AutoML 人本中心范式的呼吁行动
机器学习
2024-06-06 v1
摘要
自动机器学习 (AutoML) 的形成基于以下基本目标：自动和高效地配置机器学习 (ML) 工作流程，助力新 ML 算法的研究，并通过使其更易于使用， democratization ML 以服务于更广泛的受众。过去十年里，值得称道的 AutoML 成就主要集中在优化预测性能方面。这种聚焦的进展虽然取得了实质性成果，但引发了关于 AutoML 是否已满足其更广泛、原始目标的疑问。在本位论文中，我们认为，Unlock AutoML 的潜力的关键在于解决当前未充分探索的 AutoML 系统与用户交互的方面，包括其多样化的角色、期望和专业知识。我们设想未来 AutoML 研究中的更加人本中心的方法，推动设计与 ML 系统协作，紧密整合人类专业知识与 AutoML 方法的互补优势。
引用
@article{arxiv.2406.03348,
title = {Position: A Call to Action for a Human-Centered AutoML Paradigm},
author = {Marius Lindauer and Florian Karl and Anne Klier and Julia Moosbauer and Alexander Tornede and Andreas Mueller and Frank Hutter and Matthias Feurer and Bernd Bischl},
journal= {arXiv preprint arXiv:2406.03348},
year = {2024}
}