Cynthia Diane Rudin(1976년 출생)은 미국의 컴퓨터 과학자이자 통계학자로, 기계 학습을 전문으로 하며 해석 가능한 기계 학습 분야의 연구로 잘 알려져 있다. 그녀는 듀크 대학교의 해석 가능한 기계 학습 연구소 소장이며, 컴퓨터 과학, 전기 및 컴퓨터 공학, 통계 과학, 생물통계학 및 생물정보학 교수로 재직 중이다. 2022년, 그녀는 고위험 영역에서 AI 시스템의 투명성의 중요성에 대한 연구로 미국 인공지능 발전 협회(AAAI)로부터 인류를 위한 인공지능 스퀴럴 AI 상(Squirrel AI Award for Artificial Intelligence for the Benefit of Humanity)을 수상했다. 또한, 2024년에는 기계 학습 연구를 인정받아 미국 과학 진흥 협회(AAAS)의 펠로우로 선출되었다.
루딘의 연구는 중요한 응용 분야에서 딥 러닝과 신경망 모델에 대한 일반적인 의존에 도전하며, 해석 가능한 모델이 투명성을 제공하면서도 비슷한 정확도를 달성할 수 있다고 주장한다. 그녀의 주장은 특히 개인과 사회에 중대한 결과를 초래하는 형사 사법 및 의료 분야에서 정책 논의와 학계 관행에 영향을 미쳤다.
교육 및 경력
루딘은 1999년 버팔로 대학교에서 수리 물리학과 음악 이론을 복수 전공으로 수마 쿰 라우데(summa cum laude)로 졸업했다. 그녀는 2004년 프린스턴 대학교에서 응용 및 계산 수학 박사 학위를 취득했다. "Boosting, Margins, and Dynamics"라는 제목의 그녀의 논문은 Ingrid Daubechies와 Robert Schapire가 지도했다. 대학원 연구에서 루딘은 부스팅 알고리즘의 수렴 특성을 증명하여, AdaBoost가 L1 마진(결정 경계와 가장 가까운 데이터 관측치 사이의 거리 유형)을 최대화하는지에 대한 잘 연구된 질문에 답했다.
뉴욕 대학교의 박사후 연구원과 컬럼비아 대학교의 준연구 과학자 직책을 거쳐, 그녀는 2009년 MIT 슬론 경영대학원의 교수직을 맡았고, 2016년 듀크 대학교로 옮겼다. 듀크에서 그녀는 여러 학과에 걸쳐 겸임 직책을 맡고 있으며, 이는 그녀의 연구의 학제적 성격을 반영한다.
루딘은 INFORMS의 데이터 마이닝 부문과 미국 통계 협회의 통계 학습 및 데이터 과학 부문의 위원장을 역임했다. 그녀는 DARPA의 ISAT 교수 자문 위원회에서 활동했고, AAAI의 평의원이었으며, 사법 지원국 형사 사법 기술 예측 그룹(BJA CJTFG)의 회원이었다. 현재 그녀는 ACM SIGKDD의 집행 위원회에서 활동하고 있으며, 미국 국립 과학·공학·의학 아카데미의 응용 및 이론 통계 위원회(CATS)와 법률 및 정의 위원회(CLAJ)의 회원이다. 그녀는 Management Science, Harvard Data Science Review, Journal of Quantitative Criminology의 부편집장이다.
수상 및 영예
루딘의 기여는 많은 찬사를 받았다. 2019년, 그녀는 "해석 가능한 기계 학습 알고리즘, 대규모 의료 데이터베이스의 예측, 순위 알고리즘의 이론적 특성에 대한 기여"로 미국 통계 협회와 수리 통계 연구소의 펠로우로 선출되었다. 그녀는 2022년 인공지능 발전 협회의 펠로우로 선출되었으며, 같은 해 자연 과학 분야 구겐하임 펠로우십을 받았다.
그녀는 전력망 신뢰성 연구로 2013년 INFORMS 혁신적 응용 분석 상, 인지 저하 평가를 위한 해석 가능한 기계 학습 모델 연구로 2016년 INFORMS 혁신적 응용 분석 상, 중환자 발작 예측을 위한 해석 가능한 기계 학습 모델 연구로 2019년 INFORMS 혁신적 응용 분석 상을 받았으며, 이는 중환자실에서 사용되는 2HELPS2B 점수로 이어졌다. 루딘은 2021년 INFORMS의 제조 및 서비스 운영 관리 최우수 운영 관리 논문상(Operations Research)을 공동 수상했고, 2018년 FICO 설명 가능한 기계 학습 챌린지에서 FICO 인정 상을 수상했다. 그녀는 2017년 다니엘 H. 와그너 운영 연구 우수상의 최종 후보였다.
루딘은 2015년 Business Insider에 의해 MIT에서 가장 인상적인 교수 12인 중 한 명으로 선정되었다. 그녀는 KDD(2014년 및 2019년), AISTATS, 노벨 회의(2021년), IJCAI 2025에서 기조 연설을 했다. 그녀는 "해석 가능한 기계 학습과 사회적 응용에 대한 기여와 리더십"으로 2025년 ACM 펠로우 클래스에 선정되었다.
해석 가능한 기계 학습 옹호
루딘은 형사 사법 시스템과 고위험 결정에서 블랙 박스 모델에 대한 비판으로 잘 알려져 있으며, 동등하게 정확한 해석 가능한 모델을 구축할 수 있다고 주장한다. 2019년 Nature Machine Intelligence에 게재된 그녀의 영향력 있는 논문 "Stop Explaining Black Box Machine Learning Models for High Stakes Decisions and use Interpretable Models Instead"는 복잡한 모델의 사후 설명이 불충분한 여러 이유를 설명한다. 그녀는 의료, 형사 사법, 금융과 같은 영역에서 사용되는 인공지능 시스템은 외부 설명 메커니즘에 의존하기보다 본질적으로 투명해야 한다고 주장한다.
이 관점은 성능이 해석 가능성보다 우선시되는 생성형 AI 및 대규모 트랜스포머 모델의 지배적인 추세와 대조된다. 루딘의 연구는 AI 시스템을 인간의 가치와 필요에 맞추는 것을 강조하는 인간 중심 인공지능 커뮤니티에 영향력 있는 원천이 되었다. 그녀는 Machine Learning 저널의 과학 및 사회를 위한 기계 학습 특별호 편집과 미국 통계 협회 보고서 "Discovery with Data: Leveraging Statistics with Computer Science to Transform Science and Society" 조직을 포함하여 기계 학습의 사회적 이익 응용을 장려하기 위한 여러 노력을 주도했다.
전력망 및 공공 안전 응용
2007년부터 루딘은 컬럼비아 대학교와 Con Edison 간의 협력 프로젝트에서 뉴욕시의 2차 전력 배전 네트워크 유지 관리를 위해 기계 학습을 사용하는 프로젝트의 수석 과학자였다. 장비 고장을 예측하고 방지하는 것을 목표로 한 이 프로젝트는 2013년 INFORMS 혁신적 응용 분석 상을 수상했다. 이 연구는 해석 가능한 모델이 중요한 인프라에 적용될 수 있음을 보여주었으며, 엔지니어에게 실행 가능한 통찰력을 제공하면서도 신뢰성을 유지했다.
루딘은 학생 Tong Wang 및 매사추세츠주 케임브리지 경찰서의 형사들과 함께 범죄 시리즈 탐지 알고리즘인 Series Finder를 개발했다. Series Finder는 NYPD가 동일한 개인이 저지른 범죄 패턴을 탐지하는 데 사용하는 Patternizr 알고리즘에 통합되었다. 예측 치안에서의 이 응용은 경찰관이 특정 패턴이 표시된 이유를 이해해야 했기 때문에 법 집행 도구에서 투명성의 중요성을 강조했다.
의료 점수 시스템
루딘은 전 학생 Berk Ustun과 함께 수면 무호흡증 선별 및 진단, 중환자실 환자의 발작 예측, 성인 ADHD 선별, 시계 그리기 검사를 통한 인지 저하 탐지를 위한 의료 점수 시스템 개발에 기여했다. 이러한 점수 시스템은 임상의가 특수 소프트웨어 없이 사용할 수 있을 만큼 단순하게 설계되었으며, 종종 가산점 기반 도구의 형태를 취한다. 이 연구는 2016년 및 2019년 INFORMS 혁신적 응용 분석 상을 받았고 와그너 상의 최종 후보였다.
중환자 발작 예측을 위해 개발된 2HELPS2B 점수는 중환자실에서 채택되었으며, 해석 가능성과 예측 정확도를 결합한 실용적인 도구를 제공한다. 루딘의 의학적 접근 방식은 모델이 정확할 뿐만 아니라 의사, 간호사, 환자에게 이해 가능해야 하며, 이를 통해 정보에 입각한 의사 결정이 가능해야 한다고 강조한다.
교육 및 학생 멘토링
듀크에서 루딘은 2018년 NTIRE 단일 이미지 초해상도 대회(트랙 1, 클래식 바이큐빅)와 2018년 PoeTix 문학 튜링 대회에서 우승한 두 팀의 학부생 팀을 지도했다. 이러한 성과는 기계 학습의 기술적 및 창의적 응용 모두에서 학생을 멘토링하려는 그녀의 헌신을 반영한다. 그녀의 연구소인 해석 가능한 기계 학습 연구소는 투명성과 공정성을 우선시하는 알고리즘 개발에 있어 대학원생과 박사후 연구원을 훈련시킨다.
루딘의 교육은 듀크를 넘어 확장되며, 주요 학회에서 기조 연설을 하고 AI의 사회적 역할에 대한 공개 토론에 기여했다. 그녀의 연구는 NPR과 같은 매체에서 소개되었으며, 그녀는 의사가 자가 학습 컴퓨터가 올바른 진단을 내리고 있는지 어떻게 확신할 수 있는지에 대해 논의하여 그녀의 연구의 실질적 의미를 강조했다.
같이 보기
- Timnit Gebru
- Joy Buolamwini
- 설명 가능한 인공지능
참고 문헌
출처에는 Wikipedia(CC BY-SA) 및 학술 출판물이 포함된다.
외부 링크
- 홈페이지
- Google Scholar에 색인된 Cynthia Rudin의 출판물
- Harris, Richard (2019년 4월), "How Can Doctors Be Sure A Self-Taught Computer Is Making The Right Diagnosis?", NPR