프랑소와 숄레

위키
, , , ,
1

프랑스 출신 AI 연구자, 오픈소스 엔지니어, Ndea의 공동 창업자. 케라스(Keras)의 창시자이자 일반 지능을 측정하기 위한 벤치마크인 ARC-AGI의 설계자로 가장 잘 알려져 있다.

프로필
출생 1989년 10월 20일, 프랑스
국적 프랑스
현 소속 기관 Ndea (공동 창업자); ARC Prize Foundation (공동 창업자)
연구 분야 딥러닝, 컴퓨터 비전, 추상화, 형식 추론, 인공 일반 지능, 프로그램 합성
학력 공학 석사 (MEng), ENSTA 파리 / 파리 공과대학교 (2012)
개인 웹사이트 fchollet.com
X / 트위터 @fchollet
GitHub fchollet
Google 학술 검색 프랑수아 숄레 (François Chollet) — 73,000회 이상 인용
Substack fchollet.substack.com

개요

프랑수아 숄레(François Chollet)는 프랑스의 소프트웨어 엔지니어이자 AI 연구자로, 구글에서 보낸 10년 동안 현대 딥러닝에서 가장 중요한 두 가지 결과물을 만들어냈다. 하나는 전 세계적으로 신경망 구축을 위한 지배적인 고수준 API가 된 케라스(Keras) 프레임워크이고, 다른 하나는 일반 지능을 향한 발전을 측정하는 방식을 재정의한 ARC-AGI 벤치마크이다. 그의 Xception 아키텍처는 CVPR 논문 중 10대 인용 논문에 속하며 18,000회 이상 인용되었고, 그의 저서 Deep Learning with Python은 10만 부 이상 판매되었다. 9년 이상 구글에 재직한 후, 2024년 11월 구글을 떠나 프로그램 합성 연구를 통해 AGI를 추구하는 연구소 Ndea를 공동 창업했으며, 일반 지능을 향한 개방형 연구 진전을 조정하고 자금을 지원하기 위해 설립한 비영리 재단인 ARC Prize Foundation도 함께 설립했다. 그는 대규모 언어 모델의 확장만으로 AGI에 도달할 수 있다는 견해에 대해 이 분야에서 가장 대표적인 회의론자 중 한 명이다.

초기 생애 및 교육

숄레는 1989년 10월 20일 프랑스에서 태어났다. 2012년 파리 공과대학교(Polytechnic Institute of Paris)의 그랑제콜인 ENSTA 파리에서 공학 석사(Diplôme d’Ingénieur)를 취득하며 졸업했다. 졸업 후 초기 독립 프로젝트는 이례적으로 광범위한 기술적 범위를 보여주었다. 2014~2015년에 월간 활성 사용자 약 25,000명에 달했던 아티스트를 위한 소셜 네트워크 및 학습 플랫폼 'Wisp’를 구축했고, QuickAnswers.io는 질문을 정규화하고 웹 검색을 실행하며 관련 스니펫을 추출한 후 LSTM 언어 모델에 전달하는 기법(훗날 검색 증강 생성(Retrieval-Augmented Generation, RAG)이라고 불림)을 사용한 질문 응답 엔진이었다. 두 프로젝트 모두 사람들이 학습하고 더 큰 행동 주체성을 얻을 수 있도록 돕는 시스템에 대한 초기 관심을 반영했으며, 이는 그의 커리어 전반에 걸쳐 반복되는 주제이다.

경력

구글 (2015~2024)

2015년, 숄레는 케라스를 출시한 직후 구글에서 일하기 시작했다. 그는 수석 스태프 엔지니어(Senior Staff Engineer)로 재직하며 케라스에 대한 주된 책임을 맡았고, TensorFlow 및 더 넓은 구글 브레인(Google Brain) 연구 프로젝트에도 기여했다.

케라스 (Keras). 2015년 3월 27일에 출시된 케라스는 사용자 우선(user-first)의 고수준 신경망 API로 설계되었다. API 설계는 UX 설계의 한 형태이며 개발자의 시간과 인지 부하가 중요하다는 명시적인 철학 덕분에, TensorFlow의 저수준 인터페이스가 상당한 진입 장벽이었던 시기에 딥러닝 실무자와 연구자들을 위한 지배적인 온보딩 계층이 되었다. 케라스는 이후 TensorFlow의 공식 고수준 API로 채택되었으며, YouTube, Waymo, Spotify, Uber, Netflix 등 주요 기업의 AI 개발을 뒷받침해 왔다. 케라스 3(2023)에서는 백엔드에 구애받지 않게 되어 TensorFlow, JAX, PyTorch를 지원한다.

Xception. 2016년에 발표되어 CVPR 2017에 게재된 논문 Xception: Deep Learning with Depthwise Separable Convolutions은 표준 합성곱(convolution) 층을 깊이별 분리 가능한 합성곱(depthwise separable convolution)으로 대체할 것을 제안했다. 이 아이디어는 Inception 아키텍처에 내재되어 있었지만, 숄레가 공식화하고 논리적 결론까지 밀어붙였다. 이 논문은 CVPR 논문 중 10대 인용 논문에 속하며 18,000회 이상 인용되었고, MobileNet 및 EfficientNet을 포함한 후속 아키텍처에 영향을 미쳤다.

형식 추론 연구. 프레임워크 작업과 함께, 숄레는 수학적 추론에 딥러닝을 적용하는 구글의 프로그램에 기여했다. 여기에는 정리 증명을 위한 전제 선택에 관한 DeepMath (NeurIPS 2016, Alemi, Szegedy 등 공동 저술)와 고차 논리를 위한 머신러닝 데이터셋 HolStep (ICLR 2017, Kaliszyk 및 Szegedy와 공동 저술)이 포함된다. 그는 또한 신경망 기계 번역을 위한 깊이별 분리 가능한 합성곱에 관한 연구(ICLR 2017, Kaiser 및 Gomez와 공동 저술)를 공동 집필하고 Tensor2Tensor 라이브러리에 기여했다.

ARC-AGI 벤치마크. 2019년, 숄레는 On the Measure of Intelligence (arXiv 1911.01547)라는 이론 논문을 발표하여 지능을 새로운 작업에 대한 기술 습득 효율성(skill-acquisition efficiency)으로 정의하고, 추상화 및 추론 코퍼스(Abstraction and Reasoning Corpus, ARC-AGI)를 벤치마크로 도입했다. ARC-AGI는 축적된 지식에 기반한 결정화된 지능(crystallised intelligence)보다 새로운 문제를 추론하고 해결하는 능력인 유동적 지능(fluid intelligence)에 초점을 맞추며, 모든 인간이 초기 발달 단계부터 가지고 있는 핵심 지식 선험(core knowledge priors)으로만 제한된다. 이 벤치마크는 인간에게는 쉽고, 훈련 데이터에 대한 보간(interpolation)에 의존하는 AI 시스템에게는 어렵도록 특별히 설계되었다.

2024년, 숄레는 ARC-AGI 벤치마크를 해결하기 위한 상금 100만 달러 규모의 대회인 ARC Prize를 시작했다. OpenAI의 o3 모델이 높은 연산량에서 ARC-AGI-1에서 약 87%의 점수를 달성하면서 이 대회는 상당한 주목을 받았으며, 숄레는 이를 자신이 주장해온 프로그램 검색 방향과 일치하는 의미 있는 돌파구로 인정했다. ARC Prize 시리즈는 이후 더욱 어려워진 ARC-AGI-2 및 ARC-AGI-3로 확장되었다.

숄레는 9년 이상 근무한 구글을 2024년 11월에 떠났다.

Ndea / ARC Prize Foundation (2025~현재)

2025년 1월, 숄레는 Zapier의 공동 창업자인 Mike Knoop과 함께 새로운 AI 연구소 Ndea를 공동 창업했다. Ndea의 명시된 목표는 딥러닝 기반 프로그램 합성을 통해 AGI를 구축하는 것이다. Ndea라는 이름은 직관적 이해(ennoia)와 논리적 추론(dianoia)이라는 그리스 개념에서 착안하여, 이중 기술적 접근 방식을 반영한다. Ndea는 완전 원격 근무 방식이며, 세계적 수준의 프로그램 합성 연구팀을 구성 중이라고 밝히고 있다. 2025년 초, 숄레는 ARC Prize를 AGI를 향한 연구 진전을 안내하고 가속화하기 위한 본격적인 비영리 재단으로 확장했다.

주요 기여

  • 케라스 (Keras) — 2015년 3월에 출시된 Python 딥러닝 프레임워크를 만들고 주도함. 현재 전 세계에서 가장 널리 사용되는 딥러닝 라이브러리 중 하나이다. API 우선, 사용자 중심 철학은 ML 도구 접근성에 대한 새로운 기준을 세웠다. 케라스 3는 TensorFlow, JAX, PyTorch 백엔드를 지원하도록 확장되었다.

  • Xception: Deep Learning with Depthwise Separable Convolutions (CVPR 2017) — CVPR 논문 중 10대 인용 논문에 속하며 18,000회 이상 인용되었다. 이후 10년간 가장 효율적인 합성곱 신경망의 기반이 되는 아키텍처 원리를 공식화했다.

  • ARC-AGI 벤치마크 (On the Measure of Intelligence, arXiv 2019) — 지능을 기술 습득 효율성으로 정의하는 엄격하고 조작적인 정의를 제안하고, 측정 도구로서 ARC-AGI 작업 집합을 도입했다. AI 시스템의 범용 추론 능력을 평가하기 위한 사실상의(de facto) 참조 벤치마크가 되었다.

  • ARC Prize (2024~현재) — 2024년에 ARC-AGI에 대한 개방형 진전을 가속화하기 위해 시작된 상금 100만 달러 규모의 대회로, 이후 재단(ARC Prize Foundation)과 진화하는 벤치마크 시리즈(ARC-AGI-1, 2, 3)로 확장되었다.

  • Deep Learning with Python (Manning, 2017; 2판 2021; 3판 2025) — 10만 부 이상 판매되었고 최소 12개 언어로 번역되었다. 이 분야에서 가장 많이 읽힌 입문 교과서 중 하나이다.

  • DeepMath (NeurIPS 2016) — Alemi, Szegedy 등과 공동 집필. 형식 정리 증명을 위한 전제 선택에 딥 시퀀스 모델을 적용한 초기 연구로, 수학적 추론 작업에 딥러닝을 적용한 초기 사례이다.

  • HolStep (ICLR 2017) — Kaliszyk 및 Szegedy와 공동 집필. 고차 논리 정리 증명에 관한 머신러닝 연구를 위한 대규모 데이터셋을 도입했다.

  • QuickAnswers.io (2014, 서비스 종료) — 이 용어가 만들어지기 몇 년 전에 구축된 검색 증강 생성(Retrieval-Augmented Generation, RAG)의 초기 프로토타입으로, 사용자 질문을 정규화하고 웹 스니펫을 검색한 후 LSTM 언어 모델을 통해 맥락에 맞는 응답을 생성했다.

  • Keras Tuner — 2019년에 출시된 케라스용 오픈소스 하이퍼파라미터 튜닝 라이브러리로, 실무자가 신경망 아키텍처 검색을 더 쉽게 수행할 수 있도록 해준다.

수상 및 인정

  • TIME100 AI (2024) — 타임(TIME)이 선정한 AI 분야 가장 영향력 있는 인물 100인에 이름을 올렸다.
  • Global Swiss AI Award (2021년 12월) — AI 분야의 혁신적인 업적을 인정받아 수상했다.
  • Google 학술 검색 인용 — 모든 출판물을 합쳐 총 73,000회 이상 인용되었다.
  • CVPR 최다 인용 논문 상위 10위 — Xception은 CVPR 역사상 가장 많이 인용된 논문 10위 안에 든다.
  • 케라스 채택 — 이 프레임워크는 주요 기업들의 프로덕션 환경에서 사용되며, 전 세계 수백 개 대학의 딥러닝 교육 도구로 선택되었다.

주요 관계

  • Mike Knoop — Ndea 및 ARC Prize의 공동 창업자이자 Zapier 공동 창업자로, 시스템 구축 및 제품 경험을 벤처에 제공한다.
  • Christian Szegedy — 형식 추론, 정리 증명, 딥러닝의 수학적 기초(DeepMath, HolStep)에 관한 구글에서의 빈번한 연구 협력자.
  • Łukasz Kaiser — 신경망 기계 번역 및 Tensor2Tensor 라이브러리를 위한 깊이별 분리 가능한 합성곱 연구의 공동 저자.
  • J. J. Allaire — Deep Learning with R (Manning, 2018)의 공동 저자. 이 협업을 통해 숄레의 교육적 사명이 R 언어 통계 컴퓨팅 커뮤니티로 확장되었다.
  • Jeff Dean — 구글 브레인 책임자로서 케라스를 TensorFlow의 공식 고수준 API로 통합하는 데 지지했으며, 이를 통해 케라스의 영향력을 크게 확대했다.
  • Lex Fridman — 숄레와의 두 번의 장시간 대화(2019, 2020)를 진행하여 딥러닝의 한계와 지능의 본질에 대한 그의 생각을 대중에게 널리 알렸다.
  • Elizabeth Spelke — 하버드 대학의 발달 심리학자. 선천적 인지 선험에 관한 그녀의 핵심 지식(Core Knowledge) 이론은 ARC-AGI의 설계 철학에 직접적으로 영향을 미쳤으며, 벤치마크의 근거에서 명시적으로 인용된다.

개인적 스타일

숄레는 종종 벤치마크 추적과 제품 발표가 지배하는 이 분야에서 특이할 정도로 원칙적인 에세이스트이다. “딥러닝의 한계(The Limitations of Deep Learning)”(2017), “지능 폭발의 타당성(The Implausibility of Intelligence Explosion)”(2017), “AI에 대해 나를 걱정하게 하는 것(What Worries Me About AI)”(2018)과 같은 에세이는 그들이 예견한 논쟁이 주류가 되기 수년 전에 명확하고 종종 반대되는 입장을 취했다. 그의 기술적 글쓰기는 동시에 정확하고 철학적이며, 지능에 대한 추상적인 질문을 구체적이고 조작적인 정의로 grounding한다. 공개 담론에서 그는 일관되게 AI 도구의 민주화를 옹호하며(이는 말 그대로 케라스의 디자인에 내장된 가치이다), 대형 기술 기업에 AI 권력이 집중되는 것을 비판해 왔다. 그는 (SoundCloud에서) 음악을 만들고 시각 예술을 창작하는 등 기술적 작업과 별개로 그와 함께하는 관심사를 가지고 있으며, 이는 지능, 창의성, 일반화가 좁은 벤치마크 성능이 시사하는 것보다 더 깊이 관련되어 있다는 그의 견해에 영향을 미친다.

참고 자료