生成AI応用誤り発見
生成AIのファインチューニングとカスタマイズに関する以下の記述で、誤っているものはどれか。
A.ファインチューニングは基盤モデルの重みを更新して、特定のタスクやドメイン知識に特化させる手法である。
✓ この記述は正しい。ファインチューニングはベースモデルの重みを更新して、特定ドメインやタスクへの特化を実現する標準的な手法です。
B.ファインチューニング用の訓練データサイズは多いほど常に良い結果を生み出し、データ量に上限はない。← 正解
✓ 正解です。この記述が誤りで、ファインチューニングでは最適なデータ量が存在し、過度なデータ増加は過学習やコストの増加につながります。
C.RAGはファインチューニングとは異なり、訓練データなしで外部データベースから動的に情報を取得する手法である。
✓ この記述は正しい。RAGは事前学習を伴わずに外部知識ベースを活用し、訓練なしにドメイン知識を組み込めます。
D.ドメイン固有の少量データを使用する場合、完全なファインチューニングより効率的な低ランク適応（LoRA）が利用できる。
✓ この記述は正しい。LoRAは限られたパラメータ更新で効率的なファインチューニングを実現し、小規模データセットに適しています。
この問題のポイント
この記述が誤りで、ファインチューニングでは最適なデータ量が存在し、過度なデータ増加は過学習やコストの増加につながります。
「生成AI応用」の他の問題
IT・クラウド の関連資格
AWS Certified Cloud Practitioner（CLF-C02）
AWSクラウドの入門資格。クラウドの概念・AWSのコアサービス・セキュリティ・料金モデルを問う。
AWS Certified Solutions Architect - Associate（SAA-C03）
AWSでのシステム設計能力を問うアソシエイト資格。高可用性・セキュリティ・コスト最適化の設計が中心。
DP-900：Microsoft Azure Data Fundamentals
Azureのデータサービスの基礎を問うMicrosoft認定資格。リレーショナル/非リレーショナルデータ、分析ワークロード、コアのデータ概念を扱う。