ファインチューニング

なぜ大切か

専門的な使い方で出てくる言葉です。土台の仕組みは大規模言語モデルです。

身近な例

ある分野の文章で追加学習し、その分野に強くする調整が例です。関連語にAPIがあります。

よくある誤解

ファインチューニングについて、よくあるかんちがいを正します。

• AIを一から作り直すわけではありません。元のAIに専用データで追加の調整を加える作業です。
• 少しの工夫で済む場合は、ファインチューニングよりプロンプトの書き方で十分なこともあります。
• 調整に使うデータの質が悪いと、かえって答えが偏ったり悪くなったりします。
• 調整しても、知らないことは知らないままです。万能になるわけではありません。

似た言葉とのちがい

ファインチューニングと近い言葉のちがいを並べます。

• プロンプト: AIを変えずに頼み方を工夫します。ファインチューニングはAI自体を追加学習で変えます。
• RAG（検索つき生成）: 答えるとき外部資料を参照します。ファインチューニングは事前にAIを調整しておきます。
• 大規模言語モデル（LLM）: 土台となるAIです。ファインチューニングはそのLLMを目的に合わせて調整します。

追加で教える

専用に育てる

もとのAIに自分の用意したデータを追加で学ばせることで、特定の仕事に強いAIに育てられます。

下準備が必要

質の良いデータをそろえる手間がかかるので、何をさせたいか目的をはっきりさせてから始めましょう。