Fine-tuning（ファインチューニング）は、事前学習済みのAIモデルを特定のデータセットで学習を続け、能力を特化させたり、特定のスタイルやドメインに適応させたり、元の学習データに含まれないカスタム被写体を教えたりするプロセスです。ゼロからモデルを学習する莫大な計算コストなしに、クリエイターや組織がAIモデルをカスタマイズできるようにします。

プロセスは、初期学習で広い知識を持つベースモデルから始め、望む特化を表すより小さなキュレーションされたデータセットに触れさせることで進みます。ファインチューニング中、モデルの重みが新しいデータにより合うように調整されつつ、一般的な能力の多くは保持されます。ファインチューニングは、特定の芸術スタイル、ブランドの視覚的アイデンティティ、特定の被写体やキャラクター、技術ドメイン、ベースの学習データで十分に表されていない専門的な視覚言語をモデルに教えるために使えます。

LoRA、DreamBooth、ハイパーネットワークのようなアプローチにより、従来のフルモデルファインチューニングより少ないデータと計算リソースで、ファインチューニング技法はより手軽で効率的になっています。クリエイターとビジネスにとって、ファインチューニングは、プロンプトエンジニアリングに完全に頼ったりベースモデルの汎用出力を受け入れたりせずに、一貫したオンブランドのAI生成を実現する現実的な道です。