Abstract
Since AlphaGo's Match in 2016, there has been a growing calls for artificial intelligence applications in various industries, and research related to it has been actively conducted. The same is true in the military field, and since there has been no weapon system with artificial intelligence so far, effort to implement it are posing a challenge. Meanwhile, AlphaGo Zero, which beat AlphaGo, showed that artificial intelligence's self-training data-based approach can lead to better results than the knowledge-based approach by humans. Taking this point into consideration, this paper proposes to apply Reinforcement Learning, which is the basis of AlphaGo Zero, to the Shipboard Combat System or Combat Management System. This is how an artificial intelligence application to the Shipboard Combat System or Combat Management System that allows the optimal tactical assist with a constant win rate to be recommended to the user, that is, the commanding officer and operation personnel. To this end, the definition of the combat performance of the system, the design plan for the Shipboard Combat System, the mapping with the real system, and the training system are presented to smoothly apply the current operations.
2016년 알파고의 대국 이후, 여러 산업 분야에서 인공지능 적용에 대한 요구가 많아지고 있고 그와 관련된 연구가 활발하게 진행되고 있다. 군사 분야도 마찬가지 인데, 지금까지 인공지능이 적용된 무기체계가 없었기 때문에 그 구현에 대한 노력이 도전으로 작용하고 있다. 한편 알파고를 이긴 알파고 제로는 인공지능의 자기학습에 의한 데이터 기반 접근법이 기존의 사람에 의한 지식 기반 접근법보다 좋은 결과를 도출할 수 있다는 결과를 보여주었다. 본 논문에서는 이러한 점을 착안하여, 알파고 제로의 기반이 되는 강화학습을 함정전투체계 또는 전투관리체계에 적용하는 것을 제안한다. 이는 일정한 승률을 보이는 최적의 전술적 결과물이 사용자 즉, 함장과 작전요원에게 권고할 수 있도록 하는 인공지능 어플리케이션을 함정전투체계에 적용하는 방법이다. 이를 위해 전투성능에 관한 체계의 정의, 함정전투체계 설계 방안과 실 체계와의 Mapping, 훈련체계가 현 작전 수행에 원활히 적용될 수 있는 방안을 더불어 제시한다.