Yann LeCun

위키
, , , ,
1

프랑스계 미국인 컴퓨터 과학자; 합성곱 신경망의 발명가, 튜링상 수상자, 기계 지능을 위한 세계 모델 패러다임의 선구자.

기본 정보 / 프로필

항목 세부 내용
전체 이름 얀 앙드레 르 쿤 (Yann André Le Cun)
출생 1960년 7월 8일, 프랑스 수아지수몽모랑시 (Soisy-sous-Montmorency)
국적 프랑스계 미국인
현 소속 AMI Labs (집행 의장); 뉴욕 대학교 (Jacob T. Schwartz 석좌 교수)
연구 분야 딥러닝, 합성곱 신경망, 컴퓨터 비전, 에너지 기반 모델, 세계 모델, 이미지 압축, 로봇공학
박사 지도교수 모리스 밀그람 (Maurice Milgram)
박사 학위 논문 Modèles connexionnistes de l’apprentissage (연결주의 학습 모델), 피에르와 마리 퀴리 대학교, 1987
개인 웹사이트 yann.lecun.com
X / 트위터 @ylecun
GitHub github.com/ylecun
Google Scholar scholar.google.com/citations?user=WLN3QrAAAAAJ
NYU 교수 페이지 engineering.nyu.edu/faculty/yann-lecun
ACM 튜링상 amturing.acm.org/award_winners/lecun_6017366.cfm

개요

얀 르 쿤 (Yann LeCun)은 프랑스계 미국인 컴퓨터 과학자로, 컴퓨터 비전을 혁신하고 2010년대 딥러닝의 상업적 배치를 이끈 모델 클래스인 합성곱 신경망 (CNN)의 주요 설계자로 널리 인정받고 있습니다. 프랑스에서 교육을 받고 토론토에서 제프리 힌튼 밑에서 박사후 연구원으로 1년을 보낸 후, 그는 1980년대 후반과 1990년대 벨 연구소에서 LeNet을 개발했습니다. 이 네트워크는 미국 전역에서 수표를 읽는 데 대규모로 배치되었으며, 그 아키텍처는 오늘날 사용되는 거의 모든 시각 인식 시스템의 기초가 됩니다. 2018년 그는 힌튼 및 요슈아 벤지오와 함께 튜링상을 공동 수상했습니다. 이 세 사람은 흔히 „딥러닝의 대부들(Godfathers of Deep Learning)"로 불립니다. 그는 메타에서 12년 동안 최고 AI 과학자로 재직하며 FAIR(Fundamental AI Research) 연구소를 이끌고 오픈소스 AI 개발을 지지했습니다. 2025년 11월 메타를 떠나 세계 모델 아키텍처에 초점을 맞춘 벤처 기업인 AMI Labs(Advanced Machine Intelligence Labs)를 설립했으며, 2026년 3월 10억 3천만 달러를 조달했습니다. 그는 2003년부터 업계 역할과 함께 유지해 온 NYU 쿠랑 연구소의 Jacob T. Schwartz 석좌 교수직을 보유하고 있습니다.

초기 생애 및 교육

프랑스에서의 어린 시절과 형성기

르 쿤은 1960년 7월 8일 파리 북부 교외인 수아지수몽모랑시에서 태어났습니다. 그의 성은 브르타뉴의 냉강 지역에 뿌리를 둔 오래된 브르타뉴어 형태 Le Cunff에서 파생되었습니다. 그의 이름 Yann은 Jean의 브르타뉴어에 해당합니다. 그는 연결주의(connectionism) — 인지가 단순한 단위의 네트워크로 모델링될 수 있다는 생각 — 가 AI에서 소수 위치였던 시기에 프랑스에서 자랐으며, 학습 기계의 이론적 가능성에 일찍 관심을 갖게 되었습니다. 20대 후반이 되었을 때 그는 완전히 입증되기까지 수십 년이 걸릴 학습 알고리즘에 대한 제안을 발표하고 있었습니다.

ESIEE 파리 (1980–1983)

르 쿤은 1983년 ESIEE 파리에서 디플롬 딩지뇌르(Diplôme d’Ingénieur)를 받았습니다. 이는 프랑스의 그랑제콜(grande école) 전통에 따른 공학 자격증입니다. 이 프로그램은 그에게 이후 신경망 아키텍처에 대한 접근 방식을 형성할 수학 및 신호 처리에 대한 엄격한 기초를 제공했습니다.

피에르와 마리 퀴리 대학교 — 박사 (1983–1987)

그는 1987년 피에르와 마리 퀴리 대학교(현 소르본 대학교)에서 모리스 밀그람의 지도 하에 컴퓨터 과학 박사 학위를 마쳤습니다. 그의 논문 Modèles connexionnistes de l’apprentissage는 독립적으로 그리고 David Rumelhart, Geoffrey Hinton 및 Ronald Williams와 거의 동시에 역전파 알고리즘의 초기 형태를 제안하고 이를 다층 네트워크에 적용했습니다. 1985년 Cognitiva에서의 논문은 1986년 Nature에 실린 정식 Rumelhart-Hinton-Williams 출판물보다 앞선 초기 비대칭 임계값 네트워크 학습 방식을 설명했습니다.

힌튼 밑에서의 박사후 연구, 토론토 대학교 (1987–1988)

AT&T에 합류하기 전, 르 쿤은 토론토 대학교에서 제프리 힌튼 밑에서 1년 동안 박사후 연구원으로 지내며 신경망 훈련 역학에 대한 이해를 심화하고 해당 분야의 발전을 형성할 지적 협력을 시작했습니다. 이 1년은 르 쿤, 힌튼 및 더 넓은 토론토 그룹 간의 작업 관계를 공고히 했습니다.

경력

AT&T 벨 연구소 — 연구 과학자 (1988–1996)

1988년 르 쿤은 뉴저지 홈델에 있는 AT&T 벨 연구소의 적응 시스템 연구 부서에 합류했으며, Lawrence Jackel이 이끌었습니다. 8년 동안 그는 자신의 과학적 유산을 정의한 작업을 수행했습니다. 1989년 논문 „Backpropagation Applied to Handwritten Zip Code Recognition"은 합성곱 신경망 아키텍처를 성숙한 형태로 도입했으며, 생물학적으로 동기 부여된 계층 구조에서 로컬 수용 필드, 가중치 공유 및 공간 서브샘플링을 결합했습니다. 1998년까지 이는 LeNet-5로 정점에 이르렀으며, „Gradient-Based Learning Applied to Document Recognition"(Proceedings of the IEEE, 1998, Léon Bottou, Yoshua Bengio 및 Patrick Haffner와 공동)에 제시된 이 네트워크는 손글씨 숫자를 읽기 위해 처음부터 끝까지 훈련되었습니다. 관련 은행 수표 인식 시스템은 NCR 등에 의해 배포되어 정점 당시 미국에서 작성된 모든 수표의 약 10%를 처리했습니다. 그는 또한 Optimal Brain Damage(NeurIPS 1990)를 개발했는데, 이는 중복 가중치를 제거하기 위한 원칙적인 가지치기 기법으로, 현재 효율적인 추론의 핵심인 모델 압축 방법의 선구자이며, 시퀀스 레이블링 작업을 위한 그래프 변환 네트워크(Graph Transformer Networks)도 개발했습니다.

AT&T Labs-Research — 이미지 처리 책임자 (1996–2003)

벨 연구소 분할 후, 르 쿤은 AT&T Labs-Research로 이동하여 이미지 처리 연구 부서의 책임자가 되었습니다. 이 기간의 주요 결과물은 Léon Bottou 및 Patrick Haffner와 함께 개발한 문서 이미지 압축 형식인 DjVu였으며, 스캔된 문서의 효율적인 웹 배포를 위해 설계되었고 나중에 Internet Archive에 채택되었습니다. 그는 또한 Bottou와 Lush 프로그래밍 언어를 공동 개발하고 서포트 벡터 머신의 발명가인 Vladimir Vapnik과 협력했습니다. NEC 연구소에서의 짧은 연구원 생활 후, 그는 2003년 뉴욕 대학교에 합류했습니다.

뉴욕 대학교 — Jacob T. Schwartz 석좌 교수 (2003–현재)

NYU 쿠랑 수리 과학 연구소에서 르 쿤은 컴퓨터 과학, 데이터 과학, 신경 과학 및 전기 컴퓨터 공학 분야에서 겸직을 맡고 있습니다. 그의 NYU 연구는 에너지 기반 모델(EBM) — 추론을 확률적 정규화가 아닌 에너지 경관(energy landscape)에 대한 최적화 문제로 취급하는 비지도 및 자기 지도 학습 프레임워크 — 및 다단계 객체 인식 아키텍처를 위한 특징 학습에 중점을 두었습니다. 그는 Rob Fergus 등과 함께 NYU 머신러닝 그룹을 공동 이끌며 Raia Hadsell, Marc’Aurelio Ranzato, Koray Kavukcuoglu를 포함한 연구자 세대를 양성했습니다. 2012년 그는 NYU 데이터 과학 센터의 창립 이사가 되었고, 2014년 메타에서의 역할이 확대되면서 사임했습니다. 2013년에는 Yoshua Bengio와 함께 국제 학습 표현 컨퍼런스(ICLR)를 공동 창립했으며, 이는 이 분야의 주요 학회 중 하나로 성장했습니다. 2016년에는 콜레주 드 프랑스의 방문 교수로 재임하며 Chaire Informatique et Sciences Numériques(컴퓨터 과학 및 디지털 과학 석좌)의 첫 강의를 했습니다. 2023년에는 쿠랑 연구소의 초대 Jacob T. Schwartz 석좌 교수로 임명되었습니다.

메타 (페이스북) AI — 부사장 겸 최고 AI 과학자 / FAIR 이사 (2013–2025)

2013년 12월 9일, 르 쿤은 뉴욕시에서 페이스북 AI 연구(FAIR)의 초대 이사가 되었으며, 이 역할은 메타가 성장함에 따라 부사장 겸 최고 AI 과학자로 발전했습니다. 그는 FAIR를 공개 출판 및 오픈소스 릴리스 철학을 가진 가장 생산적인 학술 스타일의 산업 AI 연구소 중 하나로 구축했습니다. FAIR는 PyTorch(딥러닝 연구를 지배하게 된 프레임워크)의 개발 및 오픈소스화, 대규모 컴퓨터 비전 모델, 공정성 및 견고성 벤치마크, 자기 지도 학습 방법에 중요한 역할을 했습니다. 재임 기간 동안 그는 반항적인 공개 입장을 유지했습니다. AI 실존 위험 서사에 지속적으로 반대하고, 대규모 언어 모델을 일반 지능으로 가는 길로 구성하는 것에 이의를 제기했으며, 현재 AI 시스템은 강력한 실제 세계 행동에 필요한 세계 이해가 부족하다고 주장했습니다. 2025년 11월 19일, 르 쿤은 12년 만에 메타에서 떠나 자신의 회사를 설립할 것이라고 확인했습니다.

AMI Labs (Advanced Machine Intelligence Labs) — 집행 의장 (2025–현재)

르 쿤은 2025년 후반에 Alex LeBrun이 CEO로, 르 쿤이 집행 의장으로 있는 AMI Labs(Advanced Machine Intelligence Labs)를 공동 창립했습니다. 이 회사의 연구 테제는 대규모 언어 모델이 인간 수준의 기계 지능을 달성하는 데 구조적인 막다른 길을 나타내며, 올바른 길은*세계 모델(world models)*의 구축이라는 것입니다. 이는 패턴 일치 텍스트 생성이 아닌 안전한 계획과 행동을 가능하게 하기 위해 다중 모드 감각 입력에서 물리적 세계의 구조와 역학을 학습하는 예측 시스템입니다. 2026년 3월, AMI는 Cathay Innovation, Greycroft, Hiro Capital, HV Capital 및 Bezos Expeditions가 공동 주도한 10억 3천만 달러의 자금 조달 라운드를 35억 달러의 투자 전 가치로 발표했습니다. 2026년 1월, 르 쿤은 에너지 기반 추론 시스템을 개발하는 AI 회사인 Logical Intelligence의 기술 연구 위원회 창립 의장이 되었습니다.

주요 기여

  • 합성곱 신경망 / LeNet — 1989년에서 1998년 사이에 벨 연구소에서 CNN 아키텍처를 개발했습니다. 생물학적 영감을 받은 로컬 연결, 가중치 공유 및 풀링을 역전파로 처음부터 끝까지 훈련된 계층 구조로 결합했습니다. 논문 „Gradient-Based Learning Applied to Document Recognition"(Proceedings of the IEEE, 1998)은 컴퓨터 과학에서 가장 많이 인용된 연구 중 하나로 남아 있습니다.
  • 역전파 — 초기 독립적 공식화 — 1987년 박사 학위 논문에서 정식 Rumelhart-Hinton-Williams 공식화와 독립적이면서 동시에 실용적인 역전파 학습 알고리즘을 제안했습니다.
  • Optimal Brain Damage (NeurIPS 1990) — 손실의 헤세 행렬(Hessian) 계산을 기반으로 네트워크 가중치 가지치기를 위한 원칙적인 2차 방법을 도입했습니다. 모델 압축 및 효율적인 추론에 대한 기초적인 기여입니다.
  • 은행 수표 OCR 시스템 — LeNet을 NCR이 배포한 상용 시스템에 적용하여 정점 당시 미국 은행 수표의 약 10%를 처리했습니다. 신경망의 초기 대규모 산업 배치 중 하나입니다.
  • DjVu 이미지 압축 (1998, Léon Bottou 및 Patrick Haffner와 공동) — 동등한 품질에서 JPEG보다 훨씬 더 나은 압축을 달성하고 Internet Archive에 채택된 스캔된 텍스트에 최적화된 문서 이미지 압축 형식을 설계했습니다.
  • 에너지 기반 모델 — 확률적 정규화가 아닌 에너지 최소화를 기반으로 하는 지도, 비지도 및 자기 지도 학습을 위한 통합 이론 프레임워크를 개발했습니다. 2006년 튜토리얼 및 후속 연구에서 설명되었으며, 현대 대조 학습 및 공동 임베딩 자기 지도 방법의 설계에 영향을 미쳤습니다.
  • 그래프 변환 네트워크 (Graph Transformer Networks) — 합성곱 특징과 구조적 예측을 결합하여 손글씨 인식 및 OCR에 적용된 시퀀스 레이블링 아키텍처를 개발했습니다.
  • ICLR (2013년 Yoshua Bengio와 공동 창립) — 공개 피어 리뷰 프로세스로 국제 학습 표현 컨퍼런스를 설립했으며, 현재 가장 경쟁이 치열하고 영향력 있는 AI 컨퍼런스 중 하나입니다.
  • FAIR 및 PyTorch — 메타의 Fundamental AI Research 연구소를 이끌고 PyTorch의 오픈소스 릴리스를 감독하거나 촉진했으며, 이는 TensorFlow를 대체하여 학계 딥러닝 연구의 지배적인 프레임워크가 되었습니다.
  • 세계 모델 / AMI Labs — 언어 모델 사전 훈련에서 다중 모드 입력으로 물리적 현실의 예측 모델을 학습하여 세상에서 안전한 계획과 행동을 가능하게 하는 아키텍처로의 패러다임 전환을 명확히 하고 적극적으로 구축하고 있습니다.

수상 및 인정

  • ACM 튜링상 (2018, Geoffrey Hinton 및 Yoshua Bengio와 공동) — 컴퓨팅 분야의 최고 영예로, 신경망에 대한 개념적 및 공학적 돌파구를 인정받아 다른 두 „딥러닝의 대부"와 공동 수상했습니다.
  • IEEE 신경망 선구자상 (IEEE Neural Network Pioneer Award) (2014)
  • PAMI 저명 연구자상 (PAMI Distinguished Researcher Award) (2015)
  • IRI 메달 (IRI Medal) (2018)
  • Harold Pender 상, 펜실베니아 대학교 (2018)
  • AAAI 펠로우 (Fellow, AAAI) (2019)
  • 미국 국립 과학원 회원 (Member, US National Academy of Sciences) (2021)
  • 미국 국립 공학 아카데미 회원 (Member, US National Academy of Engineering)
  • 프랑스 과학 아카데미 회원 (Member, French Académie des Sciences)
  • 아스투리아스 여왕 과학 연구상 (Princess of Asturias Award for Scientific Research) (2022, Hinton, Bengio 및 Demis Hassabis와 공동)
  • 레지옹 도뇌르 슈발리에 (Chevalier de la Légion d’Honneur) (2023) — 프랑스 대통령이 수여.
  • VinFuture 대상 (VinFuture Grand Prize) (2024, Bengio, Hinton, Jensen Huang 및 Fei-Fei Li와 공동)
  • 엘리자베스 여왕 공학상 (Queen Elizabeth Prize for Engineering) (2025, Bengio, Bill Dally, Hinton, John Hopfield, Jensen Huang 및 Fei-Fei Li와 공동) — 공학 분야에서 가장 권위 있는 국제 상.
  • 명예 박사 학위 — IPN 멕시코시티 (2016), EPFL (2018), 코트다쥐르 대학교 (2021), 시에나 대학교 (2023), 홍콩 과학기술 대학교 (2023).

주요 관계

  • 제프리 힌튼 (Geoffrey Hinton) — 박사후 지도교수이자 지적 선배; 공동 튜링상 수상자; 두 사람은 공로와 때때로 공개적인 의견 차이를 공유하며, 특히 AI 안전 타임라인에 대해 르 쿤은 힌튼의 경보가 과장되었다고 주장합니다.
  • 요슈아 벤지오 (Yoshua Bengio) — 공동 튜링상 수상자이자 ICLR 공동 창립자; 획기적인 LeNet 논문 및 2015년 Nature의 기초 설문조사 „Deep learning"에서 협력; 두 사람은 병렬적이고 보완적인 연구의 긴 역사를 공유합니다.
  • 레온 보투 (Léon Bottou) — 르 쿤의 연구 협력 중 가장 지속적인 관계로, 벨 연구소, AT&T 및 FAIR에 걸쳐 있으며; DjVu, Lush 언어 및 확률적 경사 하강법 분석 작업의 공동 발명가입니다.
  • 블라디미르 바프니크 (Vladimir Vapnik) — AT&T Labs의 동료이자 서포트 벡터 머신의 발명가; 커널 방법과 신경망이 우위를 다투던 시기의 지적 대화 상대.
  • 라이아 하드셀 (Raia Hadsell) — NYU 박사 과정 학생으로 DeepMind의 선도 연구원이 됨; 르 쿤과의 자율 오프로드 주행에 대한 그녀의 연구는 모바일 로봇 공학을 위한 학습된 지각의 초기 시연이었습니다.
  • 코라이 카부쿠올루 (Koray Kavukcuoglu) — NYU 및 FAIR 협력자; 나중에 DeepMind의 연구 부사장이 됨; 다단계 객체 인식 아키텍처에 대한 연구를 공동 저술했습니다.
  • 마크 저커버그 (Mark Zuckerberg) — 2013년 FAIR를 구축하기 위해 르 쿤을 영입; 12년 간의 작업 관계는 르 쿤에게 제품 중심 회사 내에서 기초 연구를 추구할 수 있는 특별한 재량권을 제공했습니다.
  • 알렉스 르브룅 (Alex LeBrun) — 르 쿤이 2025년에 설립한 회사 AMI Labs의 CEO; 르 쿤이 집행 의장 및 최고 연구 전략가로 활동하는 동안 운영 측면을 이끕니다.

개인적 스타일

르 쿤은 AI 분야에서 가장 공개적으로 논쟁적인 인물 중 하나입니다. 소셜 미디어에서 활발히 활동하며 반대 의견을 틀렸다고 지칭하는 데 주저하지 않고, 자신이 생각하기에 해당 분야가 잘못된 방향으로 가고 있다고 믿을 때 외교적 모호함을 신경 쓰지 않습니다. AI 종말론에 대한 그의 거부는 단호하고 일관적입니다. 그는 수년간 단기적인 초지능 위험에 대한 두려움이 잘못되었으며 대규모 언어 모델을 포함한 현재 시스템에는 인간 수준의 지능에 필요한 구조적 속성이 부족하다고 주장해 왔습니다. 2026년 4월 브라운 대학교 강연은 이 어조를 잘 보여주었습니다. 그는 청중이 가득 찬 강당에서 „AI는 형편없다(AI sucks)"고 말하고 LLM 중심 투자는 „완전 헛소리(complete BS)"라고 말했으며, 이는 그들이 유행하는 반항이 되기 훨씬 전부터 그가 실질적으로 견지해 온 입장이었습니다. 기술적으로 그는 아키텍처적 사고로 정의됩니다. 그의 가장 지속적인 기여(CNN, 에너지 기반 모델, 세계 모델)는 개별 알고리즘이 아니라 문제 클래스에 접근하는 방식을 재구성하는 프레임워크입니다. 그는 일관되게 오픈 사이언스를 지지했으며, 경쟁사들이 연구를 독점적으로 유지했을 때 FAIR에서 공개 출판을 추진했습니다. 그의 브르타뉴 출신은 약간의 자부심으로 드러납니다. 그는 자신의 이름을 Jean 대신 Yann으로 서명하고 물으면 어원을 언급합니다.

참고 문헌