IT用語入門：ファインチューニング【学習済みAIを目的別に微調整】

ファインチューニングとは

ファインチューニングとは、事前学習済みのAIモデルに対し、目的のタスク向けに追加学習を行い、ネットワークの一部または全体のパラメータや出力層を調整して適応させる方法です。汎用モデルを土台にするため、ゼロから作り直さず、目的に沿ったデータだけを用意して学習させます。

仕組みとしては、凍結した層を残しつつ必要な層の重みを更新したり、新しい出力層を付け替えて学習します。これにより必要なデータ量や訓練時間を抑えやすく、短期間で特化モデルを得られます。たとえば、文章モデルに喜びや怒りなどの感情ラベルを学習させ、感情推定に強いモデルへと整えます。

一方で、学習済みモデルを動かすだけの計算資源は必要です。また、追加データの分野や形式が元の学習と大きく違うと、うまく適応できないことがあります。元のパラメータを固定したまま流用する手法は一般に転移学習と呼ばれ、パラメータを調整して最適化するのがファインチューニングです。用途特化で力を引き出す要の工程です。