5명의 과학자들은 자연어 처리, 컴퓨터 비전 및 로봇 공학 분야에서 일련의 응용 프로그램을 촉진하는 인공 신경망과 딥 러닝 알고리즘에 대한 연구를 개척한다.
12월 6일 저녁, 딥러닝 발전에 획기적인 기여를 한 5명의 과학자에게 300만 달러(760억 동 이상) 상당의 '빈퓨처 2024' 본상이 수여되었다: 요슈아 벤지오, 제프리 E. 힌튼, 젠슨 황, 얀 르쿤, 페이-페이 리는 딥러닝 발전에 획기적인 기여를 한 공로를 인정받아 수상했다.
시상위원회는 딥러닝의 발전으로 머신이 방대한 양의 데이터에서 '학습'하고 이미지 인식, 자연어 처리, 의사 결정과 같은 작업에서 놀라운 정확도를 달성할 수 있는 획기적인 기술 혁신 시대가 열렸다고 언급했다.
2012년부터 딥 러닝은 의료, 자동화, 금융 서비스와 같은 분야에서 주요 발전을 주도하는 핵심 도구가 되어 혁신의 미래를 형성하고 있다. 신기술 애플리케이션은 비즈니스와 의료 분야에 효율성을 제공함으로써 수백만 명의 삶을 변화시킬 수 있다.
그중 밀라 연구소의 설립자인 요슈아 벤지오 교수는 표현 학습과 생성 모델의 중요한 발전을 포함한 인공 신경망(뉴런)에 초점을 맞추고 있다.그의 공헌은 특히 자연어 처리(NLP) 분야에서 현대 딥 러닝 시스템에 필수적 이 되었다. 그의 연구를 통해 가상 비서 및 언어 번역 도구와 같은 도구를 개발하여 전 세계 수백만 명의 사람들이 이러한 기술을 이용할 수 있게 되었다. 그의 연구는 로봇 공학에서 개인화된 의학에 이르기까지 딥 러닝 관련 분야를 계속 형성하고 있다. 그의 혁신을 통해 시스템은 놀라운 정확도로 데이터를 '학습'하고 생성할 수 있었다. 이러한 혁신은 의료 서비스 개선 및 환경 지속 가능성 증진과 같은 글로벌 과제를 해결하기 위한 AI 기반 솔루션을 만드는 데 특히 중요하다.
캐나다 토론토 대학교의 제프리 힌튼 교수는 신경망 아키텍처에 대한 리더십과 기초 연구로 인정받고 있다. 그의 1986년 논문은 데이비드 루멜하트, 로널드 윌리엄스와 함께 역전파 알고리즘으로 훈련된 신경망에서 분산 표현을 시연했다. 이 방법은 인공 지능 분야의 표준 도구가 되었으며 이미지 및 음성 인식의 발전을 가져왔다. 힌튼 교수는 심층 신경망의 아키텍처를 개선하고 대규모 데이터 세트를 사용하여 훈련함으로써 인공 지능 연구 및 응용에 대한 새로운 방향을 열어주었고, 이를 통해 인공 지능 모델 및 자율 시스템 개발의 발전을 위한 길을 열었다
엔비디아의 CEO 젠슨 황은 그래픽 처리 장치(GPU)를 딥 러닝과 가속 컴퓨팅을 위한 강력한 도구로 전환하는 데 있어 선구적인 리더십을 인정받고 있다. 컴퓨팅 통합 장치 아키텍처(CUDA) 플랫폼의 개발을 통해 GPU는 딥 러닝의 방대한 계산 요구를 효율적으로 처리할 수 있게 되었다. 이러한 혁신을 통해 신경망의 빠른 훈련이 가능해졌고 GPU는 전 세계 인공 지능 연구 개발에 필수적인 도구가 되었다. GPU는 현대 인공 지능 연구의 필수 요소가 되었으며, 음성 인식, 자율 주행 차량, 의료 영상, 언어 처리와 같은 분야에서 혁신을 가속화하고 있다. 오늘날 GPU 가속 딥 러닝은 오늘날의 인기 있는 인공 지능 모델과 진단 및 의료 도구와 같은 발전을 촉진하여 전 세계 수백만 명의 사람들에게 혜택을 주고 있다.
메타의 수석 AI 과학자인 얀 르쿤 교수는 이미지 인식 및 딥 러닝 기술 개발의 핵심 패러다임인 컨볼루션 신경망(CNN)을 개발하는 선구적인 연구로 인정받고 있다. 1980년대 후반 CNN에 대한 그의 연구는 객체 감지 및 얼굴 인식과 같은 작업에서 중요한 계층적 이미지 특징의 자동 학습을 위한 토대를 마련했다. 르쿤 교수의 혁신은 의료 진단부터 자율 주행에 이르기까지 이미지 처리 기술을 사용하는 산업 분야에서 획기적인 발전을 주도했다. CNN은 이제 수십억 명의 사람들이 매일 사용하는 인공 지능 애플리케이션의 표준이 되었으며, 얼굴 인식 및 의료 이미지 처리와 같은 기술 개발의 중심 역할을 하고 있다.
미국 스탠포드 대학의 페이페이 리 교수는 컴퓨터 비전 분야와 ImageNet 데이터 세트 개발에 선구적인 기여를 한 공로로 인정받고 있다. ImageNet 프로젝트를 이끈 그녀의 리더십은 기계가 객체를 더 정확하게 인식하고 분류할 수 있는 대규모 레이블이 지정된 데이터 세트를 만들어 이미지 인식에 혁명을 일으켰다. ImageNet은 딥 러닝 모델을 훈련하기 위한 기반을 마련했고 객체 감지, 얼굴 인식, 이미지 분류와 같은 작업 개발을 촉진했다. 리 교수의 연구는 인공 지능 시스템을 훈련하는 데 있어 데이터의 중요성을 보여주는 대표적인 사례로, 많은 분야에서 사용되는 데이터 중심 접근 방식에 영향을 미쳤다. 리 교수의 공헌은 딥 러닝 시스템이 시각 정보를 처리하고 이해하는 방식을 변화시켜 자율 주행, 의료 진단, 지능형 보안 시스템과 같은 분야에서 발전을 가능하게 했다. 기계가 보고 해석할 수 있는 것의 경계를 허물면서 그녀의 연구는 컴퓨터 비전 분야의 혁신을 촉진하고 사회 전체에 도움이 되었다.
이 상은 빈퓨처 재단이 2020년에 시작했으며, 매년 사람들의 삶에 의미 있는 변화를 일으킬 수 있는 획기적인 과학 기술 발명에 수여하는 상이다. 4시즌 동안 37명의 과학자가 수상의 영예를 안았습니다. 총 상금은 본상 300만 달러 1개와 특별상 각 50만 달러 3개를 포함해 450만 달러 상당이며, 3개 부문은 여성 과학자, 개발도상국 과학자, 새로운 분야를 연구하는 과학자이다.
