한국어EN
사람

Yoshua Bengio

딥러닝을 연구하고 AI 안전 단체를 세운 캐나다 과학자

11기록첫 기록 1994년최근 2026년 9월 23일

소개

국적
캐나다에서 활동 (프랑스 파리 출생, 12살에 몬트리올로 이주)
분야
딥러닝, 신경망 언어 모델, AI 안전
주요 경력
몬트리올대 교수(1993–), Mila 설립·과학 디렉터(2025년 봄까지)
현재(2026년 10월)
몬트리올대 교수, LawZero 공동대표·과학 디렉터, Mila 과학 고문, 국제 AI 안전 보고서 의장
주요 수상
튜링상(2018년도), 캐나다 훈장 오피서(2017), 영국 왕립학회 펠로(2020)

요슈아 벤지오는 1964년 프랑스 파리에서 태어나 12살 때 캐나다 몬트리올로 이주한 컴퓨터과학자예요. 캐나다 맥길대에서 컴퓨터공학 학사, 컴퓨터과학 석사와 박사(1991년) 학위를 받았어요. 미국 MIT와 AT&T 벨 연구소에서 연구한 뒤, 1993년 몬트리올대 교수가 되었어요. 2026년 10월 기준으로 몬트리올대 컴퓨터과학 교수이면서, AI 안전을 연구하는 비영리단체 LawZero의 공동대표이자 과학 디렉터예요.

벤지오는 신경망이 언어를 다루는 방법을 많이 연구했어요. 2000년 발표한 논문 '신경망 확률 언어 모델'에서는 단어 임베딩(단어의 뜻을 여러 개의 숫자 묶음으로 나타내는 방법)을 신경망 언어 모델에 도입했어요. 그의 연구팀은 이 방법에 어텐션(문장에서 중요한 부분에 더 집중하게 하는 장치)을 더해 기계 번역의 성능을 높였어요. 또 박사과정 학생이던 이언 굿펠로와 함께, 두 신경망이 서로 겨루며 배우는 생성적 적대 신경망(GAN)을 개발했어요.

벤지오는 몬트리올의 AI 연구소 Mila를 세웠고, 2025년 봄까지 과학 디렉터를 맡은 뒤 지금은 과학 고문으로 있어요. 2025년 6월에는 '설계 단계부터 안전한 AI'를 연구하는 LawZero를 세웠어요. LawZero는 스스로 행동하는 AI 대신, 세상을 이해하고 근거를 드러내며 정직하게 답하는 '과학자 AI'를 제안해요. 2026년 2월 나온 '국제 AI 안전 보고서'의 의장도 맡았어요. 캐나다 고등연구원(CIFAR)이 지정한 AI 석좌 교수이기도 해요. 2019년 힌턴, 르쿤과 함께 2018년도 튜링상을 받았고, 2017년 캐나다 훈장(오피서)을 받았어요. 그는 2023년에 남은 연구 인생을 AI의 심각한 위험을 줄이고 모두에게 이로운 AI를 만드는 일에 쓰기로 했다고 밝혔어요. 2025년 6월에는 '지금의 최첨단 AI 시스템이 이미 자기 보존과 속이는 행동의 징후를 보이고 있다'고 말했어요.

AI가 만든 글이 소개는 AI(Claude)가 위 출처 10곳(공식 페이지·공시·언론 보도)을 바탕으로 썼어요.만드는 방법

나온 기록 11

최신 순이에요. 기록을 누르면 출처와 함께 열려요.

Yoshua Bengio
같은 UN 안보리 회기에서 Yoshua Bengio 발언

같은 회기에서 랩(측정·보고)과 독립 과학자(사전 허가·책임보험)가 서로 다른 규제 모형을 내놓았다. 이 간극이 앞으로 국제 논의의 실제 전선이 된다. Bengio는 사례를 열거하면서 개별 출처를 달지 않았고 '독립 전문가들이 확인했다'는 서술에 그쳐, 사례 각각은 별도 검증이 필요하다

Yoshua Bengio
제2차 International AI Safety Report 발간(의장)

AI 위험 논의에 IPCC형 국제 합의 문서라는 형식을 도입. 각국 규제 논의의 공통 사실 기반

인물·담론공식 발표
Hendrycks·Bengio 외 29인
A Definition of AGI

AGI 정의를 수사에서 심리측정학적 척도로 이전, 최대 결손은 장기기억 저장

Yoshua Bengio
비영리 LawZero 설립 발표

안전 담론을 경고에서 대안 아키텍처 제안으로 전환. 비에이전트형 AI를 실행 가능한 기술 노선으로 제시

인물·담론공식 발표
Dzmitry Bahdanau·Kyunghyun Cho·Yoshua Bengio
Neural Machine Translation by Jointly Learning to Align and Translate arXiv 공개

고정 길이 벡터 병목을 어텐션으로 푼 논문. Transformer 셀프어텐션의 직접 선행

Yoshua Bengio·Aaron Courville·Pascal Vincent
Representation Learning

표현학습을 하나의 문제틀로 정리해 이후 분야의 표준 참고문헌이 됨

Xavier Glorot·Yoshua Bengio
Understanding the difficulty of training deep feedforward neural networks

활성함수와 초기화가 학습 안정성을 좌우함을 규명. Glorot 초기화의 기원

Yoshua Bengio 외
Greedy Layer-Wise Training of Deep Networks

층별 비지도 사전학습이 학습 난제를 완화함을 실험으로 보임

Yoshua Bengio 외
A Neural Probabilistic Language Model

단어를 밀집 벡터로 학습하는 신경 언어모형을 제시. word2vec 등 임베딩 계보의 직접 선행 연구

Yann LeCun·Léon Bottou·Yoshua Bengio·Patrick Haffner
Gradient-based learning applied to document recognition

합성곱·풀링·완전연결을 결합한 실용 CNN 구조를 정립하고 MNIST를 표준 시험대로 만듦

Yoshua Bengio·Patrice Simard·Paolo Frasconi
Learning long-term dependencies with gradient descent is difficult

순환신경망의 장기 의존성 학습 곤란을 이론·실험으로 확인해 후속 구조 개발의 동기가 됨