応用情報技術者 2024年 秋期 午前2 問71
問題文
生成 AIのビジネス活用において、独自のデータを学習させることにより基盤モデルを自社の業務やサービスに特化したモデルへとカスタマイズすることを何と呼ぶか。
選択肢
ア：アノテーション
イ：クラスタリング
ウ：ファインチューニング（正解）
エ：プロンプトエンジニアリング
生成AIのビジネス活用におけるカスタマイズ手法【午前2 解説】
要点まとめ
- 結論：独自データで基盤モデルを特化させる手法は「ファインチューニング」と呼ばれます。
- 根拠：ファインチューニングは既存の大規模モデルに自社の業務データを追加学習させ、性能を最適化する技術です。
- 差がつくポイント：プロンプトエンジニアリングは入力の工夫、アノテーションはデータのラベル付け、クラスタリングはデータ分類であり、モデルの再学習とは異なります。
正解の理由
「ファインチューニング」は、既に学習済みの基盤モデルに対して自社の独自データを用いて再学習を行い、特定の業務やサービスに適したモデルへとカスタマイズする技術です。これにより、基盤モデルの汎用性を活かしつつ、特定分野での精度や応答の質を向上させられます。選択肢の中でこの説明に該当するのはウ: ファインチューニングです。
よくある誤解
プロンプトエンジニアリングは入力文の工夫であり、モデル自体の学習は行いません。アノテーションはデータ準備の一環で、モデルのカスタマイズ手法ではありません。
解法ステップ
- 問題文の「独自のデータを学習させる」という表現に注目する。
- 「基盤モデルを自社の業務やサービスに特化したモデルへ」とあるため、モデルの再学習や調整が必要と判断。
- 選択肢の意味を整理し、モデルの再学習を指す用語を選ぶ。
- 「ファインチューニング」が該当するため、これを正解とする。
選択肢別の誤答解説
- ア: アノテーション
データにラベルを付ける作業であり、モデルの学習手法ではありません。 - イ: クラスタリング
データをグループ分けする手法で、モデルのカスタマイズとは異なります。 - ウ: ファインチューニング
正解。基盤モデルに独自データを追加学習させることで特化モデルを作成します。 - エ: プロンプトエンジニアリング
モデルへの入力文を工夫する技術で、モデル自体の学習は含みません。
補足コラム
ファインチューニングは、特に大規模言語モデル（LLM）で多用される技術です。基盤モデルは膨大な一般データで学習済みですが、業務特有の用語や文脈に対応するために追加学習を行います。これにより、カスタマーサポートや専門分野の自動応答などで高い精度を実現可能です。
FAQ
Q: 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は何ですか？
A: ファインチューニングはモデルの再学習で性能を向上させる手法、プロンプトエンジニアリングは入力文の工夫で応答を改善する技術です。
A: ファインチューニングはモデルの再学習で性能を向上させる手法、プロンプトエンジニアリングは入力文の工夫で応答を改善する技術です。
Q: アノテーションはなぜ重要ですか？
A: 正確なラベル付けはモデル学習の質を左右し、ファインチューニングの効果を高めるために不可欠です。
A: 正確なラベル付けはモデル学習の質を左右し、ファインチューニングの効果を高めるために不可欠です。
関連キーワード: ファインチューニング、生成AI, 基盤モデル、プロンプトエンジニアリング、アノテーション、クラスタリング
\ せっかくなら /
応用情報技術者を
クイズ形式で学習しませんか？
クイズ画面へ遷移する→
すぐに利用可能！