キノクエストの登録・詳細はこちらから▶︎https://kino-code.com/kq_service_a/?utm_source=youtube.com&utm_medium=referral&utm_campaign=eGktwD5GQN0_gaiyo_kq_service_a/
プログラミング学習「キノクエスト」なら、Pythonの学習も、ITスキルアップも、生成AIも、学習し放題。
ハンズオンで実務にすぐ応用できる問題もあります。
✅生成AIを使って業務削減をしたい方
✅DXに関する知識を習得したい方
✅ITパスポート試験を受けたい方
✅業務を自動化したい方
✅AIを使った分析や予測をしたい方
▼法人向けDX人材育成ならこちらから
【初回無料相談受け付けフォーム】
https://kino-code.com/contact-form/?utm_source=youtube.com&utm_medium=referral&utm_campaign=eGktwD5GQN0_gaiyo_contact-form/
【キノクエストforBizサービス内容について】
https://kino-code.com/kinoquest-forbiz-1/?utm_source=youtube.com&utm_medium=referral&utm_campaign=eGktwD5GQN0_gaiyo_kinoquest-forb
▼目次
00:00 ダイジェスト
00:29 この動画でわかること
01:20 ファインチューニングとは？
01:46 ファインチューニングに必要なデータ
02:35 ファインチューニングの方法
03:32 ファインチューニングの特徴
07:00 ファインチューニングの問題点
08:55 まとめ
09:27 キノクエスト、キノクエストforBizで学習しませんか？
▼関連動画
【今さら聞けない？】生成AIとは？AIとどう違うの？（図解で簡単にわかりやすく解説）
【知っておきたい】LLMとは？生成AIとどういう関係？（図解で簡単にわかりやすく解説）
【IT情報キャッチアップ】RAGとは？生成AIが賢くなる技術？（図解で簡単にわかりやすく解説）
【生成AIを使いこなしたい人必見】プロンプトエンジニアリング超入門講座はじめます！
【プロンプトエンジニアリング超入門】02.プロンプトエンジニアリングがなぜ大切か？学ぶメリット5つ
【プロンプトエンジニアリング超入門】03.プロンプトエンジニアリングでできる8つのこと｜具体例で紹介
【プロンプトエンジニアリング超入門】04.プロンプトの基本形｜今すぐ使える「上達するコツ」
【プロンプトエンジニアリング超入門】05.効果的なプロンプトを作る4つのポイント
【プロンプトエンジニアリング超入門】06.プロンプトは明確さが命！生成AIにとっての明確な指示とは？
【プロンプトエンジニアリング超入門】07.生成AIの性能を引き出す『情報提供』の極意｜提供した情報をもとに回答、引用を含めて回答
【プロンプトエンジニアリング超入門】08.複雑な内容でも生成AIの精度が上がるテクニック｜長い会話では一度要約、複雑なタスクを小さなタスクに分ける
【プロンプトエンジニアリング超入門】09.生成AIに考える時間を与えるテクニック｜解決策を考えさせる、見落としがないか確認する
【プロンプトエンジニアリング超入門】10.生成AIの精度を上げる「論文で証明された4つのテクニック」｜Few-shot、思考の連鎖、自己整合性、思考の木
【完全版】DX超入門講座 合併版｜DXの基本的な部分をたった2時間で学べます
【保存版】Pythonでできることを100個以上紹介！プログラミングでやりたいことが見つかる！
【完全版】Pythonでできること174例と学習ロードマップを徹底解説！（仕事の自動化、データ分析、機械学習、Webアプリ開発）
▼動画で話している内容
RAGの動画はご覧になりましたか？
RAGの技術を使えば、生成AIをカスタマイズできます。
そして、もう1つ生成AIをカスタマイズできる技術が、「ファインチューニング」です。
この動画は、次のような疑問を解消します。
– ファインチューニングって何？
– RAGとの違いは何？
– ファインチューニングのやり方や注意点は？
この動画では、これらの疑問をわかりやすく解説します。ファインチューニングを知ることで、生成AIをもっと自分の仕事に活かしていきましょう！
ITやDXについての学びを発信する「キノコード」です。
私は紀貫之の子孫ですが、文章ではなくコードを書いているので「キノコード」と名乗っています。
ぜひ、チャンネル登録をお願いします。
## ファインチューニングとは
ファインチューニングは、「Fine-tuning」と書きます。
Fineとは、「細かい」「精密な」という意味。
Tuningとは、「調整」「整える」という意味。
つまり、ファインチューニングは、あらかじめ学習を終えたAIモデルを細かく調整する技術です。
その結果、企業独自の情報や高度な知識を追加することができます。
## ファインチューニングに必要なデータ
ファインチューニングを行うには、学習用のデータが必要です。
どんなデータを使うのか、1つの例にあげて説明をします。
まず、「指示文」と「理想的な出力」のペアを用意します。
たとえば、「こういう質問をされたら、こう答えてほしい」という例を多数揃えておきます。
モデルにこのペアを学習させることで、特定のタスクに最適化できるわけです。
プロンプトエンジニアリングを知っている方には、Few-shot promptingを例に挙げるとわかりやすいでしょう。
プロンプト内に質問と回答の例をいくつか入れて精度を上げる方法です。
ファインチューニングではこれを追加学習しておくイメージです。
結果として、プロンプトにわざわざ例を入れなくても、LLMが自動でそのように応答できるようになります。
## ファインチューニングの方法
ファインチューニングは、あらかじめ学習を終えたAIモデルを細かく調整する技術だとお伝えしました。
つまり、一度学習が終わったモデル全体を再学習するわけではありません。
ファインチューニングには、いくつか方法がありますが、ここでは1つ紹介をします。
図を使って説明をしますね。
左の層が既存モデルです。
左の層では、基礎的な特徴を学習しています。
ここはそのまま利用します。
そして、右の層の一部のみを再学習します。
そうするで計算リソースを節約しながら、モデルを特定のタスクに最適化できます。
つまり、既存の知識を活用しながら、追加したい分野やタスクに特化する場合に適しています。
これらの方法を選択することで、目的に応じた効率的なファインチューニングが可能になります。
## ファインチィーニングの特徴
RAGの動画を見た方なら、ファインチューニングとRAGと何が違うの？と思った方、するどいです。
ファインチューニングの特徴を、RAGとの比較を交えながら解説をしていきますね。
ファインチューニングとRAGの役割は同じです。
つまり、LLMの「最新の情報に追いつけない場合がある」「特定の分野での精度の限界」という課題を解決するという意味では、どちらも似た役割を果たします。
しかし、RAGとファインチューニングにはいくつか違いがあります。
ここでは、その違いを表形式でわかりやすく説明します。
（続く）
▼書き起こしブログページ
準備中
▼自己紹介
ブログに自己紹介を書いております。
https://kino-code.com/profile/
▼SNS
Twitter : https://twitter.com/kino_code/likes
Facebook : https://www.facebook.com/キノコード -105693727500005/
Website : https://kino-code.com/
#生成ai #gpt #llm #finetuning #rag
コメント