머신러닝 시스템 설계

403

11

장

머신러닝의 인간적 측면

추천 사항이 아닐 수도 있기 때문입니다.

11.1.2 11.1.2

‘대부분 맞는’ 예측에 맞서기‘대부분 맞는’ 예측에 맞서기

앞서 모델 예측 일관성이 지닌 중요성을 이야기했습니다. 이제 모델 예측에서 일관성이 떨어지

고 다양성이 높아지는 사례를 알아봅시다.

2018

년부터 대형 언어 모델

GPT

와 그 후속 모델인

GPT

-

2

,

GPT

-

3

이 전 세계를 휩쓸고 있

습니다. 이러한 대규모 언어 모델의 장점은 작업별 훈련 데이터가 거의 혹은 전혀 필요하지 않

은 상태에서 광범위한 작업에 대한 예측을 생성한다는 점입니다. [그림

11

-

1

]을 봅시다. 웹 페

이지의 요구 사항을 모델 입력으로 사용해 해당 웹 페이지를 생성하는 데 필요한 리액트 코드

를 출력합니다.

출력: 요구 사항을

충족하는

리액트 코드

입력: 요구 사항

리액트 코드로

렌더링된 웹 페이지

그림

11-1

GPT

-

3

은 웹사이트용 코드를 작성하는 데 도움이 됩니다(출처: 샤리프 샤밈의 영상

2

).

이러한 모델의 단점은 예측이 항상 옳지는 않으며 (대부분 맞으며) 예측을 개선하기 위해 작업

2

https://oreil

.

ly/VEuml