사라 후커

개요

사라 후커(Sara Hooker)는 모델 효율성, 알고리즘 편향, 머신러닝 공정성 분야로 알려진 컴퓨터 과학자이자 창업가입니다. Cohere의 연구 부사장(VP of Research)을 역임하며 Cohere For AI 연구 조직을 이끌었고, 그 이전에는 Google Brain에서 모델 압축과 해석 가능성을 연구했습니다. 2025년 Cohere를 떠나 Adaption Labs를 공동 창업하여 현재 CEO를 맡고 있습니다.

후커의 연구 철학은 "더 큰 모델, 더 많은 컴퓨트"라는 업계 주류 흐름에 맞서 모델 압축, 효율적 학습, 공정성 등 상대적으로 주목받지 못하는 병목을 해결하는 데 초점을 맞춥니다. 이 철학은 2020년 발표한 "The Hardware Lottery" 논문에서 가장 명확하게 드러납니다.

아일랜드 더블린 출신으로, 칼턴 칼리지(Carleton College)에서 학부를 마치고 밀라 퀘벡 AI 연구소(Mila)에서 박사 학위를 받았습니다.

생애

사라 후커는 아일랜드 더블린에서 태어났습니다. 칼턴 칼리지(Carleton College)에서 학부 과정을 마친 뒤, 캐나다 몬트리올의 Mila (Quebec AI Institute)에서 박사 학위를 취득했습니다. Mila는 요슈아 벤지오(Yoshua Bengio)가 이끄는 딥러닝 연구의 중심지로, 후커는 이곳에서 모델 압축과 해석 가능성에 대한 기초를 다졌습니다.

박사 졸업 후에는 Google Brain에 합류하여 시니어 리서처로 컴퓨터 비전과 NLP 분야의 대형 시스템을 구축했습니다. 이 시기에 모델이 성능, 해석 가능성, 경량성, 강건성이라는 복수의 기준을 동시에 만족해야 한다는 문제의식 아래 연구를 이어갔습니다.

이후 Cohere로 이직하여 VP of Research를 맡으며 연구 조직 Cohere For AI를 출범시키고, 해당 조직의 연구 장학생 프로그램인 Cohere For AI Scholars도 운영했습니다. 2025년 Cohere를 떠난 뒤에는 전 Cohere 추론 디렉터 Sudip Roy와 함께 Adaption Labs를 공동 창업했으며, Emergence Capital, Mozilla Ventures, Fifty Years가 리드한 5,000만 달러 시드 투자를 유치하였습니다.

업적

후커의 대표 연구 중 하나는 "What Do Compressed Deep Neural Networks Forget?"입니다. 로터리 티켓(Lottery Ticket) 가설과 모델 가지치기(pruning) 연구의 한계를 실증적으로 보인 논문으로, 압축 과정에서 모델이 무엇을 잃는지를 체계적으로 분석했습니다. 후속 연구인 "Characterising Bias in Compressed Models"에서는 데이터 편향이 모델 압축 시 어떻게 증폭되는지를 보여 공정성 문제를 기술적 차원에서 다루었습니다.

2020년 발표한 "The Hardware Lottery"는 후커의 이름을 AI 연구 커뮤니티에 각인시킨 논문입니다. 어떤 연구 아이디어가 성공하는지는 아이디어의 우수성보다 그 아이디어가 기존 GPU와 가속기 구조에 얼마나 잘 맞는지에 달려 있다는 주장을 역사적 사례와 함께 전개했습니다. AI 연구의 구조적 편향을 정면으로 지적한 이 논문은 학계와 업계 모두에서 광범위하게 인용되었습니다.

2026년 5월 13일 Adaption Labs는 첫 제품 AutoScientist를 공개했습니다. 모델 학습과 정렬 루프 자체를 자동화하는 시스템으로, 훈련 데이터와 모델 구성을 함께 공동 최적화하는 방식입니다. 사내 AI 리서처가 설정한 구성 대비 win rate를 48%에서 64%로 끌어올려 35% 향상을 달성한 수치를 공개했으며, 출시 후 30일간 무료 체험을 제공했습니다.

여담

사라 후커는 "스케일링 레이스에 반대하는 베팅"을 하는 학계 대표 인물 중 하나로 자주 언급됩니다. Anthropic, OpenAI, Google이 더 큰 모델과 더 많은 컴퓨트에 집중하는 동안, 학습 전문성 자체를 자동화하는 다른 병목을 푸는 방향을 잡았다는 평가를 받습니다.

AutoScientist 공개 직후 TechCrunch와의 인터뷰에서 후커는 "수년 동안 AI 연구자들은 AI 시스템이 인간보다 자기 자신을 더 잘 개선할 수 있는 순간을 기다려 왔다"고 밝혔습니다. Adaption Labs는 그 순간에 대한 하나의 실용적 응답을 제시하겠다는 입장입니다.

연구자이자 창업가로서 후커는 AI 공정성과 효율성이라는 다소 건조한 주제를 대중과 소통 가능한 방식으로 풀어내는 데 능하다는 평을 받습니다. Hardware Lottery 논문이 기술 커뮤니티 너머 일반 독자에게도 읽힌 것이 그 예입니다.

주요 논문

• What Do Compressed Deep Neural Networks Forget? (2019) — 모델 가지치기·압축 시 잃어버리는 정보를 체계적으로 분석
• The Hardware Lottery (2020) — 연구 아이디어의 성공이 기존 하드웨어 적합성에 달려 있다는 AI 연구의 구조적 편향 지적
• Characterising Bias in Compressed Models (2020) — 모델 압축 과정에서 데이터 편향이 증폭되는 메커니즘 실증
• Moving Beyond "Algorithmic Bias is a Data Problem" (2021) — 알고리즘 편향을 데이터 문제로만 환원하는 통념을 비판
• Intriguing Properties of Compression on Multilingual Models (2022, EMNLP) — 다언어 모델 압축 시 언어별 성능 저하 패턴 분석
• Metadata Archaeology: Unearthing Data Subsets by Leveraging Training Dynamics (2022) — 학습 다이내믹스를 활용해 데이터 서브셋을 역추적
• Intriguing Properties of Quantization at Scale (2023) — 대규모 양자화에서 나타나는 비직관적 특성 분석
• Large Language Models Are Not Zero-Shot Communicators (2023) — LLM의 화용론적 추론 능력의 한계 실증
• Critical Learning Periods: Leveraging Early Training Dynamics for Efficient Data Pruning (2023) — 초기 학습 단계 다이내믹스로 효율적 데이터 가지치기