갑작스러운 재난 상황 속 소셜 미디어 공포 예측: 심리학 기반 AI 에이전트의 등장

본 연구는 심리학 기반 생성 에이전트 프레임워크(PsychoAgent)를 통해 소셜 미디어 상의 공포 예측 성능을 향상시켰습니다. 인간-LLM 협업으로 구축된 COPE 데이터셋과 심리학적 메커니즘 기반 모델링, LLM 기반 역할극 에이전트를 활용하여 기존 모델 대비 12.6%~21.7%의 성능 향상을 달성했습니다. 이는 데이터 기반 적합에서 역할 기반 시뮬레이션으로의 패러다임 전환을 의미하며, 재난 상황의 효과적인 위기 관리에 기여할 것으로 기대됩니다.

자연재해나 사회적 혼란과 같은 돌발 재난 상황에서 소셜 미디어는 공포와 불안이 확산되는 주요 통로가 됩니다. 이러한 상황에서 대중의 공포 심리를 정확하게 예측하는 것은 신속하고 효과적인 위기 관리에 필수적입니다. 하지만 기존의 감정 예측 연구는 정확한 데이터 부족, 위험 인식의 부재, 그리고 예측 결과의 해석 어려움 등의 난관에 직면해 왔습니다.

Liu 등 (2025) 의 연구는 이러한 문제에 대한 혁신적인 해결책을 제시합니다. 연구팀은 심리학 기반 생성 에이전트 프레임워크(PsychoAgent) 를 개발하여 소셜 미디어 상의 공포 예측 정확도를 크게 향상시켰습니다. PsychoAgent는 인간과 거대언어모델(LLM)의 협업을 통해 정교한 공개 공포 감정 데이터셋(COPE) 을 구축하여 기존 연구의 데이터 한계를 극복했습니다. COPE는 의미론적 편향을 최소화하여 보다 정확한 분석을 가능하게 합니다.

하지만 데이터만으로는 부족합니다. PsychoAgent는 심리학적 메커니즘을 기반으로 위험 인식과 개인의 인지적 차이까지 고려하여 모델링합니다. 특히, LLM 기반 역할극 에이전트를 통해 개인의 심리적 과정을 시뮬레이션함으로써, 예측 결과에 대한 설명 가능성을 획기적으로 높였습니다. 마치 소설 속 인물의 심리를 분석하듯이, AI가 개별 사용자의 감정 변화를 추적하고 예측하는 것입니다.

실험 결과는 놀랍습니다. PsychoAgent는 기존 모델 대비 공포 감정 예측 성능을 12.6%~21.7% 향상시켰습니다. 단순히 데이터에 맞추는 기존 방식을 넘어, 심리학적 메커니즘을 기반으로 한 투명하고 해석 가능한 모델을 제시한 것입니다. 이는 공포 예측 분야에 있어 획기적인 패러다임 전환을 의미합니다. 연구팀은 PsychoAgent의 소스 코드를 공개하여 (https://anonymous.4open.science/r/PsychoAgent-19DD) 다른 연구자들의 활용을 지원하고 있습니다.

이 연구는 단순히 기술적 진보를 넘어, 재난 상황에서의 효과적인 위기 관리에 중요한 시사점을 제공합니다. PsychoAgent와 같은 심리학 기반 AI 기술은 앞으로 사회적 혼란을 예방하고 대응하는 데 중요한 역할을 수행할 것으로 기대됩니다. 더 나아가, AI가 인간의 심리를 이해하고 예측하는 능력을 향상시켜, 보다 안전하고 안정적인 사회를 만드는데 기여할 수 있을 것입니다.