あるAIプロジェクトチームが、事前学習済みの大規模言語モデル（LLM）を自社データで追加学習させて専門分野に特化させる手法を採用した。この手法を何というか。
- A. ゼロショット学習（Zero-shot Learning）：学習データなしにプロンプトだけでタスクを解かせる
- B. データ拡張（Data Augmentation）：元のデータを変形してデータ量を増やすテクニック
- C. 転移学習（Transfer Learning）のみ：他ドメインで学習した知識を別タスクで流用する一般的な概念
- D. ファインチューニング（Fine-tuning）：事前学習済みモデルのパラメータを自社データでさらに更新する
解答と解説を見る
正解: D
ファインチューニングは、大規模事前学習済みモデル（GPT・BERTなど）のパラメータを、ターゲットタスクや特定ドメインのデータでさらに更新することで専門特化させる手法である。LLMの活用では「事前学習＋ファインチューニング」のパラダイムが広く使われる。Cの転移学習はファインチューニングを含む上位概念であり、より広い意味を持つため、「追加学習でパラメータを更新する」という具体的な手法の名称としては不正確。Aのゼロショット学習はパラメータを更新せずにプロンプトだけで推論させる手法であり、追加学習とは異なる。Bのデータ拡張は学習データを増やすテクニックであり、モデルパラメータの更新手法とは別の概念。