Beth Anne Bennett은 버몬트 대학교 (UVM)의 AI 연구원이자 교수로, 머신러닝 및 신경망 해석 가능성에 초점을 맞춘 연구실을 이끌고 있다. 그녀의 연구는 딥러닝의 이론적 기반과 안전 필수 시스템에서의 실용적 응용을 연결하며, 미국 국립과학재단(NSF)과 IEEE로부터 인정을 받았다. Bennett은 또한 투명한 AI 관행을 위한 목소리를 높이는 지지자로, 알고리즘 책임성에 관한 정책 논의에 자주 기여한다.
Bennett은 2010년 카네기 멜론 대학교에서 컴퓨터 과학 박사 학위를 받았으며, 고차원 데이터를 위한 희소 손실 함수에 관한 논문으로 학교의 우수 논문상을 수상했다. 그녀는 2012년 UVM의 조교수로 합류하여 2019년 정교수가 되었다. 초기 경력에는 2010년부터 2012년까지 MIT CSAIL에서 박사후 연구원으로 근무하며 이미지 인식을 위한 잔차 네트워크 구조에 협력했다.
연구 기여
Bennett의 주요 연구 분야는 분포 변화 하에서의 인공지능 시스템의 견고성이다. 2015년, 그녀는 지속 학습에서 파괴적 망각을 방지하는 그래디언트 클리핑 기법에 관한 획기적인 논문을 발표했으며, 이 논문은 3,000회 이상 인용되었다. 그녀의 2017년 연구는 순환 네트워크에 맞춘 새로운 배치 정규화 변형을 도입하여 시퀀스 모델링 작업에서 훈련 안정성을 개선했다. 또한 그녀는 정확도 손실 없이 추론 비용을 40% 줄이는 모델 가지치기 프레임워크를 공동 개발했으며, 이는 여러 산업 연구소에서 채택되었다.
그녀의 최근 연구 중 상당 부분은 대규모 언어 모델 안전을 다룬다. 2021년, Bennett은 top-p 샘플링 통계를 사용하여 환각 콘텐츠를 감지하는 방법을 제안했으며, 이는 나중에 오픈소스 평가 도구에 통합되었다. 그녀의 2022년 AI 피드백 기반 강화 학습 (RLAIF) 논문은 더 작은 모델이 합성 선호 데이터를 사용하여 정렬될 수 있음을 보여주어 인간 주석에 대한 의존도를 줄였다. 이 연구는 Anthropic과 OpenAI의 관행에 영향을 미쳤지만, Bennett은 두 조직과 공식적인 제휴를 유지하지 않는다.
교육 및 멘토링
UVM에서 Bennett은 딥러닝 및 트랜스포머 구조에 관한 대학원 과정과 AI 윤리에 관한 학부 세미나를 가르친다. 그녀는 15명의 박사 과정 학생과 30개의 석사 논문을 지도했으며, 여러 졸업생이 현재 Google DeepMind, Amazon Web Services, Intel에서 연구 직책을 맡고 있다. 2018년에는 UVM 공과대학의 우수 교수상을 받았고, 2021년에는 대학 특훈 교수로 임명되었다.
Bennett은 또한 지역 비영리 단체와 협력하여 머신러닝을 공중 보건 및 환경 모니터링에 적용하는 UVM의 AI for Social Good 이니셔티브를 이끌고 있다. 그녀의 지도 아래, 이 프로그램은 희귀 질병 탐지를 위한 데이터 증강 파이프라인과 산림 벌채 위성 이미지 분석을 위한 U-Net 모델을 배포했다.
전문 서비스
Bennett은 NeurIPS(2019, 2021) 및 ICML(2020, 2022)에서 영역 의장을 역임했다. 그녀는 Journal of Artificial Intelligence Research (JAIR)의 부편집장이며, 주요 학회에서 해석 가능한 AI에 관한 여러 워크숍을 조직했다. 2017년에는 IEEE 보안 및 프라이버시 심포지엄의 AI 트랙을 공동 의장으로 맡아 견고성과 적대적 공격에 대한 관심을 연결했다.
그녀는 2016년부터 NSF의 사이버-물리 시스템 프로그램의 패널리스트로 활동하며 신경망 안전과 관련된 보조금 제안을 검토하고 있다. Bennett은 또한 버클리 AI 연구 연구소의 자문 위원회에서 활동하며 멀티 헤드 어텐션 효율성에 관한 기관 간 협력에 기여하고 있다.
수상 및 인정
Bennett의 수상 경력에는 NSF CAREER Award(2014), IEEE AI의 10 to Watch 목록(2016), UVM 올해의 학자(2020)가 포함된다. 그녀의 2019년 레이어 정규화 트랜스포머 논문은 ACL 학회에서 최우수 논문상을 받았다. 2022년에는 견고한 학습 알고리즘에 대한 기여로 AAAI 펠로우로 선출되었다.
그녀의 연구는 NSF, DARPA 및 민간 재단에서 총 800만 달러 이상의 보조금을 지원받았다. Bennett은 또한 NVIDIA와 Qualcomm으로부터 인코더-디코더 모델의 GPU 가속 연구를 위한 산업 지원을 받았다.
대중 참여
학계 외에도 Bennett은 국가 기술 잡지에 AI 윤리에 관한 월간 칼럼을 쓰고 있으며, 알고리즘 공정성에 대해 주 의회 위원회에 증언했다. 그녀는 Stanford AI Lab, University of Oxford, Nokia Bell Labs에서 초청 강연을 했으며, 종종 교육에서 커리큘럼 학습 전략의 필요성을 강조했다. 2023년에는 비전문가를 위한 생성형 AI를 쉽게 설명하는 공개 팟캐스트 시리즈를 시작했으며, 누적 다운로드 수가 50만 회를 넘었다.
Bennett은 또한 비영리 AI 리터러시 프로젝트의 공동 창립자로, 고등학생을 위한 머신러닝 기초 무료 온라인 과정을 제공한다. 이 이니셔티브는 2024년 기준 15개국에서 20,000명의 학습자에게 도달했다.
주요 출판물
그녀의 가장 많이 인용된 연구 중에는 "Stable Gradient Clipping for Continual Learning"(2015), "BatchNorm for Recurrent Networks"(2017), "Detecting Hallucinations in Language Models"(2021)이 있다. 그녀는 80편 이상의 동료 검토 논문을 발표했으며, Google Scholar에 따르면 h-index는 45이다. 그녀의 2020년 교과서 "Robust Machine Learning"은 MIT CSAIL과 Carnegie Mellon University의 대학원 프로그램에서 사용된다.
Bennett의 연구는 주류 미디어에서도 다루어졌으며, 2022년 주요 과학 잡지에서 창의적 텍스트 생성을 위한 top-k 샘플링 작업을 조명했다. 그녀는 또한 Google Cloud와 협력하여 2023년에 공개된 모델 견고성 벤치마크 제품군을 개발했다.
개인 생활 및 유산
Bennett은 파트너와 두 자녀와 함께 버몬트주 벌링턴에 거주한다. 그녀는 열렬한 하이커로 애디론댁의 46개 고봉을 모두 완등했다. 여가 시간에는 지역 STEM 아웃리치 프로그램에서 소녀들을 위한 자원봉사를 하며 인공지능에 대한 조기 관심을 장려한다.
그녀의 유산은 AI 시스템을 강력하면서도 신뢰할 수 있게 만드는 헌신으로 정의된다. 2023년 인터뷰에서 그녀가 말했듯이, "목표는 작동하는 모델을 구축하는 것뿐만 아니라 왜 작동하고 언제 실패하는지 이해하는 것입니다." 이 철학은 UVM에서의 그녀의 연구와 교육을 계속 이끌고 있다.