재커리 립튼

위키
, , , ,
1

카네기멜런대 Raj Reddy 기계학습 부교수, Abridge 공동창업자 겸 CTO, 그리고 이 분야에서 가장 저명한 비판적 목소리 중 하나 — 분포 이동(distribution shift), 모델 해석 가능성(model interpretability), 임상 ML 분야의 기초 연구, Dive into Deep Learning 교과서, 그리고 연구 커뮤니티의 관행에 대한 논쟁의 방식을 형성해 온 예리한 블로그로 동등하게 유명합니다.

프로필

분야 세부 정보
전체 이름 재커리 체이스 립튼 (Zachary Chase Lipton)
생년월일 1985년 8월 19일
출생지 미국 뉴욕주 뉴로셸 (New Rochelle)
국적 미국
현재 소속 기관 카네기멜런 대학교; Abridge
CMU 직위 Raj Reddy 기계학습 부교수
산업계 역할 Abridge 공동창업자 겸 CTO
연구 분야 분포 이동, 모델 해석 가능성, 임상 ML, 자연어처리, ML 방법론, 강건/적응형 시스템
박사 논문 Learning from Temporally-Structured Human Activities Data (UCSD, 2017)
박사 지도교수 찰스 엘칸 (Charles Elkan); 줄리언 맥컬리 (Julian McAuley)
연구 그룹 ACMI Lab (Approximately Correct Machine Intelligence)
개인 웹사이트 zacharylipton.com
블로그 approximatelycorrect.com
X / 트위터 @zacharylipton
GitHub zackchase
Google Scholar MN9Kfg8AAAAJ

개요

재커리 체이스 립튼은 카네기멜런 대학교의 Raj Reddy 기계학습 부교수로 ACMI Lab을 이끌고 있으며, 피츠버그에 본사를 둔 헬스케어 AI 기업 Abridge의 공동창업자 겸 CTO입니다. Abridge는 임상 문서 작성을 위한 앰비언트 AI(ambient AI)를 구축하여 53억 달러의 가치 평가를 받으며 3억 달러 이상을 조달했습니다. 그의 연구는 ML 방법론과 이론, 분포 이동, 모델 해석 가능성, 자연어처리, 임상 응용을 아우르며, 그는 70개국 500개 이상의 대학에서 채택된 대화형 오픈소스 교과서인 Dive into Deep Learning (Cambridge University Press, 2023)의 공동 저자입니다. 그는 커뮤니티 담론을 형성한 비평 에세이, 특히 「모델 해석 가능성의 신화」(The Mythos of Model Interpretability)와 「머신러닝 학계의 우려스러운 동향」(Troubling Trends in Machine Learning Scholarship), 그리고 기술적 깊이와 사회 비판, 때로는 풍자를 결합한 Approximately Correct 블로그로 널리 알려져 있습니다. 또한 그는 2007년 데뷔 앨범을 녹음하고 브랜포드 마살리스(Branford Marsalis)에게 사사한 재즈 색소폰 연주자이자, 'Tzena, Tzena, Tzena’를 공동 작곡한 이스라엘계 미국인 작곡가 이사카 미론(Issachar Miron)의 손자이기도 합니다.

초기 생애 및 교육

립튼은 1985년 8월 19일 뉴욕주 뉴로셸에서 태어났습니다. 그는 1941년 히브리어 노래 'Tzena, Tzena, Tzena’를 공동 작곡한 것으로 가장 잘 알려진 이스라엘계 미국인 작곡가 이사카 미론(1920–2015)의 손자입니다. 이 노래는 1950년대 피트 시거(Pete Seeger)와 위버스(The Weavers)의 영어 각색 이후 국제적인 히트곡이 되었습니다. 립튼은 여덟 살 때 색소폰을 연주하기 시작했고, 십대 시절을 통해 진지한 재즈 뮤지션으로 성장하여 스티브 윌슨(Steve Wilson), 빌 맥헨리(Bill McHenry), 브랜포드 마살리스에게 가르침을 받았으며, 마살리스는 그의 『음악성에서 종종 간과되는 요소에 대한 드문 헌신』과 『타고난 호기심과 세심한 주의력』을 칭찬했습니다. 고등학교 3학년 때, 그는 슬라이드 햄튼(Slide Hampton)과 지미 히스(Jimmy Heath)와 함께하는 첫 번째 뉴욕 청소년 심포니 재즈 오케스트라(New York Youth Symphony Jazz Orchestra) 공연에 선발되었습니다.

그는 컬럼비아 대학교에 진학하여 수학 및 경제학 학사 학위를 취득했습니다 (약 2003~2007년). 졸업반 해에 그는 데뷔 재즈 앨범인 First Steps (2007)를 위해 오리지널 작곡 모음집을 녹음했으며, All About Jazz에서 『매력적인 소개이며, 음악적으로 진실되고 잘 구성되었다』고 호평받았습니다. 졸업 후, 그는 음악 활동을 전문적으로 추구하면서 웹 개발을 부업으로 하며 몇 년 동안 뉴욕에 머물렀습니다. 그는 점차 컴퓨터 과학으로 방향을 전환하여 결국 UCSD의 박사 과정에 등록했습니다.

박사 과정 동안 립튼은 시애틀의 Amazon Core Machine Learning(2015년 여름, Prime Video 추천 시스템 작업)과 Microsoft Research(다음 해)에서 인턴 생활을 했으며, 인도에서 생활한 기간(2014년 여름)도 있었습니다. 그는 2017년 찰스 엘칸과 줄리언 맥컬리의 지도 아래 캘리포니아 대학교 샌디에이고(AI 그룹)에서 컴퓨터 과학 박사 학위를 받았습니다. 그의 논문인 Learning from Temporally-Structured Human Activities Data는 인간 활동으로 생성된 시계열 데이터에서의 시퀀스 모델링과 학습을 다루었습니다.

경력

Amazon AI — 방문 과학자 / 연구 과학자 (2018년~약 2023년)

박사 학위를 마친 후, 립튼은 CMU에서 교수직을 시작하면서 동시에 Amazon AI에서 방문/연구 과학자 직책을 유지했습니다. 그는 박사 과정 중 Amazon Core Machine Learning에서 인턴 생활을 한 적이 있으며, 학계에 합류한 후에도 이 산업계 소속을 유지하며 NLP 및 ML 시스템 연구에 기여했습니다.

CMU — Raj Reddy 기계학습 부교수 (2018년~현재)

립튼은 2018년 카네기멜런 대학교의 기계학습 학과에 합류하여 주 임용을 받았으며, 하인즈 공공정책 및 사회 컴퓨팅 대학(Heinz School of Public Policy and Societal Computing)에 겸직 임용되었습니다. 그는 ACMI Lab (Approximately Correct Machine Intelligence)을 지휘하며, 분포 이동 하의 강건한 ML, 인과관계 및 표현 학습, 임상 ML, AI 시스템의 사회적 영향에 대한 연구를 수행하고 있습니다. 또한 CMU 소프트웨어 및 사회 시스템 학과(S3D)의 소속 교수진이기도 합니다. 그의 이름을 딴 석좌교수직인 Raj Reddy 교수직은 CMU AI 선구자이자 튜링상 수상자의 이름을 따서 명명되었습니다. 그는 이전에 Microsoft Research Redmond 및 Microsoft Research Bangalore와의 소속 관계를 유지했습니다.

Abridge — 공동창업자 겸 CTO (2023년~현재)

Abridge는 2018년 피츠버그에서 Shivdev Rao(CEO), Florian Metze, Sandeep Konam에 의해 임상 문서 작성을 위한 AI 기반 앰비언트 청취 플랫폼으로 설립되었습니다. 립튼은 2023년 초에 회사에 합류하여 처음에는 최고 과학 책임자(Chief Scientific Officer)를 맡았고, 이후 공동창업자 겸 CTO가 되었습니다. 그의 기술적 지도 하에, Abridge의 플랫폼(의사-환자 대화를 청취하고 Epic과 같은 EHR 시스템과 통합된 구조화된 임상 노트를 자동 생성)은 주요 의료 시스템 파트너십으로 확장되었습니다. 회사는 1억 5천만 달러의 시리즈 C(2024년 초, Lightspeed 및 Redpoint Ventures 주도)와 이어 53억 달러 가치 평가로 3억 달러(2025년)를 조달하여 총 조달액이 5억 달러를 훨씬 넘겼습니다. CEO인 Shivdev Rao는 립튼에 대해 이렇게 말했습니다: „5년 전 Zack을 만난 이후로, 저는 현대 머신러닝 기술의 많은 응용을 헬스케어 데이터에 개척한 그의 AI 연구에 항상 깊은 인상을 받아왔습니다.“ 립튼은 핵심 기술적 과제를 단순히 정확한 모델을 구축하는 것이 아니라 높은 위험 상황에서 환각(hallucination)과 분포적 이동(distributional drift)에 대해 모니터링, 평가, 적응하며 라이브 임상 환경에 안전하게 배포하는 것이라고 설명합니다.

주요 기여

  • 「모델 해석 가능성의 신화」(The Mythos of Model Interpretability) (Lipton; ICML 2016 워크숍; ACM Queue 및 Communications of the ACM, 2018) — ML에서 „해석 가능성“이 불명확하게 정의되었으며, 그 다양한 동기가 때로는 상호 양립 불가능하며, 일반적인 주장(예: 선형 모델은 해석 가능하고 심층 신경망은 그렇지 않다)이 종종 부당하다는 근본적인 비판. 1,400회 이상 인용; 공정성, 책임성, 투명성 연구 및 ML 윤리 커리큘럼에서 널리 인용됨.

  • 「머신러닝 학계의 우려스러운 동향」(Troubling Trends in Machine Learning Scholarship) (Lipton 및 Steinhardt; ICML 2018 토론회; Communications of the ACM, 2019) — ML 학계의 네 가지 체계적 실패를 분류: 설명과 추측의 혼동, 경험적 이득의 원천 모호하게 하기, 수학적 난독화, 언어적 오용. ICML의 머신러닝 토론회 세션에서 발표됨; ML 방법론 과정에서 자주 배정되는 읽기 자료가 되었고 연구 엄격성 논의의 시금석이 됨.

  • 「블랙박스 예측기를 사용한 레이블 이동 탐지 및 수정」(Detecting and Correcting for Label Shift with Black Box Predictors) (Lipton, Wang, Smola; ICML 2018) — 모델 내부에 접근하지 않고 사전 훈련된 블랙박스 분류기만을 사용하여 배포 시 일반적인 분포 이동 형태인 레이블 이동(label shift)을 탐지하고 수정하는 실용적인 방법을 도입. 레이블 이동 문제를 공식화하고 분포 이동 수정에 관한 연구 라인에 동기를 부여하는 데 기여.

  • 「시퀀스 학습을 위한 순환 신경망에 대한 비판적 검토」(A Critical Review of Recurrent Neural Networks for Sequence Learning) (Lipton, Berkowitz, Elkan; 2015) — RNN에 대한 초기 포괄적 조사 보고서로 용어를 명확히 하고 당시 초기 단계였던 시퀀스 모델링 문헌을 정리; 딥러닝 시대가 도래할 무렵 해당 분야의 최초의 엄격한 검토 중 하나로 널리 읽힘.

  • Dive into Deep Learning (Zhang, Lipton, Li, Smola; Cambridge University Press, 2023) — 설명, 수학, 실행 가능한 Jupyter 노트북 코드를 통합한 완전한 대화형 오픈소스 교과서로 PyTorch, TensorFlow, MXNet을 지원. 스탠퍼드, MIT, 하버드, 케임브리지를 포함한 70개국 500개 이상의 대학에서 채택. 젠슨 황(NVIDIA CEO)의 찬사를 받았으며 이 분야의 주요 연구자들의 지지를 받음. Lipton은 Aston Zhang, Mu Li, Alexander Smola와 함께 두 번째 이름의 공동 저자.

  • ACMI Lab의 분포 이동 및 임상 ML 연구 — 자연적 및 적대적 분포 이동 하에서 ML 모델이 어떻게 행동하는지, 이들의 임상 시계열 데이터 및 헬스케어 NLP에의 적용, 그리고 오프라인 훈련된 모델이 배포에서 신뢰될 수 있는 조건에 대한 지속적인 연구. 대표적인 연구는 개념 드리프트(concept drift), 레이블 이동, 중환자실 예측 작업을 위한 ML에 관한 논문을 포함.

  • Approximately Correct 블로그 (2016년 시작) — 기술적 ML 관점과 사회 비판을 연결하는 오래 운영된 블로그. 해석 가능성, NLP 과대광고, 컨퍼런스 문화, AI 윤리에 대한 에세이로 주목할 만하며, 일반적인 학술 독자층을 훨씬 넘어서는 광범위한 청중에게 도달. 게시물에는 „OpenAI Trains Language Model, Mass Hysteria Ensues“(2019)와 „The Greatest Trade Show North of Vegas“ 및 Superheroes of Deep Learning 만화 시리즈가 포함됨.

수상 및 인정

  • Raj Reddy 석좌교수직 — CMU의 이름을 딴 교수직, CMU AI 프로그램의 창시자이자 튜링상 수상자를 기념
  • New York Times 주요 전문가 인용 — „AI의 미래는?“ (AI의 경제적 영향에 대해 인용)
  • CNBC 주요 전문가 인용 — 2023년 이사회 개편 이후 OpenAI 거버넌스에 대해 인용
  • Axios 2024년 특집, Axis — 벤치마크 인플레이션에 관한 „AI의 결함 있는 인간 척도“에서 인용
  • Dive into Deep Learning 70개국 500개 이상의 대학에서 채택

주요 관계

  • Shivdev Rao — Abridge의 CEO이자 원창업자; UPMC의 비침습적 심장 전문의; Abridge의 임상적 기반을 정의하는 의사-연구자 협력. Rao는 립튼의 헬스케어 ML 연구를 파트너십의 주요 이유로 꼽았음.

  • Alexander Smola — Dive into Deep Learning의 공동 저자; Amazon Web Services의 부사장/저명 과학자이자 가장 저명한 커널 방법 및 ML 시스템 연구자 중 한 명; 이 관계를 통해 립튼의 Amazon 소속 및 D2L 협업이 이루어짐.

  • Aston Zhang — Dive into Deep Learning의 첫 번째 이름 공동 저자(현재 OpenAI); 프로젝트는 Zhang, Li, Smola가 개발한 Amazon 내부 교육 자료에서 시작되었으며, Lipton이 합류하여 확장 및 출판.

  • Charles Elkan — UCSD 박사 지도교수; 불균형 데이터 학습 및 확률적 모델링 작업으로 유명; 엄격한 ML 이론 및 평가에 대한 초기 훈련을 형성.

  • Julian McAuley — UCSD 박사 공동 지도교수; 추천 시스템 및 NLP 분야에서 저명; Elkan과 McAuley의 조합은 립튼의 이론과 응용 NLP에 대한 이중적 지향을 반영.

  • Jacob Steinhardt — „Troubling Trends in Machine Learning Scholarship“의 공동 저자; UC 버클리 통계학 교수이자 ML 안전 분야에서 저명한 목소리; 논문은 ML 연구 커뮤니티의 인식론적 기준에 대한 공유된 지적 관심을 나타냄.

개인적 스타일

립튼은 AI 생태계에서 활동적인 연구자, 회사 설립자, 분야 비평가라는 특이한 삼중 위치를 차지하고 있으며, 다른 역할을 위해 이 세 가지 역할 중 어느 것도 줄이기를 꺼립니다. 그의 X 존재감(@zacharylipton, 약 66K 팔로워)은 시니어 ML 학계 구성원 중 가장 독특하게 유머러스하고 도발적입니다: 게시물은 벤치마크 무결성 및 분포적 이동에 대한 정확한 기술적 주장부터 과대 광고 주기, 스타트업 가치 평가, 컨퍼런스 문화에 대한 풍자적 비판까지 다양합니다. 그의 Digg 바이브 프로필은 그를 상위 35명의 ML 연구자 중 가장 유머러스한 연구자로 평가하며, „도발적인“ 범주에서도 동등한 존재감을 보입니다. 2016년에 시작된 Approximately Correct 블로그는 그의 비판이 수행된 반대주의가 아니라 분야가 자기 제시와 방법론에서 무엇을 잘못하고 있는지에 대한 일관된 분석적 입장임을 일찍이 확립했습니다. 그는 색소폰을 과거 취미가 아니라 지속적인 정체성으로 규정합니다. 그의 X 바이오에 있는 „Relapsing :saxophone:“ 태그는 재즈와의 관계가 전문적 의무에 반하여 주기적으로 재등장하는 것에 대한 자신의 묘사를 반영합니다.

참고 자료