ファインチューニング（fine-tuning）は、すでに学習済みの モデル を土台に、追加のデータで学ばせ直して、特定の用途に合わせる 手法です。「微調整」という意味です。
大規模な モデル をゼロから学習するには、莫大なデータと計算力が必要です。ファインチューニングは、その大変な部分を済ませた学習済みモデルを再利用し、自分の目的に合った少量のデータ で仕上げます。
- 土台 … 汎用的に学習済みの、賢い基盤モデル。
- 追加学習 … 専門分野の文章、自社の文体、特定の作業の例など。
- 結果 … その用途に強い、専用モデル。
たとえるなら、幅広い教養を身につけた人に、その現場ならではの作法や専門知識を追加で覚えてもらうイメージです。ゼロから教育するより、はるかに少ない労力で、専門家に育てられます。
似た目的でも、RAG とは方向性が違います。RAGは「その場で資料を渡して答えさせる」のに対し、ファインチューニングは「モデル自体に覚え込ませる」手法です。最新情報の反映はRAG、文体や特定作業への適応はファインチューニング、というように使い分けたり、組み合わせたりします。