[E-DailyYun Junghoon 记者]“国防人工智能（AI）的关键不在于制定人类无法预见的新战略，而在于能否按照既定程序准确、迅速地执行指挥官的指令。”
SKTelecom(017670) G.AI团队负责人姜民俊于13日在首尔龙山Nine Tree Rocaus举行的“第五届柯南国防AI峰会”上，就国防专用AI模型的开发方向发表讲话（照片来源：Yun Junghoon 记者）
SKTelecom(017670) 的G.AI团队负责人姜民俊于13日在首尔龙山Nine Tree Locaus举行的“第五届柯南国防AI峰会”上，就国防专用AI模型的开发方向发表了上述看法。他解释称，在国防领域，与AI的创造性回答能力相比，在遵守军队教义和作战程序的同时，迅速、准确地执行既定任务的能力将成为核心竞争力。
姜团队负责人强调：“在军队执行任务时，有既定的程序和作战理论”，“与其让AI产生新想法，不如将其开发成能够按照程序准确、快速地执行指令的内容。”
为此，SKT正专注于开发国防专用基础模型，而非仅仅是拥有大量知识的语言模型（LM），该模型需能够理解实际工作执行过程和程序。
姜团队负责人表示：“与其让模型学习知识，不如让它学习‘如何工作’，这一点至关重要。”
所谓国防专用AI，是指在接到指挥官命令后，能够依据标准操作程序（SOP）及军事理论与教范，不遗漏任何必要步骤地制定计划，并基于相关数据选择合适的工具来执行任务。
他特别解释道，近期AI模型的性能评估标准也在发生变化。分析认为，过去模型掌握多少知识是关键，而如今，理解复杂指令并制定执行计划的能力，以及将实际任务贯彻到底的能力，正逐渐成为主要评估要素。
姜团队负责人表示：“我认为，能够制定周密计划，确保按照指定程序准确无误地执行指令的内容，这样的模型或许就是国防专用模型的定义”，并指出“SKT也在朝着这个方向开发模型”。
他还强调了数据结构化对提升国防AI性能的重要性。据解释，战场上会产生视频、语音、卫星图像等海量数据，但仅靠简单收集这些数据，AI很难准确理解其中的信息。
SKT基于数据本体论的AI开发路线图（图片来源：Yun Junghoon 记者）
姜团队长将连接不同数据含义与关系的本体（Ontology）技术列为核心要素。他表示，通过本体对数据进行结构化处理，语言模型就能更准确地分析信息并给出答复。
他还提到了KONAN TECHNOLOGY INCORPORATION(402030)当天公开的战场信息融合与分析平台“Conan ArgoX”。姜团队负责人预计，像ArgoX这样的数据融合平台将在对各类战场信息进行结构化处理方面发挥重要作用。
他还介绍了SKT正在开发的超大规模AI模型的优化进展。
在第一阶段开发过程中，SKT专注于掌握开发5000亿参数（500B）级大规模AI模型所需的技术能力。随后在第二阶段开发中，公司着力于提升模型性能，以70.6分的综合得分在参与的4家公司中位列综合评估榜首。
目前正在进行的第三阶段开发中，重点在于强化编码能力和指令执行能力，并提高大规模模型的服务运营效率。特别是将公开的国防数据纳入模型训练，以提升对国防领域的理解。
姜团队负责人解释道：“第三阶段模型已将公开的国防数据纳入学习数据中”，并表示“模型完成后，将能够针对国防相关数据进行提问并获得答复”。
他还提出了AI代理平台的开发方向。此前，工作流程需由人工逐一设计，并在各个阶段应用AI；而未来将发展为：人工提供指导方针和必要工具后，AI能够自主制定执行计划并审查结果。
SKT正在将多种AI代理分工协作、综合处理结果的协作模式标准化，并将其应用于相关平台。
姜团队负责人表示：“AI模型不应侧重于创造新知识，而应朝着准确、快速地根据人类指令进行规划和执行的方向发展”，并称“SKT正在准备能够实现这一目标的国防专用模型”。
SKTelecom(017670) 的G.AI团队负责人姜民俊于13日在首尔龙山Nine Tree Locaus举行的“第五届柯南国防AI峰会”上，就国防专用AI模型的开发方向发表了上述看法。他解释称，在国防领域，与AI的创造性回答能力相比，在遵守军队教义和作战程序的同时，迅速、准确地执行既定任务的能力将成为核心竞争力。
姜团队负责人强调：“在军队执行任务时，有既定的程序和作战理论”，“与其让AI产生新想法，不如将其开发成能够按照程序准确、快速地执行指令的内容。”
为此，SKT正专注于开发国防专用基础模型，而非仅仅是拥有大量知识的语言模型（LM），该模型需能够理解实际工作执行过程和程序。
姜团队负责人表示：“与其让模型学习知识，不如让它学习‘如何工作’，这一点至关重要。”
所谓国防专用AI，是指在接到指挥官命令后，能够依据标准操作程序（SOP）及军事理论与教范，不遗漏任何必要步骤地制定计划，并基于相关数据选择合适的工具来执行任务。
他特别解释道，近期AI模型的性能评估标准也在发生变化。分析认为，过去模型掌握多少知识是关键，而如今，理解复杂指令并制定执行计划的能力，以及将实际任务贯彻到底的能力，正逐渐成为主要评估要素。
姜团队负责人表示：“我认为，能够制定周密计划，确保按照指定程序准确无误地执行指令的内容，这样的模型或许就是国防专用模型的定义”，并指出“SKT也在朝着这个方向开发模型”。
他还强调了数据结构化对提升国防AI性能的重要性。据解释，战场上会产生视频、语音、卫星图像等海量数据，但仅靠简单收集这些数据，AI很难准确理解其中的信息。
姜团队长将连接不同数据含义与关系的本体（Ontology）技术列为核心要素。他表示，通过本体对数据进行结构化处理，语言模型就能更准确地分析信息并给出答复。
他还提到了KONAN TECHNOLOGY INCORPORATION(402030)当天公开的战场信息融合与分析平台“Conan ArgoX”。姜团队负责人预计，像ArgoX这样的数据融合平台将在对各类战场信息进行结构化处理方面发挥重要作用。
他还介绍了SKT正在开发的超大规模AI模型的优化进展。
在第一阶段开发过程中，SKT专注于掌握开发5000亿参数（500B）级大规模AI模型所需的技术能力。随后在第二阶段开发中，公司着力于提升模型性能，以70.6分的综合得分在参与的4家公司中位列综合评估榜首。
目前正在进行的第三阶段开发中，重点在于强化编码能力和指令执行能力，并提高大规模模型的服务运营效率。特别是将公开的国防数据纳入模型训练，以提升对国防领域的理解。
姜团队负责人解释道：“第三阶段模型已将公开的国防数据纳入学习数据中”，并表示“模型完成后，将能够针对国防相关数据进行提问并获得答复”。
他还提出了AI代理平台的开发方向。此前，工作流程需由人工逐一设计，并在各个阶段应用AI；而未来将发展为：人工提供指导方针和必要工具后，AI能够自主制定执行计划并审查结果。
SKT正在将多种AI代理分工协作、综合处理结果的协作模式标准化，并将其应用于相关平台。
姜团队负责人表示：“AI模型不应侧重于创造新知识，而应朝着准确、快速地根据人类指令进行规划和执行的方向发展”，并称“SKT正在准备能够实现这一目标的国防专用模型”。
