微調整（ファインチューニング）とは、すでに学習済みのAIモデルに追加のデータを学習させ、特定のタスクや用途に合わせて性能を最適化する機械学習の手法です。ゼロからモデルを作るよりも効率的に高い精度を達成できるため、多くのAI開発で利用されています。
微調整とは
一言でいうと微調整とは、事前学習済みのAIモデルに対して特定のタスク用の追加データを学習させ、求める出力ができるように最適化する手法のことです。
詳しく解説
微調整は、膨大なデータで事前に学習された基礎モデル（ベースモデル）の重みパラメータを、特定の目的やドメインに合わせて再調整するプロセスです。事前学習には莫大な計算資源と時間が必要ですが、微調整を行うことで、比較的少ないデータと計算量で実用的な専門AIを構築できます。特に大規模言語モデルの分野では、指示への追従性や特定のトーン、専門知識を身につけさせるために不可欠な工程となっています。
具体例・使われ方
医療分野の専門用語を正確に理解させたい場合に、医療論文やカルテのデータを用いて既存の大規模言語モデルを微調整することが挙げられます。また、特定のカスタマーサポート向けに過去の対話履歴を学習させ、自社ブランドの口調や規定に沿った自動返信を行わせる際にも利用されます。
似た用語との違い
ゼロから学習を行う「スクラッチ学習」や、モデルのパラメータを変更せずにプロンプトの工夫だけで出力を制御する「プロンプトエンジニアリング」とは異なります。スクラッチ学習よりもコストが圧倒的に低く、プロンプトエンジニアリングよりも根本的な性能や出力の傾向を大きく変更できるのが特徴です。
注意点
微調整を行う際、過学習（オーバーフィッティング）によって汎用的な能力が低下したり、訓練データに含まれる偏見や誤情報をそのまま学習してしまったりするリスクがあります。また、元の事前学習モデルの著作権や利用規約（ライセンス）によっては、微調整モデルの商用利用が制限される場合もあるため注意が必要です。