Feintuning
Ein vorhandenes Modell mit eigenen Daten weitertrainieren, um es zu spezialisieren.
Beim Feintuning wird ein bereits trainiertes Modell mit einer engeren und spezifischeren Auswahl von Beispielen noch etwas weitertrainiert. Das Ergebnis ist eine Version, die auf eine bestimmte Aufgabe, einen Tonfall oder ein Fachgebiet spezialisiert ist, ohne die enormen Kosten, ein Modell von Grund auf zu bauen.
Das kann bemerkenswert wirksam sein. In einem Fall trainierte ein Hedgefonds ein kostenloses Modell mit offenen Gewichten mit dem Urteilsvermögen der eigenen Fachleute weiter. Bei Finanzaufgaben schlug es jedes namhafte geschlossene KI-System, zu einem Bruchteil der Kosten. Die Lehre lässt sich verallgemeinern: Bei spezialisierter Arbeit kann ein kleineres, von den eigenen Daten geprägtes Modell ein größeres Universalmodell übertreffen.
Feintuning ist ein wichtiger Grund dafür, dass Modelle mit offenen Gewichten für Unternehmen so wertvoll sind: Sie lassen sich an eigene Bedürfnisse anpassen, während sowohl das Modell als auch die Daten unter eigener Kontrolle bleiben.