**샘 맥캔들리시(Sam McCandlish)**는 안전하고 진보된 인공지능 시스템 개발의 최전선에 있는 기업인 앤스로픽(Anthropic)의 공동 창립자입니다. 앤스로픽 이전에는 OpenAI에서 근무하며 신경망 성능 및 안전 메커니즘에 관한 연구에 기여했습니다. ^{[1] [6]}

초기 생애 및 교육

샘 맥캔들리시는 브랜다이스 대학교(Brandeis University)에서 수학 및 물리학 학사와 석사 학위를 받았으며, 이후 스탠퍼드 대학교(Stanford University)에서 이론 물리학 박사 학위를 취득하며 학문적 관심을 이어갔습니다. 그의 박사 과정 연구는 양자 중력과 텐서 네트워크의 복잡성을 탐구했으며, 이는 그에게 나중에 머신러닝과 AI에 적용하게 된 체계적인 모델링의 기초를 마련해 주었습니다. ^[1]

경력

OpenAI

샘 맥캔들리시는 2017년부터 2018년까지 보스턴 대학교(Boston University)에서 박사후 연구원(Postdoctoral Fellow)으로 재직하며 사이먼스 부트스트랩 협업(Simons Bootstrap Collaboration)에 소속되었습니다.

맥캔들리시는 2017년 OpenAI에 합류하여 2018년 5월부터 2020년 12월까지 기술 스태프(Member of Technical Staff)로 근무했습니다. 이 기간 동안 그는 AI 안전 펠로우십(AI Safety Fellowship)에 참여하고, AI 과학(Science of AI) 팀을 설립했으며, 코덱스(Codex)의 초기 개발을 이끌었습니다. 그의 연구는 언어 모델과 대규모 훈련 방법에 중점을 두고 신경망의 성능과 스케일링 동작을 조사했습니다.

그의 연구에는 신경 언어 모델의 스케일링 법칙과 대규모 배치 훈련에 대한 연구가 포함되었습니다. 그는 이미지 분류 및 게임 환경을 포함한 머신러닝 연구에 적용된 그래디언트 노이즈 스케일(gradient noise scale) 프레임워크에 관한 논문을 공동 저술했습니다. 이 시기의 주요 발표물로는 'Language Models Are Few-Shot Learners', 'Scaling Laws for Language Models', 'Scaling Laws for Neural Language Models', 'Scaling Laws for Transformers', 'An Empirical Model of Large-Batch Training' 등이 있으며, OpenAI의 'Science of AI' 및 'AI and Efficiency' 프로젝트에도 참여했습니다.

앤스로픽 (Anthropic)

2021년 1월, 맥캔들리시는 다리오 아모데이 및 다니엘라 아모데이(Daniela Amodei)를 포함한 전직 OpenAI 동료들과 함께 앤스로픽을 공동 창립했습니다. 이 회사는 AI 안전과 해석 가능성(interpretability)에 중점을 둔 인공지능 연구를 수행합니다.

앤스로픽에서 맥캔들리시는 수석 과학자(Chief Scientist), 최고 기술 책임자(CTO)를 역임했으며, 2025년부터는 수석 아키텍트(Chief Architect)를 맡고 있습니다. 그의 업무에는 사전 훈련(pre-training) 및 대규모 모델 훈련 관리가 포함되었습니다. 또한 그는 클로드(Claude) 언어 모델 제품군 개발과 앤스로픽의 헌법적 AI(Constitutional AI) 방법론 개발에 관여했습니다. 이 방법론은 인간의 선호도 데이터에만 의존하는 대신 모델 정렬 과정의 일부로 AI가 생성한 피드백을 사용합니다.

앤스로픽에서의 그의 연구는 스케일링 법칙, AI 안전 및 기계적 해석 가능성(mechanistic interpretability)에 초점을 맞추어 왔습니다. 또한 헌법적 AI 및 모델 정렬 방법과 관련된 작업도 포함되었습니다.

맥캔들리시와 다른 앤스로픽 공동 창립자들은 개인 자산의 80%를 AI 위험 및 불평등과 관련된 이니셔티브에 기부하기로 약속했습니다.

앤스로픽의 연구 및 안전 관행은 대중적 논의의 대상이 되어 왔습니다. 일부 논평가들은 회사의 안전 프레임워크가 점점 더 유능해지는 AI 시스템의 사회적 영향을 적절히 다루고 있는지 의문을 제기하는 반면, 다른 이들은 내부 거버넌스 및 안전 프로세스의 투명성과 효과에 대해 논의해 왔습니다. ^{[1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11]}