El fine-tuning o ajust fi és un procés d'especialització on es pren un
model d’IA pre-
entrenat i es refina amb un
entrenament amb dades específiques per a una tasca concreta. És com donar una formació especialitzada a un model que ja té coneixements generals.
Durant l'ajust fi, un model que ja ha estat
entrenat amb grans quantitats de dades generals s'adapta per a un ús específic utilitzant un
dataset més petit i especialitzat. Per exemple, es pot agafar un
model de llenguatge gran entrenat amb textos generals i refinar-lo amb textos mèdics perquè s'especialitzi en terminologia i conceptes de medicina.
Aquest procés és més eficient que
entrenar un model des de zero, ja que aprofita la
transferència de coneixement previ del model i s'afegeix coneixement específic. Imagina un model
entrenat per reconèixer objectes en imatges que pot refinar-se amb fotos d'ocells per convertir-se en un expert en identificar espècies d'ocells, sense necessitat d'aprendre des de zero conceptes bàsics com formes, colors o textures.
A diferència d'altres tècniques d'especialització de
models d'IA com
LoRA, que afegeix capes adaptatives, el fine-tuning modifica el model complet per a incorporar els nous coneixements específics. Necessitant més capacitat computacional i dades d'
entrenament.