AIの「ファインチューニング」、説明できる?
「AIに追加学習させること」で終わっていませんか?何が変わるのか、RAGとの違い、向き不向きまで確認します。
ねらい
ファインチューニングを「AIを賢くする追加学習」という曖昧なイメージではなく、既存モデルの重みを調整する具体的な仕組みとして説明できるか、そしてRAGやプロンプトエンジニアリングとの向き不向きの違いを理解できているかを確かめます。
すすめかた
1.答えを書く
2.コピー
3.AIに貼る
正解はここでは表示されません
腕試しをはじめるこんな問題が出ます
- Q1
生成AIにおける「ファインチューニング」とは何ですか? 「モデルの重み」という言葉を使って説明してください。
- Q2
ファインチューニングと「プロンプトに指示や参考情報を書く」ことは、どちらもAIの出力を望む形に近づける方法です。 両者は何が違いますか?
- Q3
ファインチューニングは、どのような目的に向いていますか? 逆に、あまり向いていないのはどのような目的か、それぞれ説明してください。
- Q4
ファインチューニングをしても、モデルが学習していない事実を答えられるようにはならないと言われることがあります。 なぜそう言えるのか説明してください。
- Q5
次の説明の問題点を指摘してください。 「社内の最新情報をAIに答えさせたいので、情報が更新されるたびにファインチューニングをやり直せばいい」