Ein menschenzentrierter automatisierter Machine-Learning-Agent mit großen Sprachmodellen für multimodales Datenmanagement und -analyse

Automated Machine Learning (AutoML) zielt darauf ab, den End-to-End-Prozess von ML-Modellen zu vereinfachen, doch aktuelle Ansätze sind weiterhin durch starre, regelbasierte Frameworks und strukturierte Eingabeanforderungen eingeschränkt, die für Nicht-Experten Barrieren schaffen. Trotz Fortschritten bei großen Sprachmodellen (LLMs), die Fähigkeiten in der Codegenerierung und im Verständnis natürlicher Sprache zeigen, wurde ihr Potenzial zur Verbesserung der Zugänglichkeit von AutoML noch nicht vollständig ausgeschöpft. Wir stellen einen innovativen LLM-gesteuerten KI-Agenten vor, der eine natürliche Sprachinteraktion über den gesamten ML-Workflow ermöglicht und dabei hohe Leistungsstandards einhält, den Bedarf an vordefinierten Regeln reduziert und technische Expertise minimiert. Der vorgeschlagene Agent implementiert eine End-to-End-ML-Pipeline, die automatisches Laden und Vorverarbeiten von Daten, Aufgabenidentifikation, Auswahl der neuronalen Architektur, Hyperparameter-Optimierung und Trainingsautomatisierung umfasst. Zusätzlich schlagen wir einen neuartigen Datenverarbeitungsansatz vor, der LLMs nutzt, um diverse Datenformate automatisch zu interpretieren und zu verarbeiten, ohne manuelle Vorverarbeitung oder Formatkonvertierung zu benötigen. Darüber hinaus stellen wir eine adaptive Hyperparameter-Optimierungsstrategie vor, die das Wissen von LLMs über ML-Best-Practices mit dynamischem Leistungsfeedback kombiniert, um Suchräume intelligent anzupassen. Eine umfangreiche Evaluierung an 10 verschiedenen Datensätzen, die Klassifikations- und Regressionsaufgaben über mehrere Datenmodalitäten abdeckt, zeigt, dass unser Ansatz durchgängig eine überlegene Leistung im Vergleich zu traditionellen, regelbasierten AutoML-Frameworks erzielt. Indem wir die Lücke zwischen menschlicher Intention und ML-Implementierung schließen, trägt unser Ansatz zur Entwicklung eines zugänglicheren AutoML-Frameworks bei.