AI・ガジェット辞典

AIとガジェットの言葉を、わかりやすく

ファインチューニングとは?

AI用語
🎛️
ファインチューニング

一言でいうと: 学習済みのAIに追加学習を行い、特定用途向けに調整すること

ファインチューニングの基本

ファインチューニングとは、すでに学習済みのAIモデルに対して、特定の目的に合わせた追加の学習を行う調整方法です。たとえば、自社の問い合わせ対応例を学習させて、会社の口調や専門用語に沿った回答ができるようにしたり、特定の形式で出力する癖をつけたりします。ゼロからモデルを作るには膨大なデータと費用が必要ですが、既存のモデルを土台にするため、比較的少ないデータとコストで用途に特化させることができます。一方で、知識そのものを新しく覚えさせるというより、振る舞いや形式を整える効果が中心とされます。最新の事実を扱いたい場合は、検索と組み合わせるRAGのような手法が向いています。一般の利用者が触れる機会は少ないものの、企業のAI導入ではよく登場する言葉です。仕組みを知っておくと、製品の説明やニュースの理解が深まります。

ここがポイント

向いている用途

決まった文体で文章を作る、専門分野の言い回しに合わせる、分類や定型処理の精度を上げるなど、「答え方の型」を固定したい場面で効果を発揮します。企業の専用AIを作る際の代表的な手法の一つです。逆に、最新知識の追加には向きません。その点はRAGと対照的です。

RAGとの違い

RAGは外部の資料を検索して知識を補う方法で、情報の差し替えや更新が容易です。ファインチューニングはモデル自体の振る舞いを変える方法で、両者は目的がまったく異なります。現場では、両方を組み合わせて使うこともあります。どちらか一方ではなく、役割分担で考えるのがポイントです。

必要なもの

学習させる事例データの質と量が、結果を大きく左右します。誤った例や偏った例で学習させると、その癖がそのまま反映されてしまいます。そのため、データの準備と、学習後に十分検証することに、多くの手間がかけられます。専門家の支援を受けて進める企業も多くあります。

使うときのコツ・注意点

ファインチューニングしたモデルは、元のモデルより汎用性が下がる場合があります。また、学習データに個人情報や著作物が含まれる場合は、権利や取り扱いの確認が欠かせません。プロンプトの工夫だけで解決できることも多いため、まずは指示の改善で対応できないかを検討するのが、順序としておすすめです。コストと効果の見極めも重要な判断材料です。

関連する用語