국제 기계 학습 학회(ICML)은 1980년부터 매년 개최되는 기계 학습 분야의 국제 학술 회의이다. 이는 가장 오래된 학회이며, NeurIPS 및 ICLR과 함께 기계 학습 및 인공 지능 연구에서 가장 영향력 있고 명성이 높은 세 개의 주요 학회 중 하나이다. 국제 기계 학습 학회(IMLS)가 주관하는 ICML은 통계적 학습 이론, 알고리즘 혁신, 강화 학습의 발전을 발표하는 핵심 장소로 기능한다.
역사
ICML은 1980년 7월 피츠버그에 있는 카네기 멜론 대학교에서 처음 개최된 국제 기계 학습 워크숍에서 시작되었다. 이 워크숍은 신흥 분야인 기계 학습을 위한 집중적인 포럼을 만들고자 했던 Jaime Carbonell, Ryszard S. Michalski, Tom M. Mitchell이 조직했다. 1993년, 이 행사는 10년 이상의 워크숍을 바탕으로 현재의 이름 아래 본격적인 학회 시리즈로 전환되었다.
2010년대 이후, ICML 논문집은 기계 학습 연구 저널의 워크숍 및 학회 논문집에서 성장하여 2015년에 이름이 바뀐 기계 학습 연구 논문집(PMLR)에 오픈 액세스로 게재되어 왔다. 이러한 오픈 액세스로의 전환은 ICML 연구를 전 세계 연구 커뮤니티에 널리 제공하게 했다.
ICML은 현대 인공 지능의 여러 기초 논문을 발표했다. 주목할 만한 연구로는 로렌스 버클리 국립 연구소의 PCA 기반 K-평균 클러스터링(ICML 2004), 구글의 배치 정규화, 구글 브레인의 EfficientNet(ICML 2019), OpenAI의 CLIP(ICML 2021), UC 버클리의 소프트 액터-크리틱(ICML 2018)이 있다. 이러한 기여는 이후 딥 러닝 및 생성형 AI의 발전에 영향을 미쳤다.
성장 및 논문 제출
ICML의 규모는 지난 10년 동안 극적으로 확장되었다. 논문 제출 수는 2015년 1,037편(270편 채택)에서 2025년 12,107편(3,260편 채택)으로 증가했다. 채택률은 평균 21%(2020년)에서 30%(2024년) 사이였다. 2026년에는 학회가 24,371편의 제출 논문으로 새로운 기록을 세워 전년도 총계의 두 배 이상을 기록했다.
채택된 논문은 현장에서 포스터로 발표된다. 특히 뛰어난 기여는 구두 발표로 선정되거나 위원회에 의해 '스포트라이트 논문'으로 지정된다. 2026년에는 제출된 기여의 2.2%가 스포트라이트로 지정되었고, 0.7%는 추가로 구두 발표 기회를 받았다. 최우수 기여는 심사위원단이 선정하는 우수 논문상(이전 명칭: 최우수 논문상)으로 매년 수여된다.
범위 및 위상
ICML의 범위는 기계 학습의 전반을 포괄하며, 특히 이론적 분석, 알고리즘 혁신, 통계적 학습에 중점을 둔다. 다른 두 주요 기계 학습 학회인 NeurIPS 및 ICLR과 비교하여 ICML은 전통적으로 통계적 학습 이론, 강화 학습, 로봇 공학, 최적화 이론에 관한 콘텐츠를 더 많이 포함한다. 연례 논문집은 오픈 액세스 PMLR에 게재된다.
이 학회는 기계 학습 연구와 인재에 대한 접근을 원하는 후원사를 유치한다. Google, Microsoft, Amazon, Meta, Apple과 같은 기술 기업은 정기적으로 이 행사를 후원하고, 자사의 연구를 발표하며, 현장에서 연구원을 채용한다. Citadel Securities, Jane Street Capital, D.E. Shaw를 포함한 금융 회사도 ICML에 참석하여 양적 금융에서 기계 학습의 중요성이 커지고 있음을 반영한다.
인공 지능에 미치는 영향
ICML은 인공 지능 연구를 발전시키는 데 중요한 역할을 해왔다. 신경망 및 강화 학습 알고리즘을 포함하여 현대 AI 시스템의 핵심이 된 많은 기술이 ICML에서 발표되고 개선되었다. 엄격한 이론적 기반에 대한 학회의 강조는 기계 학습을 성숙한 과학적 학문으로 확립하는 데 기여했다.
이 학회는 또한 학계와 산업계를 연결하는 가교 역할을 한다. Google DeepMind, OpenAI, Anthropic과 같은 선도 연구소의 연구원은 정기적으로 ICML에서 최신 연구를 발표하는 반면, 스탠퍼드, MIT, UC 버클리와 같은 기관의 대학 연구 그룹은 기초 연구를 기여한다. 이러한 협력은 이론적 통찰이 실제 응용으로 전환되는 것을 가속화했다.