Fine-tuning-ul este procesul prin care un model AI deja antrenat pe date generale este reantrenat suplimentar pe un set de date specific, pentru a-i îmbunătăți performanța într-un domeniu sau context anume.
În loc să construiască un model de la zero — proces extrem de costisitor — companiile pornesc de la un model fundamental (foundation model) existent și îl „specializează” folosind exemple relevante pentru nevoile lor, precum documente interne, conversații cu clienți sau texte din industria proprie.
De exemplu, o companie farmaceutică poate face fine-tuning pe un model de limbaj pentru ca acesta să răspundă corect la întrebări tehnice specifice domeniului medical.
Avantajul principal este obținerea unor rezultate mult mai precise pentru un anumit domeniu, cu costuri și timp reduse comparativ cu antrenarea de la zero. Limitarea este nevoia de date de calitate și riscul ca modelul să „uite” parțial cunoștințele generale în favoarea celor specifice (fenomen numit catastrophic forgetting).
Fine-tuning-ul este una dintre metodele cele mai folosite de companii pentru a adapta modelele AI generaliste la nevoile lor de business.