자연어 처리(NLP) 모델은 데이터에 크게 의존하지만, 대규모로 고품질의 레이블이 지정된 데이터를 얻는 것은 가장 큰 난관 중 하나입니다. NLP 문제에 더 많은 원시 데이터를 투입한다고 해서 크게 도움이 되지 않는다는 것은 금방 명확해집니다. 실제로 개선을 이끄는 것은 레이블이 지정된 데이터입니다. 여기서 능동 학습과 인간 루프 접근 방식이 매우 중요해집니다. 이러한 접근 방식은 어떤 데이터를 레이블링할지 우선순위를 정하고, 중요한 지점에서 인간의 전문성을 활용하며, 프로덕션에서 모델을 지속적으로 개선하는 데 도움이 됩니다. 이 글에서는 능동 학습이란 무엇인지, NLP 주석을 위한 인간 루프 워크플로를 어떻게 구현하는지, 그리고 이 접근 방식이 모델 개선을 가속화하는 이유에 대해 이야기할 것입니다.