Michael Kearns는 미국의 컴퓨터 과학자이자 펜실베이니아 대학교의 교수로, 컴퓨터 및 정보 과학 학과와 와튼 스쿨에서 겸직을 맡고 있다. 그는 알고리즘 게임 이론, 기계 학습, 그리고 인공지능 시스템의 공정성과 투명성 연구에 기여한 것으로 알려져 있다. Kearns는 또한 Google DeepMind에서 연구원으로 활동했으며, AI의 사회적 영향에 대한 논의에서 두드러진 목소리를 내왔다.
Kearns는 1989년 하버드 대학교에서 컴퓨터 과학 박사 학위를 받았으며, 지도 교수는 Leslie Valiant였다. 그의 초기 연구는 계산 학습 이론에 집중되었으며, 불리언 공식 학습을 위한 효율적인 알고리즘 개발과 PAC(probably approximately correct) 학습 모델 분석을 포함했다. 이후 그는 연구 범위를 알고리즘 게임 이론으로 확장하여, 내시 균형 계산의 복잡성과 전략적 환경에서의 메커니즘 설계를 연구했다.
학문적 경력
Kearns는 카네기 멜론 대학교에서 교수로 학문적 경력을 시작한 후, 2002년 펜실베이니아 대학교로 옮겼다. 펜실베이니아 대학교에서 그는 네트워크 시스템 및 보안 연구소를 공동 설립했으며, 학제 간 워렌 네트워크 데이터 센터에서 핵심 인물로 활동했다. 그는 또한 MIT CSAIL과 스탠포드 AI 연구소에서 방문 직위를 역임했다. 그의 강의는 기계 학습, 알고리즘 게임 이론, AI 윤리 등의 주제를 다루었다.
연구 기여
Kearns는 여러 분야에서 중요한 기여를 했다. 계산 학습 이론에서 그는 "통계적 질의" 개념을 도입하고 그러한 질의로부터 학습의 한계를 증명했다. 알고리즘 게임 이론에서는 영향력 있는 저서 "The Complexity of Nash Equilibria"를 공동 저술했으며, 내시 균형을 찾는 것이 PPAD-완전 문제임을 보여주어 이 분야의 방향을 정립했다. 최근 그의 연구는 기계 학습의 공정성, 특히 다양한 인구 집단 간 비차별적 결과를 보장하는 알고리즘 개발에 초점을 맞추고 있다. 그는 또한 금융 및 사회적 맥락에서 신경망과 딥러닝의 사용을 탐구했다.
산업 및 정책 활동
학계 외에도 Kearns는 Google DeepMind에서 연구원으로 일하며 알고리즘 공정성과 해석 가능성 프로젝트에 기여했다. 그는 또한 다양한 기술 기업과 정부 기관, 예를 들어 국립 과학 재단과 백악관 과학 기술 정책 사무소의 자문 역할을 수행했다. 그는 AI의 윤리적 함의에 대해 의회에서 증언했으며, 알고리즘 편향과 대규모 언어 모델 규제와 같은 주제에 대해 미디어에서 자주 논평해 왔다.
수상 및 인정
Kearns는 연구로 많은 상을 받았으며, 2012년 내시 균형의 복잡성 연구로 괴델 상을, 1991년 대통령 젊은 연구자 상을 수상했다. 그는 컴퓨터 기계 협회와 미국 과학 진흥 협회의 펠로우이다. 2023년에는 알고리즘 게임 이론과 기계 학습에 대한 기여로 미국 공학 아카데미에 선출되었다.
주요 출판물
Kearns는 100편 이상의 논문과 여러 권의 저서를 저술했다. 주목할 만한 출판물로는 "The Computational Complexity of Nash Equilibria"(Christos Papadimitriou 외 공저), "An Introduction to Computational Learning Theory"(Umesh Vazirani 공저), 그리고 "Fairness in Machine Learning: A Survey"(Aaron Roth 공저)가 있다. 그의 연구는 수만 번 인용되었으며 AI의 이론 및 응용 연구에 영향을 미쳤다.
개인 생활
Kearns는 결혼했으며 두 자녀를 두고 있다. 그는 열정적인 러너로 여러 마라톤을 완주했다. 또한 예술 교육을 지지하며 지역 극장 회사의 이사회에서 활동했다.