Joshua Brett Tenenbaum은 매사추세츠 공과대학교(MIT)의 전산 인지과학 교수로, 전산 인지과학 연구실을 이끌고 있으며 MIT 컴퓨터 과학 및 인공지능 연구소(CSAIL)의 구성원이기도 하다. 그는 인간의 학습, 추론, 지각 연구에 확률 및 통계 모델링을 적용하는 선구자로 잘 알려져 있으며, 이러한 접근 방식은 인지과학과 인공지능 연구 모두를 재편했다. 그의 연구는 인지의 핵심 난제, 즉 인간의 마음이 희소하고 모호한 데이터에서 풍부하고 일반화 가능한 지식을 어떻게 추론할 수 있는지, 흔히 '너무 적은 것으로 너무 많은 것을 너무 빨리 배우는' 것으로 설명되는 문제를 다룬다.
Tenenbaum의 연구는 머신러닝, 수리 심리학, 베이지안 인지과학의 교차점에 위치한다. 그는 마음을 일종의 확률적 추론 엔진으로 간주하는 계산 모델을 개발하며, 이러한 모델을 사용하여 개념 학습, 인과 추론, 직관적 물리학과 같은 인간의 능력을 설명한다. 그의 통찰은 표준 딥러닝의 패턴 매칭을 넘어 더 유연하고 구성적이며 인과적인 이해로 나아가는, 인간처럼 학습하는 AI 시스템 구축 노력에 영향을 미쳤다.
초기 생애와 교육
Tenenbaum은 캘리포니아에서 지적으로 활발한 가정에서 성장했다. 그의 어머니는 교사였고, 아버지 Jay Martin Tenenbaum은 전자 상거래와 온라인 마켓플레이스의 초기 연구로 알려진 인터넷 상거래 선구자이다. 부모님의 교육과 학습에 대한 관심은 그의 지적 발달에 지속적인 영향을 미쳐, 지식이 어떻게 획득되고 표현되는지에 대한 질문으로 그를 이끌었다.
예일 대학교 학부 시절, Tenenbaum은 정신 표상과 유사성 연구의 선구자인 인지 심리학자 Roger Shepard의 영향을 받았다. 인지의 기하학적 모델에 대한 Shepard의 연구와 지각에서 일반화의 역할에 대한 그의 강조는 Tenenbaum의 사고에 흔적을 남겼다. Tenenbaum은 1993년 예일 대학교에서 물리학 학사 학위를 받았으며, 이 배경은 그에게 수학적 모델링과 통계적 추론의 강력한 기반을 제공했다.
그는 이후 대학원 연구를 위해 MIT로 이동하여 1999년 박사 학위를 받았다. MIT에서 그는 그의 경력의 초석이 될 인지의 베이지안 모델링이라는 신흥 분야에 노출되었다. 그의 박사 연구는 제한된 증거에서 사람들이 어떻게 추론하는지에 초점을 맞추었으며, 이는 이후 학습과 지각의 확률적 모델에 대한 그의 기여의 토대를 마련했다.
학문적 경력과 연구 초점
박사 학위를 마친 후, Tenenbaum은 MIT 교수진에 합류하여 전산 인지과학 교수가 되었다. 그는 뇌 및 인지과학 학과에 소속되어 있으며, MIT의 컴퓨터 과학 및 인공지능을 위한 학제 간 연구실인 CSAIL의 수석 연구원이다. 또한 그는 지능의 본질을 이해하고 이를 재현하는 기계를 구축하기 위한 이니셔티브인 MIT Quest for Intelligence를 이끌고 있다.
Tenenbaum의 연구 프로그램은 인간의 인지가 베이지안 추론의 렌즈를 통해 이해될 수 있다는 아이디어에 기반을 둔다. 이 프레임워크에서 마음은 사전 지식과 새로운 증거를 바탕으로 세계에 대한 신념을 지속적으로 업데이트하는 것으로 간주된다. 그의 모델은 사람들이 몇 가지 예시만으로 새로운 개념을 학습하고, 희소한 관찰에서 인과 관계를 추론하며, 물리적 사건에 대한 직관적 예측을 하는 방법을 설명한다. 이러한 모델은 인간 학습의 속도와 유연성을 포착하는 데 있어 전통적인 머신러닝 접근 방식을 종종 능가한다.
그의 연구에서 핵심 주제는 데이터의 통계적 규칙성에 의존하는 '모델 프리' 학습과 세계의 구조적 표상을 구축하는 '모델 기반' 학습의 구분이다. Tenenbaum은 인간 지능이 후자에 크게 의존한다고 주장하며, 두 접근 방식을 결합한 AI 시스템을 옹호해 왔다. 이러한 관점은 신경망과 대규모 언어 모델을 연구하는 차세대 연구자들에게 영향을 미쳤으며, 이들은 점점 더 구조적 지식과 인과 추론을 시스템에 통합하려고 한다.
베이지안 인지과학에 대한 기여
Tenenbaum은 인간의 학습, 추론, 지각에 확률 및 통계 모델링을 적용한 최초의 연구자 중 한 명으로 널리 인정받고 있다. 개념 학습에 대한 그의 초기 연구는 사람들이 몇 가지 예시만으로 새로운 범주의 경계를 추론할 수 있음을 보여주었으며, 이는 사전 기대와 관찰된 데이터의 균형을 맞춤으로써 베이지안 모델이 재현할 수 있는 위업이다. 이 연구는 인간이 작은 표본에서 어떻게 일반화하는지에 대한 공식적 설명을 제공했으며, 이는 인지과학과 머신러닝 모두에서 여전히 중심적인 문제이다.
그는 또한 인과 추론 연구에 중요한 기여를 했다. 그의 모델은 사람들이 상관 패턴과 개입으로부터 원인-결과 관계를 추론하고, 이러한 추론을 사용하여 예측과 행동 계획을 세우는 방법을 설명한다. 이 연구는 자율 주행 차량부터 의료 진단 도구에 이르기까지 세계에 대해 추론해야 하는 AI 시스템에 시사점을 제공한다.
그의 연구의 또 다른 영역은 직관적 물리학으로, 사람들이 물체의 움직임을 예측하고 물리적 안정성에 대해 추론하는 방법을 모델링했다. 이러한 모델은 무너지는 탑이나 충돌하는 공과 같은 시나리오에 대한 인간의 판단을 포착하며, 물리적 환경과 상호작용하는 AI 시스템을 개선하는 데 사용되었다. 그의 접근 방식은 종종 행동 실험과 계산 시뮬레이션을 결합하며, 이 방법론은 이 분야에서 표준이 되었다.
인정과 수상
2018년, R&D 매거진은 Tenenbaum을 '올해의 혁신가'로 선정하여 인지과학과 인공지능을 연결한 그의 기여를 인정했다. 이 상은 인지의 확률적 모델에 대한 그의 연구와 인간처럼 학습하는 기계를 구축하려는 노력을 강조했다.
이듬해인 2019년, Tenenbaum은 맥아더 펠로우로 선정되었으며, 이는 흔히 '천재 그랜트'로 불리는 영예이다. 맥아더 재단은 그가 인간의 학습, 추론, 지각에 확률 및 통계 모델링을 개발하고 적용한 점, 그리고 이러한 모델이 마음이 너무 적은 것으로 너무 많은 것을 너무 빨리 이해하는 능력을 설명하는 방법을 보여준 점을 칭찬했다. 이 펠로우십은 그에게 조건 없는 연구 지원금을 제공했으며, 그는 이를 인간형 AI에 관한 프로젝트를 진행하는 데 사용했다.
그의 연구는 또한 수많은 초청 강연, 기조 연설, 주요 AI 연구 기관과의 협력을 통해 인정받았다. 그는 특히 머신러닝의 현재 한계를 넘어서는 방법에 대해 인공지능의 미래에 관한 논의에 자주 기여한다.
최근 연구와 AI 응용
최근 몇 년 동안 Tenenbaum은 AI 시스템이 인간의 학습과 지각을 모방하도록 가르치는 데 초점을 맞추고 있다. 한 연구 라인은 시각적 특징뿐만 아니라 사회적 맥락과 전형적인 외모에 대한 지식을 사용하여 사람들이 하는 방식으로 얼굴을 인식하는 모델을 개발하는 것이다. 이 연구는 AI를 더 견고하게 만들고 인간의 기대에 더 부합하도록 만드는 것을 목표로 한다.
또 다른 주요 추진은 AI가 원인과 결과를 이해하도록 프로그래밍하는 것이다. Tenenbaum은 현재의 딥러닝 시스템, 특히 트랜스포머와 대규모 언어 모델이 패턴 인식에 강력하지만 인간이 의존하는 인과 이해가 종종 부족하다고 주장해 왔다. 그의 연구실은 데이터에서 인과 구조를 학습하여 개입과 반사실적 상황에 대해 추론할 수 있는 모델을 개발했다. 이러한 모델은 로봇 공학, 자연어 이해, 과학적 발견의 문제에 적용되었다.
그의 연구는 OpenAI, Google DeepMind, Anthropic과 같은 조직의 연구자들을 포함한 더 넓은 AI 커뮤니티에 영향을 미쳤으며, 이들은 더 인간형 AI를 구축하는 논의에서 그의 아이디어를 인용했다. 그는 또한 전 학생인 Brendan Lake와 '구성적 일반화' 개념에 대해 협력했으며, 이는 AI가 학습한 개념을 새로운 방식으로 재조합할 수 있는 방법을 탐구한다.
출판물과 영향
Tenenbaum은 MIT 웹 페이지와 Google Scholar에 광범위한 출판물 목록을 유지하며, 최고 수준의 저널과 학회에 수백 편의 논문을 발표했다. 그의 가장 많이 인용된 연구에는 개념 학습, 인과 귀납, 직관적 물리학의 베이지안 모델에 관한 논문과 인지에서 확률적 추론의 역할에 대한 영향력 있는 리뷰가 포함된다. 이러한 논문은 인지과학과 머신러닝 모두의 연구를 형성했으며, 대학원 과정에서 기초 참고 자료로 자주 사용된다.
그의 영향은 학계를 넘어선다. 그는 심리학, 신경과학, 철학의 통찰을 활용하는 더 학제 간적인 AI 접근 방식을 목소리 높여 옹호해 왔다. 그는 인공지능의 진전이 신경망을 확장하는 것뿐만 아니라 인간 지능의 원리를 이해하는 것을 요구할 것이라고 주장해 왔다. 이러한 비전은 생성형 AI와 머신러닝을 더 광범위하게 연구하는 연구자들에게 공감을 얻었다.
유산과 진행 중인 연구
Tenenbaum은 MIT에서 전산 인지과학 연구실을 계속 이끌며 새로운 세대의 연구자들을 멘토링하고 있다. 그의 연구실 프로젝트는 소수의 예시에서 학습, 인과 발견, 추론을 설명할 수 있는 AI 시스템 구축과 같은 주제를 아우른다. 그는 또한 대학과 그 너머의 연구를 통합하는 것을 목표로 하는 MIT Quest for Intelligence에 참여하고 있다.
그의 연구는 베이지안 인지과학을 주요 분야로 확립하는 데 기여했으며, 인간처럼 더 많이 학습하는 AI를 구축하려는 노력에 영감을 주었다. 2020년대 초반 현재, 그의 아이디어는 현재 AI 시스템의 한계, 특히 대량의 데이터를 요구하는 경향과 인과 추론의 어려움에 대한 논쟁에서 점점 더 관련성이 높아지고 있다. Tenenbaum의 연구는 더 효율적이고 더 유연하며 더 인간형 지능으로 가는 길을 제시하며, 이는 인지과학과 인공지능 모두에서 여전히 중심적인 목표로 남아 있다.