기법들에 대해 다룬다.
또한, 품질 보장을 위해 어떻게 데이터를 다룰 것이며 결과 검증을 위한 learning-assurance 처리에 대해 얘기한다.
끝으로 이 책은 실제 Cognitive EW 시스템을 만들기 위한 몇 가지 조언을 제공하고 있다.
무엇이 인지 시스템(Cognitive System)을 만드는가?
인간의 행동을 모방하는 컴퓨터 과학 분야인 인공지능(AI)는 1956년 Dartmouth 콘퍼런스에서 학문 분야로서 설립되었으며 인지 심리학과 수학, 컴퓨터 과학, 시스템 엔지니어링, 그리고 언어학등의 광범위한 분야에서 사용된다.
인지 시스템 또는 지능형 에이전트는 주변 환경을 감지하고 목표를 이루기 위해서 행동을 수행한다.
이것은 심볼과 개념적인 정보를 다루면서 고차원의 이해를 하여 복잡한 조건 속에서 정확한 결정을 도출한다.
인지 시스템은 문장을 이해하고 불확실성을 다루며 자동으로 결정을 내린다.
이것은 반복적으로 대화하며 경험을 통해 배운다.
다음의 그림은 세가지의 개념과 함께 인지 순환 과정을 보여준다.
- SA(Situational Assessment, 상황 평가)는 환경적 요소와 이벤트들을 시간과 공간적인 관점에서 이해하고 그 의미들과 그들의 미래 상태 투영을 이해하는 것이다. 이것은 성공적인 DM(Decision Making, 의사 결정)의 중요한 기초가 된다. 여기에서 중요 스텝은 raw 데이터를 수집하고 관찰된 것에 대한 평가, 더 고차원의 개념으로 데이터를 혼합하며 상황의 영향성에 대한 분석, 그리고 사용자의 의도를 추론한다.
- Execution monitoring(실행 감시)는 SA 내의 행위이며 잘 계획된 행동이 얼마나 성공하는지 평가하는 것에 초점을 둔다. 여기서의 핵심 과제는 데이터의 다양성과 데이터를 수신했을 때의 지연, 그리고 어떻게 환경을 관찰할 것인지이다.
- DM(Decision Making, 의사 결정)은 목표를 준비하고 이를 이룰 수 있는 실현 가능한 방법들을 결정하는 것을 포함한다. 인지 시스템은 목표들을 우선순위화 할 수 있어야 하며, 다른 행동에 대한 장점과 단점을 이해할 수 있어야 하고, 갈등을 해결할 수 있어야 한다. 여기서의 핵심 과제는 환경이 계속해서 변화하는 문제 해결 영역에서의 자원 관리와 여러 행위자 및 비결정적 작업 관리가 포함된다.
- Learning은 이전의 경험에서 정보를 추출하여 앞으로의 성능을 개선하는 것이다. 기계학습 기법은 관찰과 행위를 어떻게 해석할 수 있는지에 대한 규칙을 만들어 내거나 데이터의 성능을 근사화할 수 있는 기능을 만들어 낼 수 있다. 여기에서의 핵심 과제는 데이터의 이질성, 데이터 손실, 그리고 편향된 관리가 포함된다.
다음의 그림은 인지의 능력을 증가시킬 수 있는 세 가지의 기능을 나타낸 것이다.
단순한 기존의 EW 시스템은 알고 있는 신호를 식별하고 라이브러리를 기반으로 응답을 선택하는 ES를 사용한다.
각 AI 기능은 전체적인 인지의 수준을 높일 수 있는 기능을 한다.
위 그림은 또한 EW 시스템의 기능을 평가하고 비교할 수 있는 수단을 제공한다.
EMSO
EMSO(EM Spectrum Operarion)는 사령관의 목표를 이루기 위해서 전자기 환경을 활용하고 공격, 보호, 그리고 관리하는 모든 군사적 활동을 말한다.
EM 전자전은 적외선과 광학, 그리고 마이크로파를 포함한 EM 스펙트럼을 사용하여 어떻게 제어하는지 또는 어떻게 적을 공격하는지에 초점을 두고 있다.
AI or Traditional 선택
AI는 모든 문제에 적용될 수 없다.
AI 솔루션은 다루기 쉬운 다른 문제들에 적용이 더욱 용이하고 기존의 접근법들보다 크기 변경이 쉽다.
어떻게 기존의 방법과 AI 기반의 방법 간에서 선택을 할 수 있을까?
일반적으로 만약 활용 모델이 정확하다면 기존의 방법이 AI 기반의 방법보다 효율적일 수 있다.
만약 물리적으로 상관관계에 있는 상호작용들을 캡처했고 경험적 데이터가 중요 기능에 변화를 주지 않는다면 이 물리적 모델은 더욱 좋은 선택이 될 것이다.
AI와 기존의 접근법은 플랫폼에 같이 존재하여 적절한 임무를 수행할 수 있다.
측정과 조건, 불확실성들에 의존하여 두 방법 중 하나가 작업의 최종 중재 역할을 할 수 있다.
마찬가지로 두 접근법들은 평행하게 동작하고 결과는 통합되어 최종 결정을 만들어 낼 수 있다.
가장 중요한 요소들은 어떻게 분산되었고, 복잡하며 역동적인 문제들이냐이다.
다음의 그림은 이들을 축으로 하여 기존의 방법이 더 효율적인지 아니면 AI 기반의 방법이 더 필요한지를 결정되는 정도를 보여준다.
댓글