Fine-tuning
Il fine-tuning è un addestramento aggiuntivo che insegna a un modello generale i tuoi schemi specifici: gli mostri centinaia o migliaia di esempi dei tuoi compiti, del tuo tono e dei tuoi formati, e il modello aggiusta i suoi pesi finché quel comportamento diventa il suo default.
Niente gergo, niente formule
In parole semplici, che cos'è?
Il fine-tuning parte da un modello base già capace e lo specializza sui tuoi esempi. Prepari un dataset di coppie ingresso-uscita: domande dei clienti e risposte corrette, letture grezze degli strumenti e referti compilati, ordini e risposte standard. Il modello li ripercorre per molte tornate: a ogni passaggio, l'errore sulle tue coppie viene propagato all'indietro e i pesi si spostano di poco nella direzione che lo riduce. Alla fine il modello non ha imparato regole nuove: ha spostato le sue abitudini statistiche finché il tuo formato è diventato il più probabile. Il costo è reale (GPU a noleggio, giorni di preparazione dati) ma è di ordini di grandezza inferiore all'addestramento da zero. Dove si rompe: pochi esempi o etichette sporche portano all'overfitting, cioè il modello impara i tuoi esempi a memoria e inciampa appena vede un caso nuovo. E ricorda: il fine-tuning insegna stile e formato, non fatti freschi; per i fatti che cambiano ogni settimana serve il retrieval.
- 01
Il modello base. Parti da un modello generale già capace.
- 02
I tuoi esempi. Costruisci coppie ingresso-uscita dei tuoi compiti reali.
- 03
Allenamento. Il modello ripercorre gli esempi; l'errore sposta i pesi verso i tuoi schemi.
- 04
Valutazione. Un set di esempi mai visti misura se la specializzazione regge.
- 05
Rilascio. Superata la valutazione, il modello va in produzione; altrimenti si torna ad allenare.
Termini che gli stanno vicini.
Training
Il training è il processo che trasforma un modello vuoto in un'IA funzionante: gli mostri migliaia o milioni di esempi, confronti le sue risposte con quelle corrette e correggi le sue impostazioni interne finché le risposte migliorano.
LeggiOverfitting
L'overfitting è quando un modello memorizza i suoi dati di training invece di imparare lo schema sottostante: quasi perfetto sugli esempi che ha visto, inaffidabile su tutto il resto.
LeggiDataset
Un dataset è la raccolta organizzata di esempi da cui un'IA impara o sulla quale viene giudicata: migliaia o milioni di righe di testo, immagini o letture di sensori, ripulite, etichettate e divise in training, validation e test.
Leggi§ 04
Vuoi che funzioni davvero nella tua azienda?
Progettiamo e rilasciamo sistemi AI con permessi, log e approvazione umana. Si parte con una call di scoping di 30 minuti.