저우밍

저우 밍
周明
성별남성
국적중국
시민권중국
상훈ACL Fellow (2023)[1]
웹사이트Google Scholar
저우 밍
한글 표기: 저우 밍
한자 표기: 周明
공식 로마자 표기: Zhou Ming

저우 밍(중국어 간체자: 周明, 영어: Ming Zhou)은 중국의 자연어 처리(NLP) 및 기계 번역 분야 연구자이자 기업인이다.[2][3][4][5][6] 마이크로소프트 리서치 아시아(MSRA)에서 자연어 처리 연구를 이끌었고 2019년 국제 계산언어학회(ACL) 회장을 지냈다.[2] 2020년 말 MSRA를 떠난 뒤 이노베이션웍스의 지원으로 2021년 베이징 랑보트 테크놀로지( Langboat Ltd )를 창업하여 대표이사(CEO)를 맡고 있다.[4] 그는 하얼빈 공업대학에서 1991년 박사학위를 받았고, 같은 해부터 칭화 대학에서 연구와 강의를 병행했으며, 1999년 MSRA에 합류하였다. 대규모 사전학습 언어모델 UNILM 공동 개발에 참여했으며, 2018년에는 중국어–영어 뉴스 번역 데이터셋에서 인간과 유사한 번역 품질에 도달한 신경망 기반 번역 시스템 발표에 기여했다.[7] 2023년 ACL Fellow로 선정되었다.[1]

생애

저우는 하얼빈 공업대학에서 1991년 컴퓨터과학 박사학위를 받았다. 박사 과정 연구로 중국 초기의 중국어–영어 기계 번역 시스템(CEMT‑I)을 구축했다. 1991년부터 1999년까지 칭화 대학에서 박사후 연구와 강의를 수행했고, 1993년부터 1999년까지 일본 고덴샤에서 중일 기계 번역 제품 ‘J‑Beijing’의 개발을 이끌었다. 1999년 MSRA에 합류하여 자연어 처리(NLP) 그룹을 조직·주도했고 이후 부원장(Assistant Managing Director)으로서 MSRA의 NLP 연구를 총괄했다.[5] 2020년 말 MSRA를 떠나 이노베이션웍스에 합류한 뒤 창업을 준비했고,[4] 2021년 베이징 랑보트 테크놀로지를 설립하였다.

경력

  • 1991–1999: 칭화 대학 — 박사후 연구·강의
  • 1993–1999: 고덴샤(일본) — 중일 기계 번역 제품 ‘J‑Beijing’ 개발 리드
  • 1999–2020: 마이크로소프트 리서치 아시아 — 자연어 처리 그룹 리더; 부원장(Assistant Managing Director)[5]
  • 2019: 국제 계산언어학회(ACL) — 회장(President)[2]
  • 2020–2021: 이노베이션웍스(Sinovation Ventures) — 수석과학자(창업 인큐베이션)[4]
  • 2021–현재: 베이징 랑보트 테크놀로지 — 창업자·CEO

연구와 학문적 관점

저우의 연구는 통계적 기계 번역에서 신경망 기계 번역으로의 이행을 주도하는 과정에서 대규모 말뭉치 수집·정렬·디코딩 기법을 확장하는 데 주안점을 두었다. 그는 사전학습 언어모델을 언어 이해와 생성 작업에 동시에 적용하는 통합 아키텍처(UNILM)에 기여했으며, 회복적 학습·데이터 증강·추론 최적화 등을 통해 번역·질의응답·요약 등 실제 제품군(Windows, Office, Azure, Cognitive Service, Xiaoice)의 성능 향상과 상용화를 이끌었다. 또한 중국–영어 뉴스 번역에서의 인간 수준 성과 달성 프로젝트를 통해 신경망 번역의 한계를 데이터셋·평가 체계 측면에서 구체화하였다.[7]

주요 업적 및 성과

  • 중국 초기의 중국어–영어 기계 번역 시스템 CEMT‑I 설계·구현(1991).
  • 중일 기계 번역 제품 ‘J‑Beijing’ 연구개발(1993–1999).
  • MSRA 자연어 처리 그룹을 이끌며 통계적 번역에서 신경망 번역으로의 전환 가속화(1999–).[5]
  • 통합 사전학습 언어모델 UNILM 공동 개발(2019).
  • 세계인터넷대회(WIC)에서 UNILM이 ‘세계 인터넷 선도 과학기술 성과’로 선정(2019).[8]
  • 중국어–영어 뉴스 번역에서 인간 수준 번역 품질 달성에 기여(2018).[7]

리더십 및 대외 활동

저우는 2019년 국제 계산언어학회(ACL) 회장을 맡았고, 이후 아시아·태평양 지역의 학회 기반 확충(AACL 출범 기여)을 포함해 집행위원 활동을 이어갔다.[2] 2023년 ACL Fellow로 선출되었으며,[1] 중국컴퓨터학회(CCF) 부회장으로서 산업·학계 연계를 주도하였다.[3]

수상

  • ACL Fellow (2023)[1]
  • 세계인터넷대회 ‘세계 인터넷 선도 과학기술 성과’(UNILM, 2019)[8]

논문

  • 마 수밍; 장 둥둥; 저우 밍. 2020. 〈문서 수준 기계 번역을 위한 단순하고 효과적인 통합 인코더 (A Simple and Effective Unified Encoder for Document‑Level Machine Translation)〉, Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 3505–3511. doi:10.18653/v1/2020.acl-main.321.[9]
이 논문은 문서 전체 맥락을 한 번에 다루는 인코더 구조를 제안한다. 방법은 문장 간 연결 정보를 단순한 구조로 통합해 구현 복잡도를 낮춘다. 실험은 여러 데이터셋에서 일관된 번역 품질 향상을 보인다. 핵심 아이디어는 간단하지만 문서 수준에서 필요한 정보를 충분히 반영한다. 따라서 실용적인 문서 번역 시스템의 기반을 제공한다.
  • 허 징; 저우 밍; 장 룽. 2012. 〈통계적 기계 번역 모델을 이용한 중국 고전시 자동 생성 (Generating Chinese Classical Poems with Statistical Machine Translation Models)〉, Proceedings of the AAAI Conference on Artificial Intelligence 26(1): 1650–1656. doi:10.1609/aaai.v26i1.8344.[10]
이 논문은 키워드를 입력하면 고전시 형식에 맞게 시를 생성하는 방식을 제안한다. 통계적 번역 모델을 이용해 다음 구절을 예측하고 운율 제약을 필터로 반영한다. 자동 평가 기준을 설계해 결과의 품질을 수치로 비교한다. 사람 평가에서도 일정 수준의 미적 일관성을 확인한다. 초기 시 생성 연구의 대표적 방법론을 제시한다.
  • 장 룽; 위 모; 저우 밍; 류 샤오화; 자오 티에쥔. 2011. 〈타깃 의존 트위터 감성 분류 (Target‑dependent Twitter Sentiment Classification)〉, Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: HLT, 151–160. doi:10.5555/2002472.2002492.[11]
이 논문은 문장 전체 감성 대신 특정 대상에 대한 감성을 분류하는 문제를 다룬다. 트위터 문장의 짧음과 잡음 문제를 구조적으로 처리한다. 목표 대상 주변의 문맥을 강조하는 특징을 설계한다. 결과는 기존 전체 문장 분류보다 더 정확한 판단을 보여준다. 제품 리뷰나 이슈 분석 등 실제 응용에 적합하다.
  • 리 둥; 양 난; 왕 원후이; 웨이 푸루; 류 샤오둥; 왕 위; 가오 지앤펑; 저우 밍; 혼 샤오원. 2019. 〈자연어 이해와 생성을 아우르는 통합 사전학습 언어모델 (Unified Language Model Pre‑training for Natural Language Understanding and Generation)〉, Advances in Neural Information Processing Systems 32. doi:10.5555/3454287.3455457.
이 논문은 하나의 트랜스포머로 이해·생성·시퀀스‑투‑시퀀스를 동시에 학습하는 방법을 제시한다. 마스크 설계를 바꿔 동일한 네트워크가 다른 언어 과제를 처리하게 한다. 다양한 벤치마크에서 기존 모델을 능가하는 성과를 보인다. 아키텍처가 단순하여 전이학습과 도메인 적용이 용이하다. 이후 멀티모달 확장 등 여러 파생 연구의 기반이 되었다.

연표

연표 (펼치기)
연도 사건 출처
1991 하얼빈 공업대학 컴퓨터과학 박사학위 취득; 중국 초기 중영 기계 번역 시스템 CEMT‑I 개발 [1]
1991–1999 칭화 대학에서 박사후 연구 및 강의; 1993–1999 일본 고덴샤에서 중일 번역 ‘J‑Beijing’ 개발 주도 [2]
1999 마이크로소프트 리서치 아시아 입사, 자연어 처리 연구 리더십 수행 [3]
[4]
2018 중국어–영어 뉴스 번역에서 인간과 유사한 번역 성능 달성 발표 [5]
2019 국제 계산언어학회(ACL) 회장 재임 [6]
2019 통합 언어모델 UNILM 공개 및 세계인터넷대회 ‘세계 인터넷 선도 과학기술 성과’ 선정 [7]
[8]
2020 MSRA 퇴임, 이노베이션웍스 합류(창업 준비) [9]
2021 베이징 랑보트 테크놀로지 설립 [10]
2023 ACL Fellow 선정 [11]

외부 링크

각주

  1. ↑ 가 나 다 라 “ACL Fellows 2023” (영어). 《ACL Member Portal》. Association for Computational Linguistics. 2023년 12월 12일. 2025년 11월 1일에 확인함. 
  2. ↑ 가 나 다 라 “ACL Officers — 2019 Executive Committee” (영어). 《ACL Admin Wiki》. Association for Computational Linguistics. 2025년 11월 1일에 확인함. 
  3. ↑ 가 나 “周明：我与CCF这十年” (중국어). 《中国计算机学会》. CCF. 2022년 3월 7일. 2025년 11월 1일에 확인함. 
  4. ↑ 가 나 다 라 “Zhou Ming Resigns from MSRA NLP to Join Kai‑Fu Lee’s Innovation Works” (영어). 《Synced Review》. 2020년 12월 22일. 2025년 11월 1일에 확인함. 
  5. ↑ 가 나 다 라 “Microsoft’s innovation powerhouse in Asia is fueled by science and research” (영어). 《Microsoft News》. Microsoft Asia. 2018년 11월 1일. 2025년 11월 1일에 확인함. 
  6. ↑ “Dr. Ming Zhou — Founder/CEO, Langboat Ltd” (영어). 《Langboat》. Beijing Langboat Technology Co., Ltd. 2025년 11월 1일에 확인함. 
  7. ↑ 가 나 다 “Microsoft reaches a historic milestone, using AI to match human performance in translating news from Chinese to English” (영어). 《Microsoft News (Hong Kong)》. Microsoft. 2018년 3월 15일. 2025년 11월 1일에 확인함. 
  8. ↑ 가 나 “15 world‑leading sci‑tech achievements awarded at the 6th WIC” (영어). 《CGTN》. 2019년 10월 21일. 2025년 11월 1일에 확인함. 
  9. ↑ “A Simple and Effective Unified Encoder for Document‑Level Machine Translation” (영어). 《ACL Anthology》. 2025년 11월 1일에 확인함. 
  10. ↑ “Generating Chinese Classical Poems with Statistical Machine Translation Models” (영어). 《AAAI》. 2025년 11월 1일에 확인함. 
  11. ↑ “Target‑dependent Twitter Sentiment Classification” (영어). 《ACL Anthology》. 2025년 11월 1일에 확인함. 
  12. ↑ “Ming Zhou (周明) — Google Scholar” (영어). 《Google Scholar》. 2025년 11월 1일에 확인함. 

Content Disclaimer

Informasi ini disarikan dari Wikipedia dan disajikan kembali untuk tujuan edukasi. Konten tersedia di bawah lisensi CC BY-SA 3.0. Kami tidak bertanggung jawab atas ketidakakuratan data yang bersumber dari kontribusi publik tersebut.

  1. The information displayed on this website is sourced in part or in whole from Wikipedia and has been adapted for the purpose of restating it. We strive to provide accurate and relevant information, however:
  2. There is no guarantee of absolute accuracy. Wikipedia is an open, collaborative project that can be edited by anyone, so information is subject to change.
  3. It is not intended to constitute professional advice. The content displayed is for informational and educational purposes only. For important decisions (e.g., medical, legal, or financial), please consult a professional.
  4. Content copyright. Wikipedia is licensed under the Creative Commons Attribution-ShareAlike License (CC BY-SA). This means that content may be reused with appropriate attribution and shared under a similar license.
  5. Responsible use. Any risk arising from the use of information from this website is entirely the responsibility of the user.