モデル学習

モデル学習はいくつかの異なるプロセスを包含します。事前学習は、一般的な能力を与えるために大規模で広範なデータセットでモデルをゼロから学習させることです。教師ありファインチューニングは、特定のタスクにモデルを特化させるためにラベル付きの事例でさらに学習させることです。人間のフィードバックによる強化学習(RLHF)は、人間の選好シグナルを用いてモデルの振る舞いを望ましい出力に整合させます。LoRAのようなパラメータ効率の良いファインチューニング手法は重みの小さな部分集合だけを学習させ、完全な計算インフラなしでカスタマイズを可能にします。多くの大規模基盤モデルで使われる自己教師あり学習は、明示的な人間のラベルではなくデータ自体の構造から学習シグナルを導きます。

クリエイティブAIワークフローにおけるモデル学習は、最も一般的にはファインチューニングとして現れます。ベースとなる画像・動画生成モデルを一連のリファレンス画像で学習させ、特定のキャラクターの顔、特定のビジュアルスタイル、ブランドの美学を捉えることです。Replicate、RunPodのようなプラットフォームや、Kohya SSのような専用ツールにより、個人のクリエイターがファインチューニングのジョブを実行できます。学習はまた、本番で使われるあらゆるAIツールの根底に暗黙的にあります。Sora、Stable Diffusion、Midjourneyなどの能力は、すべてその学習データとプロセスの直接の産物です。