알렉산드라 파우스트(Aleksandra Faust)는 제네시스 몰레큘러 AI(Genesis Molecular AI)의 최고 AI 책임자(Chief AI Officer)를 맡고 있는 세르비아계 미국인 컴퓨터 과학자이다. 그녀는 강화 학습, 로봇 공학 모션 플래닝, 생체분자 구조를 위한 기반 모델(foundation model)에 기여한 공로로 인정받고 있다. 파우스트는 이전에 구글 딥마인드(Google DeepMind)와 샌디아 국립 연구소(Sandia National Laboratories)에서 연구 리더십 직책을 역임했으며, IEEE 로보틱스 및 자동화 조기 경력상(IEEE Early Career Award in Robotics and Automation)을 수상했다.
파우스트의 연구는 인공지능, 머신 러닝, 딥 러닝에 걸쳐 있으며, 확장 가능한 자율성과 학습 에이전트의 자동 설계에 중점을 둔다. 그녀는 자동화 강화 학습(AutoRL) 분야를 공동 창시했으며, 다양한 물리적 환경에서 작동할 수 있는 일반화된 로봇 모델을 발전시켰다. 그녀의 최근 연구로는 웹 에이전트(Web Agents) 개발을 주도하고 'AGI 수준(Levels of AGI)' 프레임워크를 공동 저술한 것이 포함된다.
교육
파우스트는 베오그라드 대학교(University of Belgrade)에서 수학 및 컴퓨터 과학 학사 학위를 취득했다. 그 후 2004년 일리노이 대학교 어배너-샴페인(University of Illinois at Urbana-Champaign)에서 컴퓨터 과학 석사 학위를 마쳤다. 2014년에는 뉴멕시코 대학교(University of New Mexico)에서 컴퓨터 과학 박사 학위를 받았으며, 박사 연구는 리디아 타피아(Lydia Tapia)의 지도 아래 수행되었다. 그녀의 대학원 연구는 알고리즘 로봇 공학과 모션 플래닝에 초점을 맞추었으며, 이후 학습 기반 접근법에 대한 그녀의 연구 기반을 마련했다.
샌디아 국립 연구소에서의 경력
2006년부터 2015년까지 파우스트는 미국 에너지부 시설인 샌디아 국립 연구소에서 선임 연구 개발 엔지니어로 근무했다. 이 기간 동안 그녀는 복잡한 로봇 시스템과 자율 주행 문제에 계산 방법을 적용했다. 샌디아에서의 그녀의 작업은 센싱, 플래닝, 제어를 통합하는 것이었으며, 이는 이후 그녀의 강화 학습 및 모션 플래닝 연구에 영향을 주었다. 이 경험은 또한 이론적 알고리즘과 실제 하드웨어 제약을 연결하는 것에 대한 그녀의 관심을 형성했다.
웨이모와 구글 브레인
2015년, 파우스트는 구글 산하 자율 주행 자동차 프로젝트인 웨이모(Waymo)에 합류하여 자율 주행 차량의 모션 플래닝에 머신 러닝을 적용하는 데 집중했다. 웨이모에서의 그녀의 작업은 역동적인 교통 환경에서의 실시간 의사 결정을 다루었으며, 더 안전한 내비게이션 시스템 개발에 기여했다.
2017년, 파우스트는 딥 러닝 연구 그룹인 구글 브레인(Google Brain)으로 이동했다. 그녀는 그룹이 딥마인드와 통합된 후 구글 딥마인드의 연구 디렉터로 승진했다. 이 역할에서 그녀는 확장 가능한 자율성과 강화 학습에 대한 연구를 이끌었으며, 학습 알고리즘을 더 효율적으로 만들고 대규모 시스템에 적용할 수 있도록 하는 프로젝트를 감독했다. 그녀의 리더십은 신경망 훈련 방법과 에이전트 기반 학습의 발전에 기여했다.
자동화 강화 학습(AutoRL)
파우스트는 자동화 강화 학습(AutoRL)을 확립한 논문을 공동 저술했으며, 이 용어는 그녀의 연구가 만든 것으로 알려져 있다. AutoRL은 아키텍처, 보상 함수, 하이퍼파라미터 선택을 포함한 학습 에이전트 자체의 설계를 자동화하여 수동 튜닝의 필요성을 줄인다. 그녀는 또한 이 분야의 첫 번째 조사 논문을 공동 저술하여 이 영역의 접근법과 미해결 문제를 체계화했다.
파우스트는 2023년 AutoML 컨퍼런스의 프로그램 위원장을 역임하여 자동화 머신 러닝을 중심으로 학계 커뮤니티를 조직하는 데 도움을 주었다. AutoRL에서의 그녀의 작업은 연구자들이 강화 학습에서 하이퍼파라미터 최적화와 아키텍처 검색에 접근하는 방식에 영향을 미쳤으며, 이러한 방법을 비전문가에게 더 접근하기 쉽게 만들었다.
로봇 공학 및 모션 플래닝
로봇 공학에서 파우스트는 머신 러닝을 사용하여 센싱, 모션 플래닝, 제어를 연결하는 방법을 개발했다. 그녀는 샘플링 기반 플래닝과 강화 학습을 결합하여 장거리 자율 내비게이션을 가능하게 하는 PRM-RL 기법을 만들었다. 이 작업은 주요 로봇 공학 컨퍼런스인 ICRA 2018에서 서비스 로봇 공학 최우수 논문상(Best Paper in Service Robotics)을 수상했다.
파우스트는 각 환경에 대한 재훈련 없이 다양한 물리적 공간을 탐색할 수 있는 일반화된 로봇 모델의 초기 지지자였다. 그녀는 학습된 정책이 다양한 로봇 플랫폼과 설정에 걸쳐 전이될 수 있는 방법을 보여주며 이러한 일반화의 이론적 기반을 확립했다. 또한 그녀는 계산적으로 비용이 많이 드는 훈련 절차를 피하는 학습 기반 로봇 공학 스택을 위한 자기 지도 방법을 개발했다.
이후 파우스트는 이 접근법을 하드웨어-소프트웨어 공동 설계로 확장하여 센서, 컴퓨팅, 머신 러닝 모델 간의 의존성을 특성화했다. 이 학제 간 작업은 2020년 IEEE 컴퓨터 아키텍처 레터스 최우수 논문 준우승(Best of IEEE Computer Architecture Letters runner-up)과 2023년 IEEE 마이크로 탑 픽스 명예로운 언급(IEEE Micro Top Picks Honorable Mention)을 받았다. 그녀의 로봇 공학 기여는 2020년 IEEE 로보틱스 및 자동화 조기 경력상으로 인정받았다.
생성형 AI 및 자율 에이전트
파우스트는 웹에서 작동하는 최초의 완전 자율적이고 개방형 작업 에이전트로 인정받는 웹 에이전트 개발을 주도했다. 이러한 에이전트는 인간의 개입 없이 연구, 예약, 데이터 수집과 같은 다단계 작업을 수행할 수 있다. 이 기술은 구글 어시스턴트에 통합되어 사용자가 복잡한 온라인 활동을 위임할 수 있게 했다.
고급 AI로의 산업 발전을 측정하기 위해 파우스트는 'AGI 수준'을 공동 저술했으며, 이는 인공 일반 지능으로의 경로를 운영화하는 프레임워크이다. 이 프레임워크는 좁은 AI에서 완전한 AGI까지의 능력 단계를 정의하며, 블룸버그 뉴스, 이코노미스트, 포브스 등 미디어에서 논의되었다. 이는 AI 시스템을 평가하는 연구자와 정책 입안자에게 공통된 어휘를 제공한다.
제네시스 몰레큘러 AI의 최고 AI 책임자
2025년 6월, 파우스트는 제네시스 테라퓨틱스(Genesis Therapeutics)에서 개명된 제네시스 몰레큘러 AI의 최고 AI 책임자로 임명되었다. 이 회사는 AI를 약물 발견 및 분자 설계에 적용하는 데 중점을 둔다. 2025년 10월, 파우스트와 그녀의 팀은 생체분자 구조에서 원자 배치를 처리하는 '펄(Pearl)' 기반 모델에 대한 기술 보고서를 발표했다. 펄은 이 작업에서 알파폴드 3(AlphaFold 3)를 능가하는 최초의 모델로 알려져 있으며, 계산 생물학에서 중요한 진전을 나타낸다.
이 작업은 대규모 언어 모델 기법과 트랜스포머 아키텍처를 분자 문제에 적용하며, 파우스트의 확장 가능한 학습 시스템 전문성을 기반으로 한다. 이 모델은 약물 개발과 단백질 공학에 중요한 분자 형태 예측의 정확성을 향상시키는 것을 목표로 한다.
수상 및 영예
파우스트는 경력 전반에 걸쳐 수많은 상을 받았다. 그녀는 2026년 IEEE 펠로우로 선정되었으며, 인용문은 확장 가능한 학습 기반 자율성과 기반 모델의 기술 리더십에 대한 기여를 인정했다. 2023년에는 여성 로봇 공학 단체(Women in Robotics)의 '알아야 할 로봇 공학 분야 여성 50인' 목록에 포함되었다.
그녀의 다른 영예로는 IEEE 컴퓨터 아키텍처 레터스 최우수 논문 준우승(2020), IEEE 로보틱스 및 자동화 조기 경력상(2020), ICRA 서비스 로봇 공학 최우수 논문상(2018)이 있다. 이러한 상은 로봇 공학, 머신 러닝, 컴퓨터 아키텍처에 걸친 그녀의 영향력을 반영한다.
강연 활동
파우스트는 AI 및 로봇 공학 주제에 대한 인기 있는 연사이다. 그녀는 2025년 IAEA 신흥 기술 워크숍에서 기조 연설을 했으며, 월드 서밋 AI(World Summit AI)에서 전체 패널에 참여했다. 그녀는 또한 미국 국립 과학 아카데미(National Academy of Sciences)의 패널리스트로 활동하여 AI 안전 및 배포에 대한 정책 논의에 기여했다. 파우스트는 여성 공학자 협회(Society of Women Engineers) WE17 컨퍼런스에서 15,000명의 참석자에게 전체 연설을 하여 공학 분야의 다양성을 옹호했다.
그녀의 공개 활동은 AI 연구의 실용적 응용과 책임 있는 개발의 중요성을 강조한다. 파우스트는 국립 연구소, 기술 기업, 스타트업에서의 경험을 바탕으로 자율 시스템과 기반 모델이 산업과 사회에 미치는 영향에 대해 자주 논의한다.
참고 문헌
파우스트의 작업은 학술 출판물과 기술 보고서에 문서화되어 있다. AutoRL, PRM-RL, 웹 에이전트에 대한 그녀의 연구 논문은 머신 러닝 및 로봇 공학 커뮤니티에서 널리 인용되었다. 'AGI 수준' 프레임워크는 AI 발전 논의에서 참조 지점이 되었다. 펄 기반 모델에 대한 그녀의 최근 작업은 제네시스 몰레큘러 AI의 2025년 10월 기술 보고서에 자세히 설명되어 있다.