최예진

위키
, , , ,
1

한국계 미국인 NLP 연구자이자 맥아더 펠로우로서, 의견 마이닝과 이미지 캡셔닝에서 상식 지식 베이스, 도덕적 추론 AI, 그리고 더 똑똑한 알고리즘으로 스케일링 법칙을 개선해야 한다는 주장에 이르기까지 폭넓은 경력을 쌓아왔습니다. 현재는 스탠포드 대학교의 디터 슈바르츠 재단 교수로 재직 중입니다.

프로필
출생 1977년, 대한민국
국적 한국계 미국인
현직 스탠포드 대학교 — 디터 슈바르츠 재단 교수, 컴퓨터공학 및 HAI 선임 펠로우 (2025–현재)
연구 분야 자연어 처리, 상식 AI, 도덕 추론, 신경-기호 AI, 다원적 정렬, 과학을 위한 AI, 언어 모델 기초
박사 지도교수 Claire Cardie
박사 논문 미세 입자 의견 분석: 구조 인식 접근법 (코넬 대학교, 2010)
웹사이트 yejinc.github.io
X / Twitter @YejinChoinka
GitHub yejinc
Google Scholar Yejin Choi

개요

예진 최(Yejin Choi, 한국어: 최예진)는 한국계 미국인 NLP 연구자이자 2022년 맥아더 펠로우로, 현재 스탠포드 대학교의 디터 슈바르츠 재단 교수이자 스탠포드 인간 중심 인공지능 연구소(HAI)의 선임 펠로우입니다. 그녀의 경력은 이례적으로 넓습니다: 코넬 대학교에서의 박사 연구였던 의견 마이닝 및 감성 분석에서부터 이미지 캡셔닝 및 시각 언어(CVPR Longuet-Higgins Prize 및 ICCV Marr Prize 수상), 상식 추론 및 지식 베이스(워싱턴 대학교 및 Allen Institute for AI에서의 ATOMIC, COMET, Winogrande), 도덕적 AI 시스템(Delphi), 대규모 언어 모델의 한계와 실패에 대한 연구, NVIDIA에서의 과학을 위한 AI, 그리고 가장 최근에는 다원적 정렬과 „더 똑똑한 알고리즘“이 스케일링 법칙을超越할 수 있다는 논제에 이르기까지 다양한 분야를 넘나들었습니다. 그녀는 NLP, 비전, ML 분야의 주요 학회에서 15회 이상 최우수 논문상을 수상했으며, 수백만 명이 시청한 TED 강연을 하고, 2025년 9월 유엔 안전보장이사회에 AI 안전에 대해 브리핑했으며, 2023년과 2025년 모두 TIME100 AI에 선정되었습니다. 그녀의 작업의 폭은 대중적 인지도와도 맞물려 있습니다: 현역 NLP 연구자 중 그 누구도 AI의 겉보기 능력과 내재된 한계 사이의 간극 — 그녀가 „엄청나게 똑똑하면서도 충격적으로 멍청하다“고 표현한 — 을 더 넓은 주류 대중에게 전달하지 못했습니다.

초기 생애 및 교육

최예진은 1977년 대한민국에서 태어났습니다. 서울대학교에서 컴퓨터공학 학사 학위를 마친 후, 미국으로 건너가 대학원 과정을 밟았습니다. 코넬 대학교에서 Claire Cardie 교수와 함께 자연어 처리 연구를 수행하여 2010년 미세 입자 의견 분석: 구조 인식 접근법 이라는 제목의 박사 학위 논문으로 박사 학위를 취득했습니다. 이 논문은 텍스트에서 의견 보유자, 대상 및 감성 극성을 식별하기 위한 구조화된 확률적 모델을 개발한 것으로, 이후 관점 기반 감성 분석 분야의 초기 공헌이 되었습니다. 가짜 리뷰 탐지(ACL 2011, Myle Ott, Claire Cardie, Jeffrey Hancock과 공동 연구)에 대한 그녀의 연구는 ACL 2021 Test of Time Award를 수상하여 컴퓨터 기반 기만 탐지 분야의 기초적인 결과로 인정받았습니다.

경력

스토니브룩 대학교 — 조교수 (2010–2013)

박사 학위 취득 후, 최예진은 스토니브룩 대학교 컴퓨터공학과에 조교수로 합류했습니다. 이 기간 동안 그녀는 NLP 연구를 시각 언어 접지(visual language grounding)로 확장했습니다. 그녀의 BabyTalk 프로젝트 — 이미지에 대한 자연어 설명 생성 — 는 자동 이미지 캡셔닝의 초기 시연으로, IEEE TPAMI에 게재되었습니다. 이 시기의 연구는 CVPR 2021 Longuet-Higgins Prize(해당 분야에 지속적인 영향력을 인정받아)와 ICCV 2013 Marr Prize(최우수 논문상)를 수상했으며, 후자는 Alexander Berg 그룹과 함께 대규모 이미지 데이터셋에서 기본 수준의 범주를 학습하는 연구에 대한 것이었습니다.

워싱턴 대학교 — 교수 (2013–2024)

최예진은 Paul G. Allen School of Computer Science & Engineering에 합류하여 10년 이상 가장 저명한 NLP 연구자 중 한 명으로 활동했습니다. 그녀는 Brett Helsel Career Development Professorship(2020–2023)과 Wissner-Slivka Chair(2023–2024)를 역임했습니다. 이 기간 동안 그녀는 Allen Institute for AI(AI2)의 Mosaic 그룹을 공동 이끌었으며, 워싱턴 대학교의 AI2 연구원들과 함께 했습니다.

상식 AI: ATOMIC 및 COMET. 최예진의 워싱턴 대학교 시절 가장 지속적인 지적 헌신은 AI 시스템이 상식 지식—일상적인 사건, 인과관계, 사회적 규범에 대한 암묵적인 이해로, 인간은 당연하게 여기지만 NLP 시스템은 지속적으로 결여했던—을 습득하고 추론할 수 있는지에 대한 질문이었습니다. 그녀는 ATOMIC(Atlas of Machine Commonsense)을 구축했는데, 이는 일상적인 사건의 원인, 결과, 의도 및 반응을 포함하는 30만 개 이상의 if-then 추론 관계로 구성된 지식 그래프입니다(AAAI 2019 발표, 2020 Outstanding Paper Award 수상). ATOMIC은 당시 가장 큰 오픈 상식 지식 베이스가 되었습니다. 이를 기반으로 그녀는 COMET(Commonsense Transformers)을 개발하여 ATOMIC으로 미세 조정된 대규모 언어 모델이 자연어로 새로운 상식 추론을 생성할 수 있음을 보여주었습니다. 이는 LLM을 암시적 지식 베이스 완성 시스템으로 사용한 초기 시연이었습니다. 이 프로젝트는 Quanta Magazine(„Common Sense Comes to Computers“)과 Axios에 소개되었습니다.

Winogrande. 최예진은 Winograd 스키마 챌린지(Winograd schema challenge)를 위한 대규모 크라우드소싱 데이터셋인 Winogrande 구축을 주도했습니다. Winograd 스키마 챌린지는 상식 추론을 필요로 하도록 특별히 설계된 대명사 중의성 해소 문제입니다. Winogrande(NeurIPS 2020)는 모델이 부정행위를 할 수 있는 데이터 아티팩트를 제거하기 위해 적대적 필터링 알고리즘을 사용하여 이전 버전보다 훨씬 더 어려운 벤치마크를 만들었습니다. 이 데이터셋은 언어 모델의 상식 추론을 위한 표준 평가 도구가 되었습니다.

델파이(Delphi)와 도덕적 AI. 최예진의 그룹은 도덕적 판단의 계산 모델인 Delphi(2021)와 관련 Commonsense Norm Bank 데이터셋을 개발했습니다. Delphi는 다양한 사회적 상황에 걸쳐 명시적인 도덕적 직관을 모델에 학습시키고 인간이 읽을 수 있는 도덕적 평가를 생성하려는 최초의 대규모 시도 중 하나였습니다. 이 프로젝트는 The New York Times („Can a Machine Learn Morality?“)에 소개되었고 AI의 윤리적 의사 결정 역할에 대한 지속적인 대중적 논의를 촉발했습니다. 최예진은 미묘한 입장을 유지했습니다: Delphi는 언어 모델의 규범적 추론을 이해하기 위한 연구 도구로 설계되었을 뿐, AI가 도덕적 결정을 내리는 방법에 대한 처방전이 아니라는 것입니다.

Alexa Prize. 최예진이 이끄는 UW 팀(Sounding Board 프로젝트)은 대학 팀 중 가장 매력적인 오픈 도메인 대화형 AI를 개발하여 첫 번째 Amazon Alexa Prize를 수상했습니다.

AI의 한계와 „충격적으로 멍청한“ AI. 건설적인 상식 연구와 병행하여 최예진은 대규모 언어 모델의 표면적 능력과 내재된 이해력 사이의 격차에 대한 대중적 지식인 목소리를 개발했습니다. 그녀의 2023 TED 강연 „Why AI is Incredibly Smart — and Shockingly Stupid“는 널리 시청되었으며 LLM의 한계에 대한 대중의 이해에 가장 많이 공유된 학문적 기여 중 하나입니다.

Allen Institute for AI (AI2) — 시니어 리서치 매니저, Mosaic 그룹 (2018–2024)

2018년 최예진은 AI2에 UW에 상주하는 시니어 연구원으로 합류하여 Mosaic 그룹(ATOMIC, COMET, Winogrande 및 관련 지식 및 추론 리소스를 생산한 상식 AI 연구 프로그램)을 공동 이끌었습니다. 그녀는 UW 재임 기간 동안 AI2에서 겸직을 유지했습니다.

NVIDIA — Distinguished Scientist (2024–2025)

스탠포드에 합류하기 전, 최예진은 NVIDIA에서 Distinguished Scientist 역할을 수행했으며, 그녀의 연구는 분자 기초 모델, 단백질 추론, 결정 구조 예측과 같은 과학을 위한 AI로 확장되었으며 Nemotron 모델 제품군에 기여했습니다. 그녀는 또한 „더 똑똑한 알고리즘“으로 스케일링 법칙을 개선하는 연구를 개발했습니다. 이는 알고리즘 설계, 훈련 전략 및 데이터 큐레이션(원시 컴퓨팅 스케일링이 아닌)의 발전이 소형 및 중형 모델에서 질적 능력 향상을 이끌어낼 수 있다는 논제입니다. 이 시기의 논문에는 강화 학습 연장, 시험 시간 훈련, 새로운 토큰화 접근 방식에 대한 연구가 포함됩니다.

스탠포드 대학교 (2025–현재)

2025년, Stanford HAI는 최예진을 컴퓨터공학 디터 슈바르츠 재단 교수 및 HAI 선임 펠로우로 임명한다고 발표했습니다. 스탠포드에서 그녀의 연구 관심사는 과학을 위한 AI(분자 및 단백질 추론), AI의 다원적 정렬 및 가치, 대체 훈련 및 추론 알고리즘, LLM 한계 연구를 망라합니다. 2025년 9월, 그녀는 유엔 안전보장이사회에 AI 안전에 대해 브리핑했으며, 이는 AI 연구자가 받은 가장 주목할 만한 공공 정책 초청 중 하나입니다.

주요 기여

  • 가짜 리뷰 탐지(ACL 2011; ACL 2021 Test of Time Award) — Myle Ott, Claire Cardie, Jeffrey Hancock과 공동 연구인 „Finding Deceptive Opinion Spam by Any Stretch of the Imagination“. 기만적인 의견 생성 및 탐지에 대한 최초의 대규모 연구를 도입하여 기계 학습이 기회 수준 이상의 정확도로 가짜 호텔 리뷰를 식별할 수 있음을 입증했습니다. 10년 후 계산적 신뢰성 연구에 대한 기초적 영향으로 ACL Test of Time Award를 수상했습니다.

  • BabyTalk / 이미지 캡셔닝(CVPR Longuet-Higgins Prize 2021) — Girish Kulkarni, Vicente Ordonez 및 Berg 그룹과 공동 연구인 „BabyTalk: Understanding and Generating Simple Image Descriptions“, TPAMI 2013. 이미지에 대한 최초의 자동화된 자연어 설명 시스템 중 하나로, 시각-언어 접지 분야에 대한 기초적 기여로 사후 인정을 받았습니다.

  • 기본 수준 범주(Entry-Level Categories, ICCV 2013 Marr Prize) — 인간이 이미지에서 사물을 명명할 때 자연스럽게 사용하는 추상화 수준을 학습하는 연구로 ICCV 2013 최우수 논문상을 수상했습니다.

  • ATOMIC(AAAI 2019; AAAI 2020 Outstanding Paper) — Atlas of Machine Commonsense: 일상적인 사건의 원인, 결과, 의도 및 반응을 포괄하는 30만 개 이상의 if-then 추론 규칙으로 구성된 지식 그래프입니다. 당시 가장 큰 오픈 상식 지식 베이스로, COMET 및 여러 세대의 상식 추론 시스템의 기반을 형성했습니다.

  • COMET(ACL 2019) — Commonsense Transformers: ATOMIC에서 새로운 상식 추론을 생성하도록 미세 조정된 언어 모델로, LLM을 생성적 지식 베이스 완성 시스템 및 상식 추론 엔진으로 시연했습니다.

  • Winogrande(NeurIPS 2020) — Winograd 스키마 상식 추론을 위한 대규모 적대적으로 필터링된 크라우드소싱 데이터셋으로, 이전 버전보다 훨씬 어렵고 언어 모델의 상식 이해를 측정하는 표준 벤치마크로 널리 채택되었습니다.

  • Delphi(2021) — Commonsense Norm Bank 데이터셋으로 훈련된 도덕적 판단의 계산 모델로, 다양한 사회적 상황에 걸쳐 인간이 읽을 수 있는 도덕적 평가를 생성하는 언어 모델을 만든 최초의 시도 중 하나입니다. The New York Times에 소개되었으며 AI와 윤리에 대한 광범위한 대중적 논의에 기여했습니다.

  • 다원적 정렬(Pluralistic Alignment)과 스케일링 법칙 개선 — 다양한 인간 가치와 관점을 평균화하는 대신 AI 훈련에 명시적으로 표현해야 하며, 지능적인 알고리즘 설계가 단순히 컴퓨팅 규모를 확장하지 않고도 능력 향상을 달성할 수 있음을 보여주는 기술적 프로그램을 결합한 지속적인 연구 의제(2023–현재).

수상 및 인정

  • 맥아더 펠로우십 (2022) — 맥아더 재단의 „천재상“으로, 탁월한 창의성과 잠재력에 대해 수여됨.
  • ACL 펠로우 (2022) — Association for Computational Linguistics의 펠로우.
  • TIME100 AI (2025, 2023) — 타임지 선정 AI 분야 가장 영향력 있는 100인에 2년 연속 선정.
  • AI2050 Senior Fellow (2024) — Schmidt Sciences의 AI2050 프로그램에 의해 선정됨.
  • 유엔 안전보장이사회 브리핑 (2025년 9월) — 유엔 안전보장이사회에 AI 안전에 대해 브리핑함.
  • 최우수 논문상 — NeurIPS 2025 (2개), EMNLP 2025 (2개), ACL 2025 (2개), EMNLP 2023, ACL 2023 (2개), NAACL 2022, ICML 2022, NeurIPS 2021, AAAI 2020.
  • CVPR Longuet-Higgins Prize (2021) — BabyTalk 이미지 캡셔닝 연구에 대해.
  • ACL Test of Time Award (2021) — 가짜 리뷰 탐지 논문에 대해.
  • ICCV 2013 Marr Prize — 국제 컴퓨터 비전 학회 최우수 논문상.
  • Anita Borg Early Career Award (BECA, 2018) — CRA-WP에서 우수 초기 경력 여성 컴퓨터 과학자에게 수여하는 상.
  • IEEE AI’s 10 to Watch (2016) — IEEE가 선정한 가장 영향력 있는 초기 경력 AI 연구자 10인에 선정됨.
  • Alexa Prize 우승 — 워싱턴 대학교 Sounding Board 팀(최예진이 이끎)이 첫 번째 Amazon Alexa Prize 우승.

주요 관계

  • Claire Cardie — 코넬 대학교 박사 지도교수; 정보 추출 및 의견 마이닝 분야의 선도 연구자로서 최예진의 NLP 지향성의 기초를 형성함.
  • Hannaneh Hajishirzi — 워싱턴 대학교의 오랜 동료; 언어 모델 기초, 오픈 모델(OLMo, OLMoTrace), 독해 이해 분야에서 자주 공동 저자.
  • Luke Zettlemoyer — 워싱턴 대학교 동료; 여러 NLP 벤치마크, 언어 모델 분석, 접지 연구에 대해 공동 저자.
  • Maarten Sap — ATOMIC, COMET 및 여러 도덕/상식 AI 논문을 공동 저술한 박사 과정 학생; 현재 CMU 조교수.
  • Ronan Le Bras — AI2에서 상식 리소스 및 추론 벤치마크에 대한 장기 협력자.
  • Liwei Jiang — UW/Stanford에서 다원적 정렬, AI의 가치, 규범적 추론을 연구하는 박사 과정 학생.
  • Ximing Lu — 추론, RLVR, 모델 훈련에 대한 가까운 협력자이자 연구자; 최근 수십 편의 논문에 참여.
  • Noah A. Smith — UW 교수이자 언어 모델 평가, 데이터, NLP 기초에 대한 빈번한 협력자.

개인적 스타일

최예진은 자신의 세대에서 가장 대중 앞에 자주 서는 학계 AI 연구자 중 한 명입니다. 주로 소셜 미디어를 통해서라기보다는, AI 능력의 미묘한 현실을 비전문가 청중에게 지속적으로 전달하려는 노력을 통해서입니다. 그녀의 TED 강연, New Yorker 프로필, Quanta Magazine 기사, This American Life 출연, Bill Gates 팟캐스트는 모두 합쳐 수천만 명의 청중에게 도달했으며, 그녀는 이러한 기회를 기술적 연구에 가져오는 것과 동일한 지적 정밀함으로 접근합니다: AI 과대 광고와 AI 경시 모두를 거부하고 현재 시스템이 할 수 있는 것과 할 수 없는 것을 정확하게 표현하는 것입니다. 그녀의 연구 의제는 범위 면에서 특징적으로 야심차며 — 상식 AI, 도덕적 추론, 다원적 정렬, 과학을 위한 AI 각각은 전체 연구 프로그램을 이끌 수 있을 만큼 충분히 크며, 그녀는 이 모든 것을 동시에 추구합니다. 그녀는 AI에서 다양성의 중요성, 소외된 그룹에 불이익을 주는 언어 및 비전 시스템의 편향, AI 연구자가 공공 정책 논의에 참여해야 할 의무에 대해 이야기해 왔습니다. 그녀의 2025년 9월 유엔 안전보장이사회 브리핑은 그녀의 연구와 그녀가 연구하는 기술의 국제 거버넌스 간의 가장 직접적인 접점을 나타냅니다.

참고 자료