카를로스 에르네스토 게스트린(Carlos Ernesto Guestrin, 1975년 출생)은 브라질 출신의 컴퓨터 과학자이자 스탠퍼드 대학교(Stanford University) 교수이다. 그는 확장 가능한 머신러닝 알고리즘에 대한 기여로 잘 알려져 있으며, 여기에는 XGBoost 라이브러리와 설명 가능한 AI를 위한 LIME 기법이 포함된다. 그의 연구는 학계 연구와 산업계 응용을 연결해 왔으며, 특히 2016년 Apple Inc.에 인수된 머신러닝 스타트업 Turi를 통해 두드러진다.
게스트린의 연구는 대규모 데이터 분석을 위한 효율적이고 해석 가능한 방법을 개발하는 데 초점을 맞추고 있으며, 센서 네트워크, 개인 맞춤형 의학, 인공지능 등의 분야에 응용된다. 그는 카네기 멜론 대학교(Carnegie Mellon University), 워싱턴 대학교(University of Washington), 스탠퍼드 대학교에서 교수직을 역임했으며, 컴퓨터 과학에 대한 기여로 수많은 상을 수상했다.
초기 생애 및 교육
게스트린은 1975년 아르헨티나에서 태어났지만 브라질에서 성장했다. 그는 브라질에서 학부 과정을 마치고 상파울루 대학교(University of São Paulo) 폴리테크닉 학교에서 메카트로닉스 공학 학위를 취득했다. 컴퓨터 시스템에 대한 관심으로 미국에서 학업을 이어갔으며, 스탠퍼드 대학교에서 컴퓨터 과학 박사 학위를 받았다. 스탠퍼드에서 그의 박사 지도교수는 머신러닝과 확률적 그래픽 모델 분야의 저명한 인물인 다프네 콜러(Daphne Koller)였다. 콜러의 지도는 게스트린의 연구 방향에 큰 영향을 미쳤으며, 엄격한 수학적 기초와 실용적인 알고리즘의 영향력을 강조하게 했다.
학술 경력
게스트린은 카네기 멜론 대학교(CMU)에서 학술 경력을 시작하여 2004년부터 2012년까지 조교수로 재직했다. 이 기간 동안 그는 확장 가능한 머신러닝, 특히 센서 네트워크와 복잡한 시스템을 위한 기초 연구를 개발했다. 2007년 그의 분산 예측 알고리즘에 관한 논문은 KDD 2007 최우수 논문상을 수상하며 해당 분야의 떠오르는 인재로 자리매김했다.
2012년, 게스트린은 워싱턴 대학교(UW)로 자리를 옮겨 부교수로 재직했으며, 이후 머신러닝 분야의 Amazon 석좌교수로 승진했다. UW에서 그는 확장 가능한 알고리즘 연구를 계속했고, 2013년에는 학계의 혁신을 산업 현장에 적용하기 위해 Turi(당시 GraphLab)를 공동 창업했다.
2021년, 게스트린은 스탠퍼드 대학교로 돌아와 교수로 재직 중이다. 그는 스탠퍼드 AI 연구소(Stanford AI Lab)에 소속되어 있으며, 학계와 산업계에서 주목할 만한 경력을 쌓은 수많은 대학원생들을 지도해 왔다. 그의 교육과 연구는 머신러닝을 대규모로 배포하는 현대적 접근 방식을 형성하는 데 기여했다.
머신러닝에 대한 기여
게스트린의 연구는 널리 채택된 여러 도구와 기법을 탄생시켰다. 그의 가장 주목할 만한 기여 중 하나는 XGBoost로, 예측 모델링 대회의 기준이 된 확장 가능한 그래디언트 부스팅 라이브러리이다. Tianqi Chen과 공동 개발한 XGBoost는 효율성과 정확성으로 유명세를 얻었으며, 데이터 과학 워크플로우의 필수 도구가 되었다. 헬스케어부터 금융까지 다양한 응용 분야에서 사용되며, 현재까지도 가장 인기 있는 머신러닝 알고리즘 중 하나로 남아 있다.
또 다른 중요한 기여는 LIME(Local Interpretable Model-agnostic Explanations)으로, 블랙박스 모델의 개별 예측을 설명하는 기법이다. 2016년 Marco Tulio Ribeiro 및 Sameer Singh과 함께 소개한 LIME은 인공지능 해석 가능성 문제를 해결하여, 실무자들이 모델이 특정 결정을 내리는 이유를 이해할 수 있게 했다. 이 연구는 설명 가능한 AI 분야의 성장에 중요한 역할을 했다.
또한 게스트린은 그래프 구조 데이터에 대한 확장 가능한 머신러닝의 초기 프레임워크인 GraphLab 프로젝트를 공동 창안했다. GraphLab은 추천 시스템과 예측 분석을 포함한 지능형 애플리케이션 구축을 위한 도구 모음을 제공하는 Turi의 기반이 되었다.
Turi와 Apple
게스트린은 2013년 Turi(원래 이름 GraphLab)를 공동 창업하여 2013년부터 2015년까지 CEO를, 이후 최고 과학 책임자를 역임했다. 이 회사는 대규모 모델 구축과 배포 과정을 간소화하는 머신러닝 플랫폼을 개발했다. Turi의 소프트웨어는 다양한 기업에서 채택되었으며, 그 기술은 성장하는 AI 시장에서 가치 있는 자산으로 평가받았다. 2016년 Apple Inc.는 약 2억 달러에 Turi를 인수했고, 게스트린은 Apple에 합류하여 머신러닝 및 AI 분야의 수석 이사로 재직했다. Apple에서 그는 Siri와 사진 인식과 같은 영역을 포함하여 제품과 서비스 전반에 걸친 머신러닝 역량 발전을 이끄는 팀을 지휘했다. 그는 2021년까지 Apple에 머물렀으며, 이후 스탠퍼드 대학교로 복귀하여 학계로 돌아갔다.
수상 및 영예
게스트린은 경력 전반에 걸쳐 수많은 영예를 안았다. 2008년에는 해군 연구청(ONR) 젊은 연구자 상을 수상했다.
2009년에는 인공지능 분야의 뛰어난 젊은 연구자에게 수여되는 IJCAI 컴퓨터와 사고 상(Computers and Thought Award)을 받았다.
2010년에는 미국 정부가 이른 경력의 과학자에게 수여하는 최고 영예 중 하나인 대통령 조기 경력 과학자 및 엔지니어 상(PECASE)을 수상했다.
그의 연구 논문은 KDD 2007, KDD 2010, AISTATS 2010, ACL 2020을 포함한 주요 학회에서 최우수 논문상을 여러 차례 수상했다.
2024년, 게스트린은 미국 공학 한림원(NAE) 회원으로 선출되었으며, 이는 미국 공학계의 최고 명예 중 하나로, 확장 가능한 머신러닝과 그 응용 분야에 대한 선구적 기여를 인정받은 결과이다.
산업계 영향력 및 현재 활동
Turi 외에도 게스트린은 여러 기술 기업의 자문과 컨설팅을 수행하며 산업계에 영향력을 발휘해 왔다. 벤처 캐피털과 머신러닝을 제품에 통합하려는 기업들이 그의 전문성을 찾고 있다. 그는 또한 AI 커뮤니티에서 활발한 목소리를 내며 주요 학회에서 강연하고 AI의 미래에 대한 공개 논의에 기여하고 있다.
스탠퍼드로 복귀한 이후, 게스트린은 생성형 AI, 최적화, 해석 가능성과 같은 연구 분야에 집중하고 있다. 그는 대규모 모델의 사용과 그 사회적 영향에 관한 프로젝트에 참여해 왔지만, 과장된 주장에 대해서는 경계를 촉구해 왔다. 그의 현재 연구는 종종 이론적 보장과 실제 성능 사이의 간극을 메우는 데 초점을 맞추고 있다.
전문 활동
게스트린은 컴퓨터 기계 협회(ACM)와 전기 전자 기술자 협회(IEEE)를 포함한 여러 전문 조직의 회원이다. 그는 주요 학회의 프로그램 위원회와 주요 저널의 편집위원으로 활발히 활동해 왔다. 그의 연구는 미국 국립과학재단(NSF)과 DARPA를 포함한 여러 기관의 지원을 받아 왔으며, 이는 그의 연구가 미치는 광범위한 영향을 반영한다.
스탠퍼드에서 그는 머신러닝을 더욱 효율적이고 해석 가능하며 접근 가능하게 만드는 데 초점을 맞춘 연구 그룹을 이끌고 있다. 그의 최근 관심사는 과학적 발견을 위한 AI와 불확실성 하에서의 강건한 의사 결정을 포함한다.