Corinna Cortes는 뉴욕에 있는 Google Research를 이끄는 덴마크 출신의 컴퓨터 과학자이다. 그녀는 기계 학습 분야의 기초 연구, 특히 분류 및 회귀 작업에 널리 사용되는 지도 학습 모델인 서포트 벡터 머신(SVM)의 공동 개발로 가장 잘 알려져 있다. 그녀의 연구는 데이터 마이닝, 대규모 학습, 그리고 학습 알고리즘의 이론적 기초와 같은 분야에 걸쳐 있다.
Cortes는 덴마크에서 태어나 컴퓨터 과학 분야에서 학문적 경력을 쌓았다. 그녀는 토론토 대학교에서 박사 학위를 받았으며, 신경망 및 딥러닝 분야의 선구자인 Geoffrey Hinton의 지도 아래 연구했다. 그녀의 박사 논문은 학습 알고리즘과 그 응용에 초점을 맞추었으며, 이후 이 분야에 기여할 수 있는 토대를 마련했다.
서포트 벡터 머신
1990년대 초, Cortes는 AT&T Bell Laboratories(현재 노키아 벨 연구소)에서 Vladimir Vapnik과 협력하여 서포트 벡터 머신을 개발했다. 그들의 1995년 논문 "Support-Vector Networks"는 고차원 공간에서 클래스 간 마진을 최대화하는 개념을 소개했으며, 이는 패턴 인식에 매우 효과적인 방법으로 입증되었다. SVM은 인공지능 및 기계 학습의 초석이 되었으며, 이후 커널 방법 및 대형 마진 분류기의 발전에 영향을 미쳤다. 이 기법은 텍스트 분류에서 생물정보학에 이르는 다양한 응용 분야에서 여전히 널리 사용되고 있다.
Google에서의 경력
Cortes는 2003년 Google에 합류하여 연구 및 엔지니어링 분야에서 리더십 역할을 맡았다. Google Research NY의 책임자로서 그녀는 대규모 기계 학습, 자연어 처리, 알고리즘 공정성과 같은 주제를 연구하는 과학자 팀을 감독한다. Google에서의 그녀의 작업은 회사의 순위 시스템에 대한 기여와 대규모 데이터 세트 분석 도구 개발을 포함한다. 그녀의 지도 아래 뉴욕 사무소는 생성형 AI 및 대규모 언어 모델과 같은 분야의 연구 허브가 되었으며, Google DeepMind 및 다른 부서의 팀과 협력하고 있다.
학습 이론에 대한 기여
SVM 외에도 Cortes는 학습 알고리즘의 이론적 이해에 상당한 기여를 했다. 그녀는 부스팅, 앙상블 방법, 학습 시스템의 안정성과 같은 주제에 대해 영향력 있는 논문을 발표했다. 일반화 오류와 가설 공간의 복잡성 사이의 관계에 대한 그녀의 연구는 모델 선택 및 정규화에 대한 현대적 접근 방식을 형성하는 데 도움이 되었다. 그녀는 또한 불균형 데이터 세트 및 잡음이 있는 레이블 처리의 어려움을 포함한 데이터 마이닝의 실용적인 문제를 탐구했다.
수상 및 인정
Cortes는 그녀의 작업으로 수많은 찬사를 받았다. 그녀는 ACM 펠로우이며, Journal of Machine Learning Research를 포함한 여러 저명한 저널의 편집 위원회에서 활동했다. 그녀의 공헌은 AT&T Bell Laboratories Distinguished Member of Technical Staff 상과 같은 상으로 인정받았다. 그녀는 NeurIPS 및 ICML을 포함한 주요 학회에서 강연을 자주 요청받으며, 프로그램 위원회 및 영역 의장으로 활동했다.
영향 및 유산
Cortes의 작업의 영향력은 학계를 넘어 산업 현장까지 확장된다. SVM은 기계 학습 도구 키트의 표준 도구가 되었으며, 대규모 학습에 대한 그녀의 통찰력은 전 세계 기업이 사용하는 시스템 설계에 정보를 제공했다. Google의 리더로서 그녀는 한 세대의 연구자들을 멘토링하고 이론 연구와 실용적 배포 사이의 격차를 해소하는 데 도움을 주었다. 그녀의 지속적인 작업은 견고하고 확장 가능하며 공정한 AI 시스템을 구축하는 과제를 계속해서 해결하고 있다.
Cortes는 연구 커뮤니티에서 여전히 활동적인 인물로, 엄격한 평가 방법과 AI 기술의 책임 있는 개발을 옹호한다. 그녀의 경력은 기초 이론과 응용 혁신의 통합을 예시하며, 현대 기계 학습의 진화에 중추적인 인물이 되었다.