Justin Johnson은 컴퓨터 비전과 딥러닝을 전문으로 하는 컴퓨터 과학자이자 기업가이다. 그는 AI를 위한 대규모 세계 모델 구축에 주력하는 회사인 World Labs의 공동 창립자이며, 이전에는 스탠포드 대학교에서 교수직을 역임했다. 그의 연구는 시각 인식, 이미지 생성, 신경망의 해석 가능성 분야의 발전에 기여했다.
Johnson의 학문적 경력은 스탠포드에서 박사 학위를 취득하면서 시작되었으며, 그곳에서 Fei-Fei Li와 Leonidas Guibas를 포함한 교수들의 지도를 받았다. 그의 박사 연구는 대규모 시각 이해와 이미지에 대한 자연어 설명의 자동 생성을 탐구했으며, 이 주제는 컴퓨터 비전과 자연어 처리를 연결했다.
스탠포드에서의 경력
Johnson은 스탠포드 컴퓨터 과학과의 교수진에 합류하여 시각 인식을 위한 합성곱 신경망과 컴퓨터 비전을 위한 딥러닝에 관한 인기 강의를 가르쳤다. 그는 역전파와 딥 네트워크 훈련을 포함한 복잡한 주제를 명확하게 설명하는 것으로 유명했다. 그의 연구는 Stanford AI Lab과 MIT CSAIL 커뮤니티를 참조했지만, World Labs에 집중하기 위해 떠날 때까지 Stanford AI Lab에서 저명한 인물로 남았다.
스탠포드에서 Johnson은 시각적 근거와 이미지 검색을 포함한 비전과 언어를 결합한 프로젝트에서 다른 연구자들과 협력했다. 그의 연구는 종종 Residual Network (ResNet)과 U-Net과 같은 프레임워크를 활용하여 이미지 생성과 이해를 개선했으며, Generative AI와 Deep learning의 더 넓은 분야에 기여했다.
World Labs 공동 창립
2024년, Johnson은 Zhengyang Zhou를 포함한 다른 저명한 AI 연구자들과 함께 World Labs를 공동 창립했으며, 이후 Ilya Sutskever가 공동 창립한 회사와 합병되었다. 2025년 기준으로 World Labs는 대규모 세계 모델 구축에 주력하는 저명한 스타트업이 되었으며, 이 모델은 방대한 데이터로 훈련되어 3D 환경을 시뮬레이션하고 이해한다. Johnson의 역할은 시각적 추론과 Generative AI에 대한 그의 배경을 활용하여 기술 개발을 이끄는 것이다.
2025년까지 100억 달러 이상의 가치를 평가받은 World Labs는 Andreessen Horowitz와 NVIDIA와 같은 주요 기업으로부터 투자를 유치했으며, Johnson은 물리적 공간에 대한 AI 이해의 최전선을 발전시키기 위해 창립 팀에 합류했다. 이 회사의 작업은 종종 Machine learning과 Neural network 연구의 기술을 통합하며, Johnson은 모델 훈련을 위한 커리큘럼에 기여하고 있다.
연구 기여
Johnson의 연구 성과에는 시각적 질문 응답과 신경망 시각화 및 이해 도구 개발에 대한 중요한 작업이 포함된다. 그는 스탠포드에서 널리 사용되는 Deep learning 강의를 공동 저술했으며, 이는 Neural network 원리를 가르치는 핵심 자료가 되었다. 그는 또한 시스템이 이미지에 대해 다중 턴 대화를 수행하는 시각적 대화 프로젝트를 만드는 데 도움을 주었다.
그의 연구의 특징은 Generative AI와 기존 컴퓨터 비전을 결합하는 데 중점을 둔 것이다. 그의 작업은 Convolutional neural network과 Residual Network (ResNet) 아키텍처를 사용하여 이미지 분류와 의미론적 분할의 발전을 직접 탐구한다. 이는 Weight Initialization과 Batch Normalization과 같은 Neural network 최적화 기술의 실무 발전에 대한 그의 기여와 일치한다.
교육과 멘토링
스탠포드 재직 기간 동안 Johnson은 시각 인식을 위한 합성곱 신경망에 관한 강의인 CS231n을 가르쳤으며, 이는 Deep learning 커뮤니티 내에서 기초적인 과정이 되었다. 그의 강의는 Stochastic Gradient Descent Variants, Learning Rate Scheduling, Data Augmentation과 같은 주제를 다루며 명확성과 해결된 문제로 널리 칭찬받았다. 그는 또한 이후 OpenAI와 Google DeepMind의 연구 실험실에 합류한 많은 대학원생을 멘토링했다.
Johnson의 교육 스타일은 학생들에게 실용적인 경험을 제공하는 실습 과제를 통합했으며, Encoder-Decoder Architecture 모델과 Transformer (architecture) 아키텍처의 기술을 기반으로 했다. 그의 커리큘럼 설계 접근 방식은 Stanford AI Lab과 BAIR (Berkeley AI Research)를 포함한 많은 조직에서 모델로 삼았다.
수상 및 인정
Johnson은 2019년 NSF CAREER 상과 시각적 질문 응답 작업으로 CVPR 2016 최우수 논문상을 포함한 여러 상을 수상했다. 그의 분야에 대한 기여는 컴퓨터 비전과 Deep learning 전반에 걸친 수천 편의 논문에서 인용을 통해 입증되었으며, 윤리적 AI에 대한 그의 초점이 강조되었다. 그는 World Labs에서의 작업을 통해 대중에게 계속 정보를 제공하고 있다.
그의 작업은 Apple, Amazon Web Services, Google Cloud 자원과의 협력적 연결에서 비롯되었지만, 그의 소속은 독립적으로 유지된다. 2025년 기준으로 그는 상호작용을 시뮬레이션하기 위한 World model의 생성 모델에 초점을 맞춘 AI 환경의 핵심 인물로 간주된다.
향후 방향
World Labs를 기반으로 Johnson은 공간 지능의 과제를 해결하는 것을 목표로 한다. 그의 최근 연구는 명시적 지시 없이 비디오에서 학습하는 것을 강조하며, 이는 물리적 공간에 대해 추론할 수 있는 AI 시스템을 만드는 장기적 목표와 일치한다. 그의 접근 방식은 Machine learning의 원리를 물리학과 통합하며, 일정을 제시한다.