ベースモデルとは、大量のデータを用いて事前に学習された、特定のタスクに特化する前の大規模なAIモデルのことです。このモデルに特定のデータやタスクを追加学習（微調整）させることで、様々な応用アプリケーションを効率的に開発できます。基盤モデル（ファウンデーションモデル）とほぼ同義、またはその出発点として使われます。
ベースモデルとは
ベースモデルとは、大量のデータを用いた事前学習を経て、多様なタスクに応用できる基礎的な能力を持たせたAIモデルのことです。
詳しく解説
ベースモデルは、特定の目的（翻訳、要約、画像生成など）に特化する前の、いわば「生の状態」のモデルです。膨大なテキストや画像データからパターンや言語のルール、一般的な知識を自己教師あり学習などの手法で学習しています。ベースモデルを構築するには膨大な計算資源と時間が必要となるため、多くの開発者は公開されているベースモデルを出発点として利用します。このベースモデルに対して、特定の用途に合わせた比較的小規模なデータで追加学習（ファインチューニング）を施すことで、実用的な下流タスク（特定の業務向けAIなど）を効率等かつ高精度に作成することができます。
具体例・使われ方
例えば、大規模言語モデル（LLM）である「Llama 3」や「GPT-4」の初期状態（指示チューニングを施す前のモデル）がベースモデルに該当します。このベースモデルに対して、「カスタマーサポートの対話履歴」を学習させることで、専門的な「サポートチャットボット」へとカスタマイズすることができます。また、画像生成AIにおいて、特定の画風やキャラクターを学習させるための大元となるモデルもベースモデルと呼ばれます。
似た用語との違い
ベースモデルとファインチューニング済みのモデルの違いは、特定のタスクに特化しているかどうかです。ベースモデルは広範な知識を持っていますが、ユーザーの具体的な指示（プロンプト）に適切に従う能力や、特定の専門業務を遂行する能力はまだ十分に最適化されていません。一方、ファインチューニング済みモデルは、ベースモデルに特定のデータセットと調整プロセス（指示チューニングなど）を適用し、特定の用途で高いパフォーマンスを発揮するように調整されたものです。
注意点
ベースモデルは、そのままの状態ではユーザーの質問に対して意図しない形式で回答を継続したり、不適切な倫理観に基づく出力（ハルシネーションや偏見など）を行ったりする可能性が比較的高いという注意点があります。そのため、実際の商用サービスなどに組み込む際には、ファインチューニングやプロンプトエンジニアリング、安全性フィルタリングなどの追加の調整プロセスが不可欠です。