私たちがよく知る機械学習（ML）のアルゴリズム、たとえば線形回帰やロジスティック回帰、決定木、クラスタリングなどが、いつの間にか古典的な手法と見なされるようになりました。
これは大規模な言語モデル（LLMs）の出現によって、すぐに古典的なものと考えられるようになったのです。しかし、私はMLとLLMを対立する概念としてではなく、相互に補完し合うものと考えています。
特に興味深いのはLLMがMLのモデル構築をどのように補強できるかです。今日はその2つの方法についてお話します。まず、予測モデルや顧客セグメンテーションモデルなどを管理しているリポジトリについて、チャットボット「Dur-ai」を通じて会話することができます。
Dur-aiはモデルの詳細を提供し、クリティカルな要因や顧客の流出予測などを定量的に答えます。
さらに、LLMはマルチエージェントアーキテクチャを用いて複数のMLモデルに跨がった質問にも答えることができます。これにより、顧客の細分化や最適なプロモーションオファー、適切なコミュニケーション手段を決定することが可能になります。
また、LLMは短期間の「経験」を通じてMLモデルに情報を提供することで、モデルをより精密にすることができます。これはRAG（retrieval augmented generation）手法を用いて実現され、AIの変遷とともにモデル再訓練を組み合わせることで最適なパフォーマンスを実現します。
将来的には、自然言語による簡単なプロンプトからMLモデルを構築する日も近いでしょう。これらはすべて、人類の生態系という１つの大きな枠組みの中で、我々の想像力によってさらに進化していくことでしょう。
出典 : ML, LLMs and the friendship band https://timesofindia.indiatimes.com/blogs/data-science-vibes/ml-llms-and-the-friendship-band/
