読み方: ふぁいんちゅーにんぐ
1行定義
事前に学習したAIモデルに、特定の目的のデータを追加で学習させて調整する手法
詳細解説
ファインチューニング（fine-tuning）は、大量のデータで事前学習を済ませたAIモデルに対して、特定の用途や分野のデータを追加で学習させ、そのモデルを目的に合わせて調整する手法です。事前学習で得た一般的な知識や特徴を土台として使うため、ゼロから学習するよりも、少ないデータと短い時間で目的の性能に近づけやすい点が利点です。大規模言語モデルでは、特定の業界の文書や文体、応答の形式に合わせるために使われます。ある課題で学習した成果を別の課題に生かす転移学習の一種として説明されることもあります。一方で、学習データに偏りや誤りがあると、その傾向が結果に表れる点には注意が必要です。外部の情報を検索して回答に加えるRAGとは、モデル自体を更新するかどうかで区別します。シラバスでは『AI（人工知能）の技術』に用語例として、事前学習や転移学習などと並んで挙がっています。
ITパスポートでの出題ポイント
- 事前学習済みのモデルに追加の学習をして調整する手法であることを理解する
- 転移学習やRAGとの関係・違いを区別できるようにする
- 追加学習に使うデータの品質が結果に影響することを押さえる
関連用語
- ディープラーニング AI・新技術
- 機械学習 AI・新技術
- ChatGPT / LLM AI・新技術
- 生成AI（Generative AI） AI・新技術
- RAG（Retrieval-Augmented Generation） AI・新技術
- AI（人工知能） AI・新技術
「ファインチューニング」の過去問を解いて理解を定着
合格ナビでは IPA 公式 600問 + 3段階の解説（初級・標準・上級） で「○○とは？」をその場で深掘りできます。
シラバス 6.5 準拠 / 最終更新: 2026-10-07