미카엘 마티외

🏷️ 인물 딥러닝

개요

미카엘 마티외(Michaël Mathieu)는 프랑스 출신의 머신러닝 연구자로, 현재 Google DeepMind의 Staff Research Scientist로 재직 중입니다. 영상 예측에서의 적대 손실 적용, FFT 기반 합성곱 가속, 대규모 강화학습 등 여러 분야에 걸쳐 기여를 남겼습니다.

얀 르쿤 연구실 출신답게 시각 데이터를 다루는 딥러닝 구조에 강점을 보이며, 학계와 산업계를 넘나들며 실용적이고 수학적으로 탄탄한 연구를 이어가고 있습니다.

생애

마티외는 프랑스에서 교육을 받고 미국으로 건너와 NYU Courant Institute에서 얀 르쿤의 지도로 박사 과정을 밟았습니다. 박사 학위는 2017년 5월에 수여되었습니다. NYU 재학 중 다수의 저명한 논문을 발표하며 영상 처리와 합성곱 신경망 가속화 분야에서 이름을 알렸습니다.

박사 학위 취득 후 Google DeepMind에 합류했습니다. DeepMind에서는 강화학습과 비지도 학습 관련 연구에 참여했으며, StarCraft II를 주제로 한 AlphaStar 프로젝트에서 기여자 중 한 명으로 이름을 올렸습니다.

업적

마티외의 가장 널리 인용되는 작업은 2016년 ICLR에서 발표한 "Deep Multi-Scale Video Prediction Beyond Mean Square Error"입니다. 평균제곱오차(MSE)만으로 학습한 영상 예측 모델이 생성하는 흐릿한 미래 프레임 문제를 지적하고, 적대 손실(adversarial loss)과 다중 스케일 손실을 결합해 시각적으로 선명한 예측 프레임을 얻는 방법을 제시했습니다. 이는 GAN을 영상 예측에 본격 적용한 초기 시도 중 하나로 평가됩니다.

2014년 ICLR에서는 "Fast Training of Convolutional Networks through FFTs"를 발표해 FFT 기반 합성곱 가속 기법을 제안했습니다. 이 방법은 대형 커널을 쓰는 합성곱 연산에서 GPU 연산을 효율화하는 실용적 성과였습니다.

OverFeat 프로젝트에서는 학습 인프라와 ImageNet 대규모 실험을 담당하며, 얀 르쿤 연구실의 주요 컴퓨터 비전 성과 달성에 기여했습니다. DeepMind 이직 후에는 AlphaStar Unplugged(대규모 오프라인 강화학습) 등 대규모 강화학습 연구에도 참여했습니다.

여담

마티외는 NYU 시절 얀 르쿤 연구실이 가장 활발하던 시기를 함께했습니다. OverFeat, 문자 단위 텍스트 분류, 영상 예측 등 굵직한 연구들이 같은 공간에서 동시에 진행되던 시절의 멤버입니다.

GAN이 등장하기 전에 적대 손실의 유사 개념을 영상 예측에 적용했다는 점에서, 그의 2016년 논문은 생성 모델 연구의 흐름을 앞서 포착한 작업으로 종종 재조명됩니다.

주요 논문