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
簡単に説明すると
学習済みのAIに対して、特定の目的に合わせたデータで追加学習を行い、振る舞いを調整する手法のことだよ。 一般的な知識を学んだAIに、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イメージだね。これによってAIの「言葉遣い」や「回答の形式」を調整できるんだよ。 例えば、普通の会話が得意なAIに自社のカスタマーサポートの対応履歴で再学習させると、自社のブランドに合った丁寧な口調や決まったフォーマットで応答できるようになるイメージだね。
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。
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を作るには膨大な計算資源が必要になるけれど、基礎学習を終えたAIを出発点にすれば、より少ないデータと計算量で目的に特化した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」や、関連情報を検索してAIに読ませる「検索連携（RAG）」といった手法だね。
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。
それぞれの仕組みによる違いとして、例えばマニュアルや社内ドキュメントなどの外部情報を参照して答えさせる用途には「検索連携」が適しているよ。
一方で、専門用語の独特な使い方や、特定の文体・キャラクター性など、AIの出力スタイルそのものを定着させたい場合には、パラメータを調整する「ファインチューニング」の特性が活かされるんだ。