AutoML: 자동화된 머신러닝 설명

Sep 05, 2023

소프트웨어가 회계사, 공장 직원, 작가, 심지어 치료사의 업무를 대신할 가능성을 보여주면서 자동화는 인공 지능에 대한 지속적인 대화에서 일반적인 유행어가 되었습니다. 이제 AI는 자동화된 기계 학습이라는 프로세스를 통해 스스로 자동화되기 시작했습니다.

자동화된 기계 학습, 줄여서 autoML은 기본적으로 알고리즘이 기계 학습 모델을 구축하는 프로세스를 대신합니다. 이는 AI 개발 프로세스의 속도를 높이고 기술에 대한 접근성을 높이는 것을 약속하면서 보다 평범하고 반복적인 기계 학습 작업을 처리합니다.

최근 몇 년 동안 복잡한 기계 학습 세계를 단순화할 수 있는 autoML의 잠재력에 대한 관심이 급증했습니다. DataRobot은 2013년 대중의 의식을 불러일으킨 최초의 회사 중 하나로 종종 평가됩니다. 그 이후로 Meta는 autoML을 AI의 "백본"이라고 불렀고 Salesforce는 데이터 분석 스타트업인 BeyondCore를 인수하여 자체 Einstein AutoML 라이브러리를 만들었습니다. 한편, Google, Microsoft, Amazon과 같은 주요 기술 기업은 autoML 기술을 활용하는 자체 로우 코드 기계 학습 도구를 출시했습니다.

최첨단 AI 시스템을 구축하는 데 필요한 전문 지식이 이러한 회사에서도 부족하다는 점을 고려할 때 이러한 광범위한 업계 채택은 중요합니다.

Salesforce의 기계 학습 및 엔지니어링 담당 부사장인 Sarah Aerni는 내장에서 "나에게는 이러한 보다 자동화된 접근 방식을 제외하고는 앞으로 나아갈 다른 길이 없다고 생각합니다."라고 말했습니다. "AI에 대한 기회는 너무 많지만 비즈니스에 온보딩하고, 기술에 온보딩하고, 이를 프로덕션에 배포하고, 모니터링하고, 계속 반복할 수 있는 인력이 충분하지 않습니다. 나에게 autoML은 다음과 같은 솔루션으로 시작됩니다. 스케일링."

자동화된 기계 학습의 개념은 거의 10년 동안 존재해 왔지만 여전히 진행 중인 작업입니다. AI가 만든 AI가 잠재력을 최대한 발휘하게 되면 기술 기업의 경계를 넘어 적용되어 의료, 금융, 교육과 같은 분야의 판도를 바꿀 수 있습니다.

와이오밍 대학 컴퓨터 과학과의 조교수이자 연구원인 Lars Kottoff는 "실제로 기계 학습을 사용하는 사람이라면 누구나 자동화된 기계 학습도 사용할 것입니다."라고 말했습니다. "결국 이는 기계 학습과 AI가 사용되는 모든 곳에 실제로 배포될 것입니다."

심층 분석 자동화는 경제에 광범위한 영향을 미칠 것입니다. 기대할 수 있는 사항은 다음과 같습니다.

처음에는 자동화된 기계 학습이 약간 중복되어 보일 수 있습니다. 결국, 머신러닝은 이미 예측을 위해 데이터의 패턴을 식별하는 프로세스를 자동화하는 것입니다. 알고리즘과 통계 모델에 의존하는 프로세스에는 일관되거나 명시적인 프로그래밍이 필요하지 않습니다. 기계 학습 모델이 구축되면 시행착오와 피드백을 통해 더욱 최적화될 수 있습니다. 즉, 기계는 인간처럼 경험과 데이터에 대한 노출 증가를 통해 학습할 수 있습니다.

실제로 기계 학습 모델을 만드는 데 필요한 작업의 대부분은 힘들고 데이터 과학자가 다양한 결정을 내려야 합니다. 신경망에 포함할 레이어 수, 각 노드에 입력에 부여할 가중치, 사용할 알고리즘 등을 결정해야 합니다. 이는 큰 일이고, 제대로 수행하려면 전문적인 기술과 직관이 많이 필요합니다.

모델이 복잡할수록 작업도 더 복잡해집니다. 그리고 일부 전문가들은 AI 시스템이 더욱 복잡해짐에 따라 해당 작업 중 일부를 자동화하는 것이 필요할 것이라고 말합니다. 따라서 autoML은 데이터 과학자와 연구자가 현재 기계 학습 모델을 설계하는 동안 내려야 하는 결정을 인계받아 인간의 추측을 제거하는 것을 목표로 합니다.

결국 목표는 사람이 자신의 데이터에 대해 질문하고, 여기에 autoML 도구를 적용하고, 지나치게 기술적인 지식 없이도 원하는 결과를 얻을 수 있는 지점에 도달하는 것입니다. autoML을 통해 기계 학습을 대중화하려는 기업이 점점 늘어나고 있지만 이 기술은 주로 AI 및 데이터 과학 전문 지식을 갖춘 사람들에게만 국한됩니다. 이는 특정 플랫폼이 아닌 도구입니다. Domino Data Lab의 데이터 과학 전략 및 전도 책임자인 Kjell Carlsson에 따르면 이는 상당히 좁은 용도로 사용되는 도구입니다.