目次
用語の基本的な意味
ファインチューニング（fine-tuning）とは、すでに事前学習されたモデルに対して、特定の目的やデータに合わせて追加学習を行う手法を指す。
ベースとなるモデルは大規模データで事前学習されており、そのパラメータを一部更新することで、用途に応じた出力が得られるように調整する。
この方法は、フルスクラッチ（モデルを最初からすべて学習する方法）に比べて、計算コストやデータ量を抑えつつ特定タスクへの適応を実現できる。
日本語として使われる代表的な訳語
ファインチューニングに対応する日本語表現には次がある。
微調整
- モデルのパラメータを細かく調整するというニュアンスを含む。
- 技術文書においても一般的に使われる。
追加学習
- 既存モデルに対して「学習を追加する」プロセス全般を指す。
- 文脈によってはファインチューニングの一形式として用いられる。
調整 / チューニング
- より抽象的な表現であり、具体的な手法を限定しない。
類似概念との区別
転移学習（Transfer Learning）
転移学習は、あるタスクで学習した知識を別のタスクに応用する枠組みであり、ファインチューニングはその代表的な手法のひとつとして位置づけられる。
プロンプトエンジニアリング
- モデルのパラメータは更新せず、入力（プロンプト）を工夫して出力を制御する手法。
- モデル内部を変更するファインチューニングとはアプローチが異なる。
RAG（Retrieval-Augmented Generation）
- 日本語では「検索拡張生成」と呼ばれる。
- モデル本体を学習し直すのではなく、外部情報を検索して参照させる構造をとる。
- モデルそのものの重みを更新するファインチューニングとは異なる手法である。
用例
技術文書での例
- 事前学習済みモデルを特定データセットでファインチューニングした。
- 手元のデータを用いてモデルのパラメータを微調整した。
- タスク適応のために追加のエポックを用いて追加学習を行った。
実装・研究での説明例
- モデルの下位層を凍結し、上位層のみをファインチューニングする設定を採用した。
- 特定タスクに合わせて一部のパラメータを更新することで性能を改善した。
まとめ
- ファインチューニングは「事前学習済みモデルへの追加学習による調整」を指す技術用語である。
- 日本語では主に
「ファインチューニング」「微調整」「追加学習」
といった表現が用いられる。 - 類似する概念とは、
パラメータを更新するか／入力の工夫で制御するか／外部情報を参照するか
などの観点で区別できる。
以上、ファインチューニングは日本語でなんというのかについてでした。
最後までお読みいただき、ありがとうございました。
