쾅쿤

개요

쾅쿤(况琨, Kun Kuang)은 저장대학교 컴퓨터과학기술학원 부교수입니다. 인과추론(causal inference)과 머신러닝의 결합을 핵심 연구 주제로 삼아, 관측 데이터에서 인과 관계를 신뢰성 있게 추정하는 방법론을 개발합니다. 도구 변수(instrumental variable), 처치 효과 추정, 허위 상관 제거 등을 머신러닝 프레임워크 안에 통합하는 작업을 주도합니다.

2019년 칭화대학교에서 박사 학위를 취득한 뒤 저장대에 자리를 잡았으며, 이후 스탠퍼드대학교 수전 애시 교수 그룹에서 방문 연구원으로 경제학적 인과 방법론을 추가로 습득했습니다. SIGKDD, ICML, AAAI, IJCAI, TKDE 등 주요 학술대회와 저널에 40편 이상의 논문을 발표했습니다.

최근에는 인과추론의 적용 범위를 추천 시스템, 법률 AI, 대규모 언어 모델(LLM) 연계 분석으로 확장하면서, 인과 관점이 실용적 AI 시스템의 신뢰성을 높이는 방향으로 연구를 이어가고 있습니다.

생애

쾅쿤은 중국에서 학부와 대학원 과정을 거쳤습니다. 칭화대학교에서 펑추이(Peng Cui)와 시치앙양(Shiqiang Yang)의 공동 지도 아래 2019년 박사 학위를 받았습니다. 두 지도교수 모두 데이터 마이닝과 사회 네트워크 분석 분야에서 저명한 연구자로, 이 시기에 쾅쿤은 관측 연구에서의 편향 제거와 인과적 정규화 개념을 발전시켰습니다.

박사 졸업 후 저장대학교에 임용되어 현재까지 재직 중입니다. 중간에 스탠퍼드대학교 수전 애시(Susan Athey) 그룹에서 방문 연구원으로 활동하면서, 경제학의 준실험(quasi-experiment) 방법론과 머신러닝을 접목하는 시각을 키웠습니다.

2025년에는 ACM Computing Surveys에 도구 변수 방법론 서베이 논문을 발표하고, KDD 2025 Causal Inference and Machine Learning 워크숍을 공동 주관하는 등 학계 활동을 활발히 이어가고 있습니다.

업적

쾅쿤의 핵심 기여는 인과추론 방법론을 머신러닝 파이프라인에 통합한 일련의 연구입니다. 도구 변수 기반 처치 효과 추정, 인과적 정규화(causally regularized learning), 허위 상관 제거 등 관측 연구의 고질적 문제를 다루는 방법론을 제안했습니다. 이 연구들은 의료, 경제, 추천 시스템 등 다양한 응용 도메인에서 활용됩니다.

2025년 ACM Computing Surveys에 발표한 "Instrumental Variables in Causal Inference and Machine Learning: A Survey"는 도구 변수 방법론 전반을 정리한 포괄적 서베이로, 인과추론에 입문하는 연구자들에게 표준 참고문헌이 되고 있습니다. 같은 해 TKDE에 발표한 "Networked Instrumental Variable for Treatment Effect Estimation"은 네트워크 상호의존성을 인과 추정에 통합하는 방법론을 제시합니다.

AAAI 2026에 채택된 "Detecting Unobserved Confounders: A Kernelized Regression Approach"는 관측되지 않은 혼란 변수(unobserved confounders)를 커널 회귀로 탐지하는 방법을 제안합니다. 멀티모달 에이전트 연구인 MetaForge - A Self-Evolving Multimodal Agent that Retrieves, Adapts, and Forges Tools On Demand에도 공저자로 참여하면서, 도구 사용의 인과적 판단이라는 문제의식에 기여했습니다.

여담

쾅쿤의 연구는 "어떤 변수가 결과에 실제로 영향을 미치는가"라는 질문에서 출발합니다. 단순한 상관 관계를 넘어 인과 관계를 확인하려는 이 태도는 추천 시스템부터 법률 AI까지 다양한 응용에서 공통적으로 적용됩니다.

저장대학교는 중국 내 AI 연구의 거점 중 하나로, 쾅쿤은 이 환경에서 인과 AI 연구의 중심 인물로 자리잡고 있습니다. 공개된 홈페이지(kunkuang.github.io)를 통해 연구 목록과 데이터를 공유하는 방식으로 커뮤니티와 소통합니다.

KDD 2025 워크숍 공동 주관은 인과추론과 머신러닝의 교차점이 학계에서 독립적인 연구 영역으로 자리잡아 가고 있음을 보여주는 사례입니다. 쾅쿤은 이 흐름을 이론과 실용 양 방향에서 주도하는 연구자 중 한 명입니다.

주요 논문

• "Instrumental Variables in Causal Inference and Machine Learning: A Survey", ACM Computing Surveys, 2025 -- 도구 변수 방법론 전반 서베이.
• "Networked Instrumental Variable for Treatment Effect Estimation", TKDE, 2025 -- 네트워크 구조를 활용한 처치 효과 추정.
• "Detecting Unobserved Confounders: A Kernelized Regression Approach", AAAI 2026 -- 미관측 혼란 변수 탐지.
• "Causal Effect Estimation under Networked Interference without Networked Unconfoundedness Assumption", arXiv:2502.19741, 2025 -- 네트워크 간섭 하의 인과 효과 추정.
• "Collaboration of Large Language Models and Small Recommendation Models for Device-Cloud Recommendation", KDD 2025 -- LLM과 소형 추천 모델의 협업 설계.
• "Causal Distillation for Alleviating Performance Heterogeneity in Recommender Systems", 2024 -- 인과 증류로 추천 시스템 성능 편차 완화.
• "Proactive Recommendation in Social Networks: Steering User Interest with Causal Inference", arXiv:2409.08934, 2024 -- 소셜 네트워크 내 인과 기반 능동 추천.
• MetaForge - A Self-Evolving Multimodal Agent that Retrieves, Adapts, and Forges Tools On Demand -- 멀티모달 에이전트 도구 활용 연구 공저.