스타트업은 AI를 사용하여 군사 소프트웨어 프로토타입을 만듭니다.

복잡한 소프트웨어를 만드는 일은 더 이상 프로그래밍 전문가만의 전유물이 아닙니다. 미국 공군과 협력하여 주도한 프로젝트입니다. MIT 링컨 연구소, 기술 교육을 받지 않은 군인이 언어 모델만 사용하여 기능 도구를 개발할 수 있음을 입증했습니다.

Phantom 프로그램의 일부인 실험은 다음과 같은지 이해하려고 노력했습니다. 인공지능 생성 기술은 전통적인 전략 시스템 개발 주기의 시간과 비용을 줄일 수 있습니다. 핵심 아이디어는 전장 문제를 마스터하는 전문가가 자신의 요구 사항을 실행 가능한 디지털 솔루션으로 전환할 수 있도록 하는 것입니다.

바이브코딩의 개념

조슈아 린치(Joshua Lynch) 연구원은 자신이 명명한 방법론을 채택했습니다. 바이브코딩. 이 과정에서 사용자는 수동으로 코드를 작성하지 않고 Claude, ChatGPT, Gemini와 같은 챗봇의 프롬프트를 사용하여 AI가 논리적 지침을 구축하고 개선하도록 안내합니다.

3개월에 걸쳐 초기 목표는 목표 인식 및 통신 관리를 위한 전술적 지원 소프트웨어를 만드는 것이었습니다. 이 프로젝트는 AI가 강력한 지원 도구임에도 불구하고 사용자가 기술적 한계를 처리하는 방법을 알기 위해서는 상당한 학습 곡선이 필요하다는 것을 보여주었습니다.

제한 사항 및 범위 재조정

개발 과정에서 Cadet은 계층적 초점이 부족하고 AI가 그대로 유지해야 하는 코드 조각을 변경하는 경향과 같은 언어 모델의 일반적인 문제에 직면했습니다. 문제를 더 작은 작업으로 나누고 시스템의 논리적 순서를 엄격하게 제어하는 ​​방법을 배우는 것이 필요했습니다.

이러한 제한으로 인해 소프트웨어 프로토타입 원본은 문서 처리 도구에 맞게 조정되었습니다. 전술 지도 분석과 임무 계획 생성에 초점을 맞춘 최종 결과는 이 기술이 즉시 사용 가능한 솔루션보다 설계 보조자로서 더 잘 작동한다는 것을 확인했습니다.

보안과 인간 협업의 역할

연구자들이 확인한 중요한 점은 정보 보안과 관련이 있습니다. 시스템은 사용자가 눈치채지 못하게 클라우드에서 외부 분석을 위해 민감한 데이터를 전송하기도 했으며, 이는 적절한 기술 감사나 코드가 정보를 처리하는 방법에 대한 지식 없이 생성 모델을 사용하는 것의 위험을 강조했습니다.

프로젝트를 총괄한 로라 니스(Laura Niss) 연구원은 AI가 의사소통의 가교 역할을 하지만 인간 전문가를 대체하지는 않는다고 강조한다. 그만큼 코드 개발 AI 지원 소프트웨어는 특히 민감한 데이터나 고위험 작업을 처리하는 애플리케이션의 경우 여전히 철저한 검토가 필요합니다.

결론과 관점

이 실험을 통해 실제로 군인들이 유용한 아이디어의 프로토타입을 만들 수 있다는 사실이 입증되었지만, 여전히 빠른 프로토타이핑과 안전하고 안정적인 소프트웨어 제공 사이에는 간극이 있다는 사실이 강조되었습니다. 다양한 분야의 전문가들 간의 협업은 AI 제안을 실제 문제에 대한 효과적인 솔루션으로 전환하기 위한 기본 기둥으로 남아 있습니다.

FAQ

• 바이브 코딩이란 무엇입니까? 구문을 수동으로 작성할 필요 없이 사용자가 프롬프트를 통해 AI에게 코드 생성을 안내하는 개발 방법입니다.
• 군사 프로젝트에서 AI가 프로그래머를 대체할 수 있을까? 아니요. 연구에 따르면 보안을 위해 사람의 검증이 필요한 디자인 및 프로토타이핑 보조 역할을 하는 것으로 나타났습니다.
• 직면하게 되는 주요 위험은 무엇입니까? 코드 확인이 부족하고 처리를 위해 중요한 문서를 외부 제3자 서버로 실수로 전송합니다.
• 프로젝트로 인해 운영 도구가 생겼습니까? 아니요, 개념의 실행 가능성을 입증했지만 전투용으로 사용할 준비가 되지 않은 문서 분석을 위한 작업 프로토타입이 탄생했습니다.

또한 읽어보세요: MIT AI는 로봇을 훈련시키기 위해 가상 세계를 만듭니다..

소스 및 방법론

이 글은 ㈜에이치에스에서 공개한 정보를 바탕으로 작성되었습니다. news.mit.edu, 2026년 7월 7일. 원본 게시물: 초보 코더가 군사 애플리케이션용 AI 프로그램을 개발하는 방법. HTechBD는 원본 텍스트를 재생산하지 않고 브라질 대중을 위해 데이터를 재구성하고 맥락화했습니다.

영상: 에고르 코마로프 아니요 펙셀.