CONTACT: 개방형 소스 정보로 영토 점령을 예측하는 혁신적인 AI 프레임워크

Paul K. Mandal, Cole Leo, Connor Hurley 세 연구원이 개발한 CONTACT 프레임워크는 개방형 소스 정보(OSINT)와 대규모 언어 모델(LLM)을 활용하여 영토 통제를 예측하는 혁신적인 시스템입니다. 소규모 데이터셋과 프롬프트 튜닝 기법을 통해 높은 성능을 달성하며, 지정학적 분석 분야에 새로운 가능성을 제시합니다.

개방형 소스 정보(OSINT)의 힘: AI가 지정학적 분석을 혁신하다

최근 Paul K. Mandal, Cole Leo, Connor Hurley 세 연구원이 발표한 논문이 AI와 지정학 분석의 경계를 허물었습니다. 그들이 개발한 CONTACT (Controlled Territory and Conflict Tracking) 프레임워크는 개방형 소스 정보(OSINT)를 활용하여 영토 통제를 예측하는 혁신적인 시스템입니다. 이 시스템은 대규모 언어 모델(LLM)을 기반으로 하며, 놀랍게도 최소한의 감독만으로도 효과적인 결과를 도출합니다.

두 가지 접근 방식: SetFit과 프롬프트 튜닝

CONTACT는 두 가지 주요 접근 방식을 활용합니다. 첫 번째는 SetFit이라는 임베딩 기반의 몇 가지 샷 분류기입니다. 두 번째는 다국어 생성형 LLM인 BLOOMZ-560m에 적용된 프롬프트 튜닝 기법입니다. 이는 소량의 데이터로도 LLM의 성능을 극대화하는 혁신적인 방법입니다.

시리아와 이라크 ISIS 활동 데이터를 활용한 학습

연구팀은 시리아와 이라크에서 ISIS 활동을 다룬 뉴스 기사를 소규모 수동 라벨링 데이터셋으로 사용했습니다. 이 데이터셋은 군사 작전, 사상자, 위치 정보 등 영토 통제와 관련된 신호를 추출하는 프롬프트 기반 방법으로 처리되었습니다. 결과적으로 BLOOMZ 기반 모델이 SetFit 기준 모델보다 뛰어난 성능을 보였고, 특히 자원이 부족한 환경에서 프롬프트 기반 감독이 일반화 성능을 향상시켰습니다.

제한된 자원으로 최대의 효과를: AI 기반 OSINT 분석의 미래

CONTACT는 몇 가지 샷 학습 방법을 사용하여 미세 조정된 LLM이 주석 작업 부담을 줄이고, 개방형 OSINT 데이터 스트림으로부터 구조화된 추론을 지원할 수 있음을 보여줍니다. 이러한 혁신은 AI가 지정학적 분석에 기여할 수 있는 잠재력을 한층 더 높여주는 동시에, 제한된 자원을 가진 연구자들에게도 강력한 도구를 제공한다는 점에서 의미가 큽니다. (GitHub: https://github.com/PaulKMandal/CONTACT/)

참고: 이 연구는 개방형 소스 정보의 효과적인 활용과 AI 기술의 발전을 통해 지정학적 분석의 정확성과 효율성을 높이는 데 크게 기여할 것으로 예상됩니다. 그러나 모델의 한계와 편향성을 고려하여 결과를 해석하는 신중함이 필요합니다.