Koray Kavukcuoglu

**코라이 카부쿠오글루(Koray Kavukcuoglu)**는 인공지능 연구자이자 경영진으로, 현재 Google DeepMind의 수석 부사장 및 Google의 최고 AI 아키텍트(Chief AI Architect)를 맡고 있습니다. 그는 Google DeepMind에서 딥러닝 및 강화 학습 분야의 업적으로 잘 알려져 있으며, Deep Q-Networks(DQN) 및 WaveNet과 관련된 연구에 기여했습니다. Google은 그가 DeepMind의 딥러닝 팀을 구축한 공로를 인정하고 있습니다.^[3][6] 2026년 8월, 그는 Google DeepMind의 일상적인 리더십을 맡아 순다르 피차이(Sundar Pichai)에게 직접 보고하며 Gemini 모델 개발, 프런티어 AI 연구, Gemini 앱 및 개발자 팀을 총괄하게 되었습니다.^[3][4][5]

학력

카부쿠오글루는 중동기술대학교(METU)에서 항공우주공학을 전공하여 학사 및 석사 과정을 마쳤습니다. 그의 2003년 석사 논문은 날개 플러터(wing flutter) 분석을 다루었습니다. 이후 뉴욕 대학교(NYU)에서 얀 르쿤(Yann LeCun)의 지도 아래 컴퓨터 과학 박사 학위를 취득했습니다. 그의 박사 학위 논문인 Learning Feature Hierarchies for Object Recognition(객체 인식을 위한 특징 계층 학습)은 2011년 1월에 제출되었습니다.^[9][10][11]

경력

박사 학위 취득 후, 카부쿠오글루는 뉴욕 대학교에서 박사후 연구원으로 근무하다가 2011년부터 2012년까지 NEC Laboratories America에서 연구원으로 재직하며 산업계로 진출했습니다. 그 이전의 엔지니어링 경력으로는 2001년 9월부터 2002년 9월까지 Roketsan에서 소프트웨어 및 제어 엔지니어로 근무했으며, 2000년에는 Siemens에서 인턴십을 거쳤습니다.^[2]​

카부쿠오글루는 NEC Laboratories America를 거쳐 2012년 연구원으로 DeepMind에 합류했으며, 이후 연구 이사(Director of Research), 연구 부사장(Vice President of Research)을 거쳐 2024년 1월부터 Google DeepMind의 최고 기술 책임자(CTO)를 역임했습니다.^[7][8][6] Google은 그가 DeepMind의 딥러닝 팀을 설립하고, 픽셀에서 직접 Atari 게임을 플레이하는 법을 배운 심층 강화 학습 알고리즘인 Deep Q-Networks(DQN)와 원시 오디오용 생성 모델인 WaveNet 관련 연구에 기여한 공로를 높게 평가합니다.^[3][6]

2025년 6월, Google DeepMind의 CTO로 재직하던 중 카부쿠오글루는 Google의 초대 최고 AI 아키텍트로 임명되었습니다. 이 직책은 CEO 순다르 피차이에게 직접 보고하는 새로운 수석 부사장직으로, Gemini 모델을 Google 제품에 통합하는 속도를 높이는 데 중점을 둡니다.^[1][8][7] 2026년 8월, 데미스 허사비스(Demis Hassabis)가 Google DeepMind의 의장 및 Alphabet의 최고 과학자(Chief Scientist)로 자리를 옮기면서, 그는 Google DeepMind의 수석 부사장이 되어 조직의 일상적인 운영을 책임지게 되었습니다. 이 직함으로 카부쿠오글루는 피차이에게 직접 보고하며 Gemini 모델 개발, 프런티어 AI 연구, Gemini 앱 및 개발자 팀을 감독합니다.^[3][4][5][6]

연구 및 기여

카부쿠오글루의 연구는 딥러닝, 강화 학습, 표현 학습(representation learning)에 집중되어 있으며, 특히 지각 작업을 위한 계층적 특징 표현 학습을 강조합니다.^[11] 뉴욕 대학교에서의 박사 과정 연구는 객체 인식을 위한 컨볼루션 및 에너지 기반 모델에 초점을 맞추었으며, 다층 신경망이 데이터로부터 유용한 시각적 특징을 자동으로 학습하는 방법을 탐구했습니다.^[11]

DeepMind에서 Google은 그가 조직의 딥러닝 팀을 구축하는 데 도움을 주었으며, 픽셀에서 직접 Atari 2600 게임을 플레이하는 법을 배운 심층 강화 학습 에이전트를 보여준 Deep Q-Networks(DQN)와 이후 음성 합성 시스템의 토대가 된 원시 오디오용 생성 모델인 WaveNet 연구에 기여한 점을 인정하고 있습니다.^[3] 그의 출판 기록은 NYU 시절의 학술 연구부터 DeepMind에서의 응용 연구에 이르기까지 폭넓으며, 딥러닝 및 강화 학습의 발전을 기록한 머신러닝 및 컴퓨터 비전 분야의 공동 저술 논문들이 포함되어 있습니다.^[11]