토머스 G. 디테리히는 미국의 컴퓨터 과학자이자 오리건 주립 대학교의 컴퓨터 과학 명예 교수이다. 그는 기계 학습 분야의 선구자 중 한 명으로 인정받으며, 현대 인공지능 연구를 형성한 기초 알고리즘과 프레임워크를 기여했다. 그의 연구는 다중 클래스 분류, 계층적 강화 학습, 통계적 방법을 확률 모델에 통합하는 작업에 걸쳐 있으며, 생태학에서 컴퓨터 보안에 이르는 응용 분야를 포함한다.
디테리히는 또한 1992년부터 1998년까지 저널 Machine Learning의 편집장을 역임하고 Journal of Machine Learning Research의 공동 창립을 도우며 기계 학습의 학문적 인프라에서 핵심적인 역할을 했다. 그는 인공지능의 위험과 이점에 대한 공개 토론에서 저명한 목소리를 내며, 내셔널 퍼블릭 라디오, Business Insider, 마이크로소프트 리서치, CNET, The Wall Street Journal과 같은 미디어에 학문적 관점을 제공했다.
초기 생애와 교육
토머스 디테리히는 1954년 매사추세츠주 사우스 웨이머스에서 태어났다. 그의 가족은 뉴저지로 이주한 후 일리노이로 옮겼으며, 그곳에서 네이퍼빌 센트럴 고등학교를 졸업했다. 이후 오벌린 칼리지에 진학하여 1977년 수학 학위를 취득했으며, 확률과 통계에 중점을 두었다. 1977년 여름에는 오벌린 칼리지의 기획 및 연구 이사 보조로 일했다.
디테리히는 이후 2년 동안 어바나-샴페인에 있는 일리노이 대학교에서 보냈으며, 그 후 스탠포드 대학교에서 컴퓨터 과학 박사 과정을 시작했다. 그는 1979년부터 1984년까지 휴리스틱 프로그래밍 프로젝트에서 연구 조교로 일한 후 1984년에 박사 학위를 받았다. 1979년 여름에는 일리노이주 네이퍼빌에 있는 벨 전화 연구소에서 기술 직원으로 근무하며 컴퓨터 간 파일 전송과 원격 교환 시스템에 대한 마이크로코드 배포 작업을 수행했다.
오리건 주립 대학교에서의 학문적 경력
1984년, 디테리히는 오리건주 코발리스로 이주하여 오리건 주립 대학교의 컴퓨터 과학 조교수로 합류했다. 그는 1988년 부교수로, 1995년 정교수로 승진했다. 2013년에는 석좌 교수로 임명되었으며, 2016년 은퇴할 때까지 그 직위를 유지했다. 또한 2005년부터 전기 공학 및 컴퓨터 과학 학부의 지능형 시스템 연구 책임자를 역임했다.
경력 동안 디테리히는 여러 차례 안식년과 산업계 직책을 맡았다. 1991년부터 1993년까지 사우스 샌프란시스코에 있는 아리스 제약 회사의 선임 과학자로 일했다. 그는 마이스트랜즈 사(2004–2005)와 스마트 데스크톱 사(2006–2008)의 최고 과학 책임자를 지냈다. 1998–1999년에는 스페인 바르셀로나에 있는 인공지능 연구소의 방문 선임 과학자로 활동했다. 2011년부터는 코발리스에 본사를 둔 기계 학습 회사인 빅ML의 최고 과학 책임자로 재직 중이다.
연구 기여
디테리히의 연구는 기계 학습에서 여러 영향력 있는 방법을 탄생시켰다. 그는 오류 정정 출력 코딩을 고안했는데, 이는 다중 클래스 분류 문제를 여러 이진 분류기로 분해하고 오류 정정 코드를 사용하여 출력을 결합함으로써 분류 성능을 향상시키는 기법이다. 그는 또한 다중 인스턴스 문제를 공식화했는데, 이는 개별 인스턴스가 아닌 인스턴스 묶음에 레이블이 연결되는 학습 패러다임으로, 약물 설계와 이미지 분석에 응용된다.
강화 학습에서 디테리히는 복잡한 작업을 하위 작업으로 분해하여 더 효율적인 학습과 계획을 가능하게 하는 계층적 강화 학습을 위한 MAXQ 프레임워크를 개발했다. 그는 또한 비모수 회귀 트리를 확률적 그래픽 모델에 통합하는 방법을 기여하여 통계적 기계 학습과 구조적 예측 사이의 간극을 메웠다.
디테리히는 기계 학습의 모든 측면에 관심을 표현했으며, 세 가지 주요 방향이 있다: 통합 지능형 시스템 구축, 인간-컴퓨터 협업 촉진, 생태 과학 및 생태계 관리에 기계 학습 적용. 그의 계산 지속 가능성 연구에는 산불 관리, 침입 식생, 철새 이동 모델링 프로젝트가 포함된다. 예를 들어, 그는 코넬 조류학 연구소와 협력하여 2012년 3월까지 310만 개 이상의 조류 관찰 데이터를 수집한 시민 과학 플랫폼인 이버드의 데이터를 분석하고 기계 학습을 사용하여 이동 패턴을 발견했다.
전문 서비스 및 리더십
디테리히는 기계 학습 및 AI 커뮤니티 조직에 깊이 관여해 왔다. 그는 전국 인공지능 학회(AAAI-90)의 기술 프로그램 공동 위원장, 신경 정보 처리 시스템 학회(NIPS-2000)의 기술 프로그램 위원장, NIPS-2001의 총괄 위원장을 역임했다. 그는 국제 기계 학습 학회의 창립 회장이었으며, 창립 이후 이사회 구성원으로 남아 있다. 또한 아시아 기계 학습 학회의 운영 위원회에서 활동하고 있다.
수년 동안 디테리히는 MIT 프레스의 적응 계산 및 기계 학습 시리즈의 편집자였으며, 모건 클레이폴 합성 시리즈의 인공지능 및 기계 학습 편집을 공동으로 맡았다. 그는 또한 인공지능 발전 협회(AAAI)의 회원으로 활동하며 2014년부터 2016년까지 회장을 역임했다.
AI 위험에 대한 관점
디테리히는 인공지능의 위험에 대해 신중한 관점을 제시하며, 가장 현실적인 위험은 기계가 초강력해지거나 인류를 파괴하는 것이 아니라 기본적인 실수, 고장, 사이버 공격이라고 주장한다. 그는 자의식을 가진 기계가 인간을 멸종시키는 시나리오를 과학적 사실보다는 공상 과학에 가깝다고 본다. 그러나 컴퓨터 시스템에 점점 더 위험한 작업이 주어지고 경험을 통해 학습하도록 요구됨에 따라 오류를 범할 수 있음을 인정한다. 그는 AI 안전 커뮤니티의 많은 작업이 사고와 설계 결함에 초점을 맞추고 있으며, 이는 기술적 신뢰성이 주요 관심사라는 자신의 관점과 일치한다고 지적한다.
유산과 영향
디테리히의 기여는 이론적 및 응용 기계 학습 모두에 영향을 미쳤다. 그의 오류 정정 출력 코딩과 MAXQ 프레임워크는 널리 인용되고 다양한 영역에서 사용된다. 계산 지속 가능성에 대한 그의 옹호는 연구자들이 환경 문제에 기계 학습을 적용하도록 영감을 주었다. 편집 역할과 학회 리더십을 통해 그는 심층 학습과 생성형 AI 연구의 중심 분야로 성장한 현대 기계 학습 커뮤니티의 인프라를 구축하는 데 기여했다.
디테리히의 경력은 엄격한 과학과 실용적 영향에 대한 헌신을 반영한다. 2016년 오리건 주립 대학교에서 은퇴한 후에도 그는 자문 역할과 공개 논평을 통해 이 분야에 계속 참여하고 있다. 그의 연구는 복잡한 분류 및 강화 학습 문제를 다루는 연구자들에게 여전히 참조점으로 남아 있으며, AI 위험에 대한 그의 관점은 지능형 시스템의 안전한 배포에 관한 논의에 계속 정보를 제공하고 있다.