적대적 추론 연구 로드맵: 적의 의도와 행동 예측을 위한 컴퓨팅 접근법

초록

본 논문은 적대적 추론을 “적의 인식·의도·행동을 컴퓨터적으로 추론·예측하는 기술”로 정의하고, 게임 이론을 넘어 인지 모델링·제어 이론·AI 계획 등 다학제적 방법이 필요함을 주장한다. 전술 계획 시스템 CADET과 DARPA RAID 프로그램 사례를 통해 현재 기술 수준과 실전 적용상의 과제를 제시하고, 향후 연구 과제를 제시한다.

상세 분석

논문은 먼저 적대적 추론(adversarial reasoning)을 기존 게임 이론의 한계와 구분한다. 게임 이론은 완전 정보·합리적 행위자를 전제로 하지만, 실제 전장에서는 적의 인지 구조, 제한된 정보, 비합리적 판단이 중요한 변수로 작용한다. 따라서 적의 ‘인지‑감정‑문화적’ 요인을 모델링하는 인지 과학과, 목표‑제약을 동적으로 조정하는 제어 이론, 그리고 불확실성을 다루는 확률적 계획 기법이 필수적이다.

CADET 사례는 전술 수준(여단)에서 적 행동을 예측하기 위해 “가상 적” 모델을 삽입했으나, 적의 의도 변화를 실시간으로 반영하지 못하고, 상황 변화에 대한 적응성이 부족했다는 점을 지적한다. 이는 적대적 추론이 “정적 시뮬레이션”에 머무를 위험을 보여준다.

DARPA RAID 프로젝트는 이러한 한계를 극복하고자, 적의 행동을 실시간으로 추정·예측하는 ‘적 행동 인식(Enemy Action Recognition)’과 ‘전략적 의도 추론(Strategic Intent Inference)’ 모듈을 개발한다. 여기서는 다중 센서 데이터 융합, 베이지안 네트워크 기반 의도 추론, 강화학습을 통한 정책 생성 등이 결합된다. 특히, 적의 ‘의도‑능력‑의지’를 분리해 모델링함으로써, 적이 실제로 수행 가능한 행동 집합을 제한하고, 불확실성을 정량화한다.

연구 의제는 크게 네 가지로 정리된다. 첫째, 인간 인지·감정 모델을 정량화해 AI에 통합하는 방법론; 둘째, 불완전·불확실한 정보 하에서 적 행동을 실시간으로 업데이트하는 알고리즘; 셋째, 대규모 전술·전략 시뮬레이션에서 계산 효율성을 유지하면서도 정밀한 적 모델을 유지하는 스케일러빌리티 문제; 넷째, 군사·보안 외에 사이버 방어·시장 경쟁·법적 판결 등 다양한 도메인에 적용 가능한 일반화 프레임워크 구축이다. 이러한 과제들은 기존 AI·ML 연구와는 다른 ‘예측‑대응’ 루프를 강조하며, 인간‑기계 협업을 통한 의사결정 지원 체계의 핵심이 될 것으로 기대된다.