ファインチューニングとは
ファインチューニング（Fine-tuning）とは、大規模な事前学習済みAIモデルに対して、特定のタスクやドメインのデータを追加学習させ、目的に特化した性能を引き出す手法です。転移学習の一種です。
ファインチューニングとプロンプトエンジニアリングの違い
プロンプトエンジニアリングはモデルを変更せずに指示で出力を制御する手法です。ファインチューニングはモデルのパラメータ自体を更新するため、特定タスクでより高い精度を安定的に実現できますが、学習コストがかかります。
ファインチューニングが有効なケース
特定業界の専門用語・文体への適応（法律文書・医療記録等）、ブランド固有の文体・トーンへの統一、繰り返し行う定型タスクの品質安定化などでファインチューニングは大きな効果を発揮します。
ファインチューニングの課題
カタストロフィック・フォーゲッティング（学習によって以前の汎用能力が低下する現象）・大量のデータと計算コスト・過学習リスクが主な課題です。RAGと組み合わせることで弱点を補う設計が一般的です。
