UniAutoML: A Human-Centered Framework for Unified Discriminative and Generative AutoML with Large Language Models
UniAutoML 是一个以人为本的框架，它利用大语言模型来统一判别式和生成式 AutoML 任务，并通过对话式界面和安全机制来增强可解释性、用户控制力和信任感。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
机器学习已成为解决各种问题的强大工具，从预测天气模式到识别照片中的面孔。然而，使用这些工具通常需要对复杂的计算机代码和数学理论有深入的理解。多年来，一个被称为自动化机器学习（AutoML）的领域一直试图通过让计算机自动选择最佳模型并调整其设置来解决这一问题。然而，大多数此类系统仅针对计算机学习分类或预测特定结果的任务而构建，例如判断一封电子邮件是否为垃圾邮件。它们在很大程度上忽略了一种更新颖、更具创造性的机器学习类型，即计算机生成新内容，例如撰写故事或从无到有地创作图像。此外，这些自动化系统通常像一个“黑盒”一样运行，在做出决策时并不解释其推理过程，这让用户感到脱节，并对结果是否可靠感到疑虑。
一组研究人员推出了一种名为 UniAutoML 的新框架来弥补这些差距。他们的工作专注于创建一个既能处理分类任务，又能处理创意生成任务，同时保持人类用户在回路中的系统。该系统不再强迫用户编写代码或理解技术术та词汇，而是允许人们使用日常的普通语言与机器进行交互。研究人员构建了这个框架，由一个大型语言模型（一种在海量文本上训练的型人工智能）来引导，该模型充当了用户简单指令与复杂机器学习机制之间的翻译官。其目标不仅是实现工作的自动化，还要使过程透明且安全，确保用户能够理解计算机正在做什么，并在必要时进行干预。
为了测试他们的想法，研究人员构建了一个系统，用户只需输入请求即可，例如“我想预测宠物领养率”或“我想生成猫的照片”。随后，系统会分析请求，识别涉及的数据类型，并在庞大的在线预训练模型库中搜索最合适的模型。一旦选定模型，系统会自动准备数据并开始训练。在整个过程中，系统并不仅仅是在沉默中工作；它会提供实时解说，解释为什么选择特定的模型或训练进度如何。如果用户想要更改设置或停止一个运行效果不佳的过程，他们只需向系统提出调整要求，系统便会遵从。为了防止系统生成有害或不当内容，研究人员添加了一个安全过滤器，用于检查用户的输入和计算机的输出，拦截任何违反安全准则的内容。
研究人员使用涵盖各种任务的八个不同数据集对这一新框架进行了评估，例如预测宠物受欢迎程度、检测图像和文本中的讽刺意味，以及评估照片的美学质量。他们将该系统与两个知名的现有自动化工具进行了对比。在这些测试中，该新框架在大多数情况下表现得与既有工具一样好，甚至更好。例如，在预测宠物受欢迎程度时，它的准确率高于竞争对手。在处理包含多种信息类型（如图像和文本结合）的复杂数据任务时，新系统显示出明显的优势，成功应对了旧工具难以处理或需要手动修复的问题。
除了数字之外，研究人员还想了解真实的人们在使用该系统时的感受。他们邀请了 25 名志愿者（从计算机科学专业的学生到没有技术背景的教师不等）来尝试使用该新框架以及旧有的工具。参与者被要求完成特定任务，然后对体验进行评分。结果显示，使用新系统的用户感觉自己对过程拥有更多的控制权，并且发现理解正在发生的事情要容易得多。他们报告说，完成任务所需的尝试次数更少，且与使用传统工具相比，心理压力较小。即使是具有一定技术知识的人也发现这种对话式界面非常直观，认为它让复杂的机器学习世界变得触手可及。一位由于编程经验有限的学生指出，能够直接输入指令并获得清晰解释，比在时间压力下尝试编写代码要有用得多。
这项研究还强调了该系统处理旧工具完全无法管理的创意任务的能力。虽然传统的系统无法自动微调生成图像或编写文本的模型，但新框架允许用户通过简单的命令来实现这一点。用户可以提供一个数据集，并要求系统训练一个生成图像的模型，系统会处理整个技术过程，而用户无需接触任何一行代码。这种能力是一个显著的进步，因为它将强大的生成式工具开放给了那些此前缺乏专业技能的人群。
尽管取得了这些成功，研究人员也承认，他们的系统依赖于功能强大的外部工具，这些工具运行成本可能很高，且需要持续的网络连接。他们指出，未来的工作需要解决这些局限性，以使系统更加经济实惠，并能在网络连接不稳定的地区使用。尽管如此，这项研究证明，构建一个既高效又透明且用户友好的自动化系统是可能的。通过将大型语言模型的力量与对人类交互的关注相结合，研究人员表明，机器学习可以变得更加平易近人，让更广泛的人群能够在无需成为专家的情况下利用其潜力。这项工作表明，人工智能的未来不仅在于让机器变得更聪明，还在于让它们更容易被人类理解和引导。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。