AIF-C01#13(foundation-models)
ある企業が、特定のタスクを実行するために基盤モデル（FM）を学習させました。次に、そのFMを「別の、しかし関連性のあるタスク」を実行させるためにファインチューニングする必要があります。 この要件を満たすファインチューニング手法はどれですか？
正解：C
正解の根拠
転移学習 (Transfer Learning) は、あるタスクで学習したモデルの知識 (重み/特徴抽出器) を別の関連タスクに転用する手法です。本問のように既存 FM を関連タスク向けにファインチューニングして再利用するシナリオはまさに転移学習の典型です。SageMaker JumpStart や Bedrock のカスタムモデルで容易に実現できます。
学習手法の比較
| 手法 | 特徴 |
|---|---|
| Transfer Learning | 既存知識を関連タスクへ流用 |
| Pre-training | 大規模データから一から学習 |
| Hyperparameter Tuning | 学習設定の最適化 |
| Reinforcement Learning | 報酬最大化で方策学習 |
不正解の理由
- A: ハイパーパラメータチューニングは学習率やバッチ等の最適値探索で、別タスクへの知識流用を行う手法ではありません。
- B: 事前学習は大規模データから FM をゼロから構築する工程で、既存モデルを関連タスクに適応させる本問とは段階が異なります。
- D: 強化学習は報酬信号を通じて方策を学習する手法で、ファインチューニングによるタスク間転用そのものを表すものではありません。
コメント