MIT-IBM Watson AI Lab 시드 투 시그널: 초기 경력 교수진의 영향력 증대
Source: MIT News - AI
교수진 경력 초기 단계는 연구자들의 연구 방향을 결정짓는 견고한 기반을 마련하는 형성기이자 흥미로운 시기입니다. 여기에는 혁신적인 아이디어와 방향성을 제시하고, 창의적인 협업자를 찾으며, 신뢰할 수 있는 자원을 확보하는 연구팀 구축이 포함됩니다.
인공지능을 연구하고 활용하는 MIT 교수진에게는 MIT‑IBM Watson AI Lab과의 초기 프로젝트 참여가 야심찬 연구 주제를 촉진하고 생산적인 연구 그룹을 형성하는 데 중요한 역할을 해왔습니다.
Building momentum
“MIT‑IBM Watson AI Lab은 제가 성공하는 데 크게 중요한 역할을 했습니다. 특히 제가 시작할 때 말이죠,” 라고 Jacob Andreas—전기공학 및 컴퓨터과학 학과(EECS) 부교수이자 MIT 컴퓨터과학 및 인공지능 연구소(CSAIL) 소속이며 MIT‑IBM Watson AI Lab 연구원—가 말합니다. 그는 자연어 처리(NLP)를 연구합니다.
MIT에 합류한 직후, Andreas는 연구실을 통해 첫 번째 주요 프로젝트를 시작했으며, 저자원 언어를 위한 언어 표현 및 구조화 데이터 증강 방법을 연구했습니다.
“그것이 바로 제가 연구실을 열고 학생들을 모집하기 시작하게 만든 계기였습니다.”
Andreas는 이 시기가 중요한 전환점이었으며, NLP 분야가 대규모 언어 모델로 급격히 이동하고 있었고, 이는 훨씬 더 많은 연산 능력을 필요로 했으며, 그 연산 능력이 MIT‑IBM Watson AI Lab을 통해 제공되었다고 언급합니다.
“우리 팀이 그 [첫 번째] 프로젝트에서 수행한 작업과 IBM 측 파트너들과의 협업은 그 전환을 어떻게 헤쳐 나갈지 파악하는 데 큰 도움이 되었습니다.”
그 후 Andreas 그룹은 MIT‑IBM 커뮤니티 내의 컴퓨팅 자원과 전문 지식을 바탕으로 사전 학습, 강화 학습, 신뢰할 수 있는 응답을 위한 보정 등 다년간 프로젝트를 진행할 수 있었습니다.
다른 여러 교수진에게도 MIT‑IBM Watson AI Lab과의 시기 적절한 협업은 큰 이점을 제공했습니다.
“지적 지원과 MIT‑IBM 내의 컴퓨팅 자원을 활용할 수 있었던 점이 제 연구 프로그램에 완전히 변화를 주었고, 매우 중요했습니다,” 라고 Yoon Kim—EECS 부교수, CSAIL 소속, 그리고 MIT‑IBM Watson AI Lab 연구원—이 말합니다.
MIT에 합류하기 전, Kim은 MIT‑IBM 박사후 연구원으로서 미래의 협업자를 만났으며, 그때 신경‑기호 모델 개발을 진행했습니다. 현재 Kim 팀은 대규모 언어 모델(LLM)의 능력과 효율성을 향상시키는 방법을 개발하고 있습니다.
그가 성공의 요인으로 꼽는 한 가지는 지적 파트너와의 원활한 연구 프로세스입니다. 이를 통해 그의 MIT‑IBM 팀은 다음을 수행할 수 있었습니다:
- 프로젝트 신청하기.
- 대규모 실험 진행하기.
- 병목 현상 파악하기.
- 기술 검증하기.
- 필요에 따라 조정하여 실제 적용 가능성이 있는 최첨단 방법을 개발하기.
“이것이 새로운 아이디어의 원동력이 되며, 저는 이 관계가 독특하다고 생각합니다,” 라고 Kim이 말합니다.
전문성 통합
MIT‑IBM Watson AI Lab의 본질은 AI 분야의 연구자들을 모아 연구를 가속화할 뿐만 아니라, 학문 간 협업을 융합한다는 점에 있다.
랩 연구원이며 MIT 전기공학·컴퓨터공학부(EECS)와 CSAIL 부교수인 Justin Solomon은 자신의 연구 그룹이 랩과 함께 성장했으며, 협업이 “시작부터 지금까지 중요했다”고 설명한다. Solomon 팀은 컴퓨터 그래픽, 비전, 머신러닝과 관련된 이론적·기하학적 문제에 초점을 맞춘다.
Solomon은 MIT‑IBM 협업 덕분에 자신의 기술 역량과 그룹 연구의 적용 범위가 확대되었다고 평가한다. 이와 같은 감정은 랩 연구원 Chuchu Fan(항공우주학부 부교수이자 정보·결정 시스템 연구소 소속)과 Faez Ahmed(기계공학부 부교수)도 공유한다.
“그들[IBM]은 엔지니어링에서 매우 복잡한 문제들을 우리 팀이 작업할 수 있는 수학적 자산으로 변환하고, 루프를 닫을 수 있게 해준다.”라고 Solomon이 말한다.
Solomon에게 이는 서로 다른 데이터셋으로 별도 작업을 위해 훈련된 다양한 AI 모델을 융합하는 것을 포함한다. “이 모든 분야가 정말 흥미진진한 영역이라고 생각한다.”고 덧붙인다.
“이 초기‑경력 프로젝트[MIT‑IBM Watson AI Lab와 함께]가 내 연구 의제를 크게 형성했다.”라고 Fan이 말한다. Fan의 연구는 로봇공학, 제어 이론, 안전‑중요 시스템을 교차한다. Kim, Solomon, Andreas와 마찬가지로 Fan과 Ahmed는 MIT에 입학한 첫 해에 협업을 통해 프로젝트를 시작했다. 그들이 다루는 문제는 제약과 최적화가 핵심이며, AI 외의 깊은 도메인 지식이 요구된다.
MIT‑IBM Watson AI Lab와의 협업을 통해 Fan의 그룹은 형식적 방법(formal methods)과 자연어 처리(NLP)를 결합할 수 있었으며, 이를 통해 로봇을 위한 자동 회귀(task‑ and motion‑planning) 개발에서 여행 계획, 의사결정, 검증을 위한 LLM‑기반 에이전트 생성으로 나아갈 수 있었다.
“그 작업은 자유형 자연어를 로봇이 이해하고 실행할 수 있는 명세로 변환하기 위해 LLM을 처음으로 탐색한 사례다. 나는 이 점이 매우 자랑스럽고, 당시에는 매우 어려운 일이었다.”
또한 공동 연구를 통해 그녀의 팀은 LLM 추론 능력을 향상시킬 수 있었으며, 이는 “IBM 지원 없이는 불가능했을 것”이라고 말한다.
랩을 통해 Faez Ahmed는 복잡한 기계 시스템 내에서 발견과 설계를 가속화하는 머신러닝 방법 개발을 촉진했다. 그들의 Linkages 프로젝트는 예를 들어 “생성적 최적화(generative optimization)”를 활용해 데이터‑주도적이면서도 정밀한 방식으로 엔지니어링 문제를 해결한다; 최근에는 …(필요에 따라 계속).
다중‑모달 데이터와 LLM을 활용한 컴퓨터‑지원 설계
Ahmed는 AI가 이미 해결 가능한 문제에 적용되는 경우가 많지만, 속도나 효율성을 높일 수 있다고 말한다. 그러나 “거의 풀 수 없다고 여겨졌던” 기계식 연결고리와 같은 도전 과제도 이제는 접근 가능해졌다.
“그것이 바로 우리 MIT‑IBM 팀의 특징이라고 생각한다.”라고 Ahmed가 말하며, IBM의 Akash Srivastava와 Dan Gutfreund가 공동으로 이끄는 MIT‑IBM 그룹의 성과를 높이 평가한다.
각 MIT 교수와의 초기 협업은 지속적인 지적 관계로 발전했으며, 양측 모두 “과학에 대한 열정”과 “학생‑주도”임을 강조한다고 Ahmed는 덧붙인다.
Jacob Andreas, Yoon Kim, Justin Solomon, Chuchu Fan, 그리고 Faez Ahmed의 경험은 견고하고 실질적인 학계‑산업 관계가 연구 그룹을 설립하고 야심찬 과학 탐구를 추진하는 데 어떤 영향을 미칠 수 있는지를 보여준다.