Kaiming He(중국어: 何恺明; 병음: Hé Kǎimíng)는 컴퓨터 비전과 딥러닝을 전문으로 하는 중국의 컴퓨터 과학자입니다. 그는 심층 신경망의 훈련에 혁명을 일으킨 잔차 신경망(ResNet) 아키텍처의 창시자 중 한 명으로 가장 잘 알려져 있습니다. 그는 매사추세츠 공과대학(MIT)의 부교수이며, 구글 딥마인드(Google DeepMind)의 특별 연구원으로 시간제로 일하고 있습니다.
그의 연구는 인공지능 분야, 특히 이미지 인식과 객체 탐지에 지대한 영향을 미쳤습니다. 그는 주요 학회에서 여러 차례 최우수 논문상을 수상했으며, 기초 AI 모델에 대한 기여로 인정받고 있습니다.
초기 생애와 교육
그는 중국 광둥성 광저우에 있는 광저우 지신 고등학교를 다녔습니다. 2003년에는 광둥성 대학 입학 시험에서 최고 총점을 기록했습니다. 이후 칭화대학에서 학사 학위를 2007년에 취득했습니다. 2007년부터 2011년까지는 홍콩 중문대학에서 정보 공학 박사 과정을 밟으며, 그곳의 멀티미디어 연구실(Multimedia Laboratory)에서 근무했습니다. 그는 2011년에 박사 학위를 받았으며, 논문 제목은 단일 이미지 안개 제거를 위한 다크 채널 가정으로, 탕 시아오우(Tang Xiao'ou) 교수 지도 아래 완성했습니다.
경력과 연구
그는 2011년부터 2016년까지 마이크로소프트 리서치 아시아(Microsoft Research Asia)에서 근무하며 컴퓨터 비전 분야의 초기 발전에 기여했습니다. 2016년에는 페이스북 인공지능 연구(Fair)에 합류했습니다. Fair는 현재 메타(Meta)의 일부이며, 그는 2024년까지 그곳에 있었습니다. Fair 재직 기간 동안 그는 여러 영향력 있는 논문을 공동 저술했는데, 특히 2016년 논문 심층 잔류 학습을 통한 이미지 인식에는 ResNet 아키텍처를 소개했습니다. 이 논문은 Google Scholar 보고서에 따르면 2020년과 2022년에 5년 동안 가장 많이 인용된 연구 논문으로 선정되었습니다. 2024년에는 매사추세츠 공과대학의 전기공학 및 컴퓨터 과학학과 부교수로 취임했습니다.
그의 ResNet 연구는 심층 신경망의 저하 문제를 스킵 연결을 도입하여 해결함으로써, 수백 개 또는 수천 개의 층으로 된 신경망을 훈련시킬 수 있게 했습니다. 이 혁신은 Machine learning 및 Artificial intelligence를 활용한 많은 현대 AI 시스템의 기반이 됩니다. 그는 또한 Neural network 접근을 픽셀 의미수준의 객체 탐지로 확장하는 인스턴스 분할 프레임워크인 Mask R-CNN 개발에도 기여했습니다.
수상과 인정
그는 여러 권위 있는 상을 수상했습니다. 2017년에는 국제 컴퓨터 비전 학술대회(ICCV)에서 마르 프리(Marr Prize) 최우수 논문상을 수상했습니다. 또한 2009년과 2016년에는 컴퓨터 비전 및 패턴 인식 학술대회(CVPR)에서 최우수 논문상을 받았습니다. 2023년에는 세 명의 협력자와 함께 심층 잔류 학습을 도입한 기초 AI 기여로 미래 과학상을 수상했습니다. 그의 연구는 Deep learning과 컴퓨터 비전 분야에서 널리 인용되고 있습니다.
영향과 유산
그의 연구는 이미지 분류부터 자율 주행까지 다양한 AI 응용프로그램 개발에 영향을 미쳤습니다. ResNet 아키텍처는 google-deepmind 구글]와 같은 선도적 AI 연구소를 포함한 많은현대 시스템에서 표준 구성 요소로 자리잡고 있습니다. 그의 기여는 Stanford AI Lab와 BAIR (Berkeley AI Research) 같은 기관의 연구자들의 작업도 형성했습니다. 모델 설계에 대한 그의 접근방식은 Transformer (architecture) 아키텍처와 같은 고급 모델에서도 채택되어 AI 커뮤니티의 아이디어 교류를 보여주었습니다.
현재 연구
2024년 현재 그는 MIT에 재직 중이며, 컴퓨터 비전과 딥러닝 연구를 계속하고 있습니다. 구글 딥마인드에서의 파트타임 역할은 AI의 경계를 넓히는 프로젝트 협력을 포함한 것으로, 현 대규모 AI 시스템의 개발에 중점을 두고 있습니다. 그의 작업은 Generative AI로 대표되는 신흥 기술의 개발에도 적용되고 있습니다.