上級者向けAI開発

自分のデータに合わせてAIを調整したい

ファインチューニング

まずはここだけ

ファインチューニングは、見本を使ってAIの答え方を調整する方法です。

使う場面：同じ書き方や判断を大量かつ安定して繰り返したい時

具体的な利用例

会社独自の分類ルールに合わせて問い合わせを分類する

最新資料を覚えさせる用途はRAGの方が向きます。質の悪い見本は性能を下げます。

AIの結果を確認せず、そのまま業務へ使わないことも大切です。重要な数値や判断は人が確認してください。

仕組みと使いどころを詳しく見るできること・技術名・利用する場面を確認

見本となる入出力を学習させ、回答のくせや分類のしかたを調整します。

ファインチューニングを使います。むずかしい名前でも、まずは「この目的に使う仕組み」と覚えれば大丈夫です。

同じ書き方や判断を大量かつ安定して繰り返したい時

目的と評価方法を決める。正しい見本データを集める。学習用の形式へ整える。学習し、別のデータで効果を確認する。この流れをサービスやプログラムが自動で進めます。

試すためのツールと手順を見るサービスの例・準備から確認までの順番

Hugging Face PEFT（追加学習ライブラリ）OSSライブラリ
LoRAなどを使い、モデルの一部のパラメーターを学習して特定の用途に調整できます。
Python、学習用データ、対応モデルと計算環境が必要です。必要なメモリやモデルの利用条件を確認してください。

リンク先は公式ページ・公式の使い方です。クラウド機能を利用する場合は入力内容の送信先、料金、組織の利用ルールを確認してください。

利用のポイント

最初は小さなデータで試し、期待する結果と比べてから対象を広げると失敗を減らせます。