머신러닝 시스템 설계

404

머신러닝 시스템 설계

별 데이터를 미세 조정하는 비용이 높다는 점입니다. 대부분 맞는 예측은 예측 결과를 쉽게 수

정할 수 있는 사용자에게 유용합니다. 예를 들어, 고객 지원

ML

시스템은 각 고객 요청에 대부

분 맞는 응답을 생성하며 인간 운영자는 해당 응답을 신속하게 편집할 수 있습니다. 이렇게 하

면 처음부터 응답을 작성할 때보다 응답 속도를 높일 수 있죠.

다만 대부분 맞는 예측은 사용자가 응답을 수정하는 방법을 모르거나 수정할 수 없다면 그다지

유용하지 않습니다. 앞서 언어 모델로 웹 페이지에 대한 리액트 코드를 생성하는 작업을 예로

들었습니다. 생성된 코드가 작동하지 않으면 지정된 요구 사항을 충족하는 웹 페이지로 렌더

링되지 않을 수 있습니다. 리액트 엔지니어라면 이 코드를 빠르게 수정할 수 있지만 애플리케

이션 사용자는 보통 리액트를 모를 겁니다. 이 애플리케이션은 리액트를 모르는 사용자를 많이

끌어들이기에 문제가 되죠.

이를 극복하기 위한 접근법은 동일한 입력에 대한 여러 예측 결과를 사용자에게 표시해 적어

도 하나 이상이 맞을 가능성을 높이는 것입니다. 이 예측 결과들은 비전문가 사용자도 평가할

수 있는 방식으로 렌더링돼야 합니다. 앞선 예시에 적용해보면, 사용자가 입력한 일련의 요구

사항이 주어질 때 모델은 리액트 코드 스니펫을 여러 ...