ファインチューニング
ふぁいんちゅーにんぐ機械学習
意味・定義
事前学習済みモデルを特定のタスクやドメインに適応させるために、追加のデータで再学習させる手法。
解説
ファインチューニングは、既に学習済みのAIモデルを、特定の目的に合わせて追加学習させる手法です。ゼロから学習するよりも、少ないデータと時間で高精度なモデルを作れます。 例えば、汎用的な言語モデルを医療分野に特化させたい場合、医療文献や診療記録を使ってファインチューニングします。モデルは既に言語の基本的な構造を理解しているので、医療特有の用語や表現を効率的に学習できるのです。 ファインチューニングには大きく2つのアプローチがあります。全体のパラメータを更新する「フルファインチューニング」と、一部のパラメータだけを更新する「パラメータ効率的ファインチューニング（PEFT）」です。後者は計算コストが低く、個人でも実行しやすいため、近年注目されています。 企業が独自のAIアシスタントを作る際、自社のデータでファインチューニングすることで、業務に特化した高精度なモデルを構築できます。
使い方・例文
"カスタマーサポートの自動化では、過去の問い合わせ履歴を使ってGPTをファインチューニングし、自社製品に特化したチャットボットを作れます。法律事務所では、判例データでファインチューニングしたモデルを使い、契約書のレビューを自動化しています。 医療分野では、電子カルテや医学論文でファインチューニングしたモデルが、診断支援や治療計画の提案に使われています。また、プログラミング教育では、特定のプログラミング言語やフレームワークに特化したコード生成AIを、ファインチューニングで作成しています。"