총기 난사 사건이 급증하면서 인명 피해를 줄이기 위한 실시간 대피 시스템의 필요성이 커지고 있습니다. 기존의 대피 지침은 '달리거나, 숨거나, 싸우라'는 일반적인 조언에 그치거나, 특정 건물 구조에만 적용 가능한 복잡한 계산 방식이 많아 실제 상황에 적용하기 어려웠습니다. 이러한 한계를 극복하기 위해 최근 다니엘 퍼킨스(Daniel Perkins) 연구팀은 AI 기반의 적응형 대피 경로 시스템 'GPEvac'을 제안했습니다.
GPEvac은 그래프 신경망(GNN)과 PPO(Proximal Policy Optimization) 프레임워크를 결합하여 개발되었습니다. 이 시스템은 건물 내 사람들의 위치, 위협 요소, 군중 역학 등을 종합적으로 고려해 대피 경로를 계산합니다. 특히, 가상 글로벌 노드(virtual global node)를 포함한 '엣지 우선 순차 메시지 전달(edge-first sequential message-passing)' 방식을 도입해 지역적 및 장거리 의존성을 모두 파악할 수 있습니다. 이를 통해 단일 학습 정책으로 다양한 형태와 크기의 건물 구조에 유연하게 적용될 수 있으며, 시뮬레이션 결과 기존 지능형 시스템 대비 위협 노출을 현저히 줄이는 것으로 나타났습니다. 무엇보다 중요한 점은 GPEvac이 일반 CPU 환경에서 단 14.73밀리초(ms) 만에 전역 대피 경로를 계산할 수 있어, 실시간 감시 시스템과의 통합 가능성이 매우 높다는 것입니다.
이러한 GPEvac의 등장은 총기 난사 사건 발생 시 생존율을 획기적으로 높일 수 있는 잠재력을 제시합니다. 또한, 이 기술은 단순히 대피 경로 안내를 넘어 중요 인프라 관리, 지능형 교통 시스템, 적응형 센서 네트워크 등 그래프 구조 기반의 의사결정이 필요한 다양한 분야에 확장 적용될 수 있습니다. AI가 재난 상황에서 인간의 안전을 지키는 데 핵심적인 역할을 할 수 있음을 보여주는 중요한 진전이며, 미래 도시 안전 시스템 구축에 새로운 방향을 제시할 것으로 기대됩니다.