MLCopilot: 기계 학습 작업 해결에 있어 대규모 언어 모델의 힘을 활용하다

기계 학습(ML) 분야는 광범위하게 채택되어 특정 시나리오에 ML을 적응시키려는 상당한 수요를 초래하였으나, 이는 여전히 비용이 많이 들고 간단하지 않습니다. ML 작업을 자동화하는 주요 접근 방식(예: AutoML)은 종종 시간이 많이 걸리고 인간 개발자가 이해하기 어려운 경우가 많습니다. 반면에 인간 엔지니어는 작업을 이해하고 해결책에 대해 추론할 수 있는 놀라운 능력을 가지고 있지만, 그들의 경험과 지식은 종종 부족하고 정량적 접근 방식으로 활용하기 어렵습니다. 본 논문에서는 최첨단 대규모 언어 모델을 활용하여 새로운 작업을 위한 ML 솔루션을 개발하는 새로운 프레임워크를 소개함으로써 기계 지능과 인간 지식 간의 간극을 해소하는 것을 목표로 합니다. 우리는 LLM의 기능을 확장하여 구조화된 입력을 이해하고 새로운 ML 작업을 해결하기 위해 철저한 추론을 수행할 수 있는 가능성을 보여줍니다. 그리고 우리는 LLM이(i) ML 작업에 대한 기존 경험에서 관찰하고(ii) 새로운 작업에 대해 유망한 결과를 제공하기 위해 효과적으로 추론할 수 있도록 몇 가지 전용 설계를 통해 가능함을 발견했습니다. 생성된 솔루션은 직접적으로 높은 수준의 경쟁력을 달성하는 데 사용할 수 있습니다. 예제와 코드는 https://github.com/microsoft/CoML에서 확인할 수 있습니다.