Joshua Brett Tenenbaum(1971년 출생)은 매사추세츠 공과대학교의 전산 인지 과학 교수이다. 그는 수리 심리학과 베이즈 인지 과학에 기여한 공로로 인정받고 있으며, 특히 인간이 제한된 데이터에서 학습하고 추론하는 방식을 설명하는 확률적 모델을 개발한 것으로 유명하다. 그의 연구는 인지 심리학과 인공지능을 연결하여 기계 학습을 인간과 유사한 유연성과 효율성에 더 가깝게 만드는 것을 목표로 한다.
Tenenbaum은 MIT의 전산 인지 과학 연구소를 이끌고 있으며, MIT Quest for Intelligence의 수석 연구원이다. 그는 2019년 맥아더 펠로우로 선정되었으며, 재단은 인간 인지 연구에 통계적 모델링을 적용한 그의 선구적 역할과 마음이 어떻게 적은 정보로부터 많은 것을 빠르게 이해하는지에 대한 과제를 해결하려는 노력을 강조했다.
초기 생애와 교육
Tenenbaum은 캘리포니아에서 성장했으며, 그의 어머니는 교사로, 아버지 Jay Martin Tenenbaum은 인터넷 상거래 선구자가 되었다. 부모님의 가르침과 배움에 대한 관심은 그의 초기 지적 방향을 형성했고, 예일 대학교 학부 시절 인지 심리학자 Roger Shepard와의 이후 교류는 지각과 추론에 대한 그의 관심을 강화했다.
그는 1993년 예일 대학교에서 물리학 학사 학위를 받았다. 그런 다음 매사추세츠 공과대학교로 진학하여 대학원 과정을 마치고 1999년 박사 학위를 취득했다. 그의 박사 연구는 인간 인지의 모델로서의 확률적 추론에 중점을 두었으며, 이는 그의 경력을 정의하는 주제가 되었다.
학문적 경력
박사 학위를 마친 후 Tenenbaum은 MIT 교수진에 합류하여 전산 인지 과학 교수가 되었다. 그는 컴퓨터 과학 및 인공지능 연구소(CSAIL)에 소속되어 있으며 전산 인지 과학 그룹을 이끌고 있다. 그의 연구소는 베이즈 모델과 행동 실험을 사용하여 사람들이 인과 구조를 추론하고, 개념을 학습하며, 희소한 예시에서 일반화하는 방식을 조사한다.
2018년 R&D 매거진은 Tenenbaum을 올해의 혁신가로 선정하여 인지 과학과 AI에 대한 그의 학제적 접근을 인정했다. 이듬해 맥아더 재단은 학습, 추론, 지각의 확률적 모델링에 대한 그의 연구를 언급하며 그에게 펠로우십을 수여했다. 그의 연구에는 AI 시스템이 인간 얼굴 인식을 모방하도록 가르치고 기계가 인과 관계를 이해하도록 프로그래밍하는 노력도 포함되어 있다.
연구 기여
Tenenbaum의 핵심 기여는 인지 과학에 베이즈 추론을 적용한 것이다. 그는 마음이 감각 입력에 대한 가장 가능성 높은 설명을 추론하고 제한된 예시에서 일반화하기 위해 확률적 계산을 수행한다고 주장한다. 이 프레임워크는 개념 학습, 인과 추론, 지각 조직을 모델링하는 데 사용되었으며, 인간 인지에 대한 통일된 설명을 제공한다.
그의 "학습하는 방법을 배우는" 연구와 계층적 베이즈 모델은 기계 학습에 영향을 주어 표준 딥 러닝 접근 방식으로는 여전히 어려운 몇 가지 예시에서 새 개념을 습득하는 시스템을 구축하는 방법을 제안했다. 그는 Brendan Lake와 같은 연구자들과 협력하여 "인간 수준의 개념 학습" 프로젝트를 진행했으며, 이 프로젝트는 확률적 프로그램이 단일 예시에서 손으로 쓴 문자를 학습할 수 있음을 보여주었다.
베이즈 인지 과학
Tenenbaum은 뇌가 확률적 추론을 수행한다고 다루는 베이즈 인지 과학 분야의 중심 인물이다. 그의 모델은 종종 사전 지식과 가능도 함수를 결합하여 범주화, 인과 추론, 의사 결정 작업에서 인간의 판단을 예측한다. 이러한 모델은 행동 데이터에 대해 검증되었으며, 평균 반응과 개인 간 변이를 모두 포착함을 보여준다.
그의 연구에서 핵심 아이디어는 계산적 제약 하에서 인간 행동이 최적의 통계적 추론에 근사한다고 가정하는 "합리적" 인지 분석이다. 이 관점은 수리 심리학에 영향을 주어 새로운 실험 패러다임과 정량적 방법을 고무시켰다.
AI와 인간 인지
Tenenbaum의 연구는 인공 지능과 인간 지능 사이의 격차를 좁히는 것을 목표로 한다. 그는 현재의 신경망과 대규모 언어 모델이 패턴 인식에는 뛰어나지만, 인간이 가진 구성적, 인과적, 직관적 물리 이해가 부족하다고 주장한다. 그의 연구소는 확률적 모델과 딥 러닝을 결합한 하이브리드 접근 방식을 탐구한다.
그는 인간과 기계 지능을 모두 발전시키기 위한 이니셔티브인 MIT Quest for Intelligence에 참여해 왔다. 이 프로젝트를 통해 그는 AI가 세상에 대한 직관적 이론과 같은 인지 과학의 원리를 기반으로 구축되어야 하며, 단순한 통계적 상관 관계가 아닌 방식을 장려했다.
수상 및 인정
맥아더 펠로우십 외에도 Tenenbaum은 학제 간 연구로 많은 영예를 받았다. 그는 인지 과학 학회의 펠로우로 활동했으며, 심리학 및 기계 학습 분야의 주요 저널 편집 위원회에서 일했다. 그의 논문은 인지 과학과 AI 학술지 모두에서 널리 인용되어 여러 분야에 걸친 그의 영향력을 반영한다.
2018년 R&D Magazine의 올해의 혁신가 상은 AI 연구를 변화시킬 그의 잠재력을 강조했다. 맥아더 재단의 인용문은 특히 확률적 모델이 인간 학습의 속도와 유연성을 보여주는 데 기여한 그의 역할을 언급했다.
출판물과 영향
Tenenbaum은 자신의 MIT 웹 페이지와 Google Scholar에 출판물 목록을 유지하고 있다. 그의 가장 많이 인용된 연구로는 개념 학습, 인과 귀납, 직관적 물리학에 대한 베이즈 모델에 관한 논문이 있다. 이러한 연구는 전산 인지 과학의 연구 의제를 형성했으며, 더 인간적인 시스템을 구축하려는 AI 연구자들에 의해 채택되었다.
그의 영향력은 복잡한 생성 모델을 표현하는 도구를 제공하는 확률적 프로그래밍 언어의 개발로 확장된다. 그는 이러한 언어를 인지 모델과 기계 학습 구현 사이의 다리로 옹호해 왔다.
유산과 향후 방향
Tenenbaum의 연구는 인지를 확률적 추론으로 이해하는 프레임워크를 확립하여 심리학과 AI 모두에 영향을 주었다. 그의 지속적인 연구는 기계가 물리와 인과성에 대한 직관적 이론을 획득하는 방법과 소수의 예시에서 학습하는 방법을 탐구한다. 2020년대 초반 현재 그의 연구소는 상징적 추론과 통계적 학습을 통합하는 모델을 개발하는 데 활발히 활동하고 있다.
그의 AI 비전은 인간 인지의 원리를 활용하여 시스템이 상식과 보이지 않는 상황에 대한 추론 능력을 갖추는 것이다. 이 의제는 그를 단지 강력할 뿐만 아니라 이해 가능하고 인간 사고 과정과 일치하는 인공 지능을 만드는 노력의 선도적 목소리로 자리매김하게 한다.