ファインチューニング
Fine Tuning
学習済みのAIを、特定の目的に合わせて再学習させ調整する手法
名前のヒミツ
Fine（ファイン）は「細かい」、Tuning（チューニング）は「調整する」という意味だよ。 ラジオの周波数を微調整して、雑音が入らないようにきれいに合わせるイメージから来ている言葉なんだ。
簡単に説明すると
AIにとっての「再教育プログラム」みたいなものだよ。 一般的な知識を学んだAIに対し、特定の仕事に必要なデータを使って追加トレーニングをするんだ。これによってAIの「クセ」や「得意分野」を変えることができるんだよ。 例えば、普通の会話が得意なAIに料理レシピのデータで再学習させると、食材の組み合わせや調理手順についての受け答えがスムーズになるイメージだね。
くわしく見てみよう！
ファインチューニングとは、既に大量のデータを学習しているAI（事前学習済みモデル）をベースに、特定の目的に合わせた追加データで再学習を行い、モデルの中身（パラメータ）を微調整する手法のことだよ。
一からAIを作るには膨大なコストがかかるけど、基礎学習を終えたAIを出発点にすれば、はるかに効率よく目的に特化したAIを作ることができるんだ。
AIの出力を調整する方法は他にもあるよ。「プロンプト（指示文）の工夫」は手軽で効果的だし、「検索連携（RAG）」は関連情報を検索してAIに読ませることで、社内データや外部の情報源に対応しやすくする方法だね。これらと比べてファインチューニングは、AI自身のパラメータを書き換えて、特定のパターンや振る舞いをモデルに直接染み込ませるのが特徴なんだ。
使い分けのポイントとしては、例えばマニュアルや社内ドキュメントの内容を答えさせるなら「検索連携」が向いているよ。一方で、専門用語の独特な使い方や、特定の文体・キャラクター性を定着させたいなら「ファインチューニング」が効果的だね。
ただし、まずは手軽なプロンプトの工夫から試して、それでも品質が安定しない場合にファインチューニングを検討するのが、コスト的にもおすすめの順番だよ。