Lu¿Qué es el ajuste fino / fine‑tuning?
¿Alguna vez has tenido un modelo de IA general que escribe poemas y charla, pero cuando le pides que analice los estados financieros de tu empresa o revise un contrato laboral, te suelta disparates o inventa leyes con total seguridad? No es tonto, es que nunca ha visto tus datos. Aprendió de contenido público de internet, así que tu dominio específico le es ajeno.
El ajuste fino es la solución. Piensa en ello como un recién graduado (modelo preentrenado) que entra en tu empresa y recibe formación práctica durante un tiempo (le das datos de tu sector). Después de eso, trabaja mucho mejor.
En realidad, el modelo grande ya ha gastado miles de millones para devorar casi todo el texto público de internet: eso es el “preentrenamiento”. Ya tiene un buen dominio del lenguaje y conocimientos generales. Pero para una tarea concreta—escribir publicaciones para Xiaohongshu, diagnosticar enfermedades de la piel o traducir contratos legales—no es suficiente. Entonces le das cientos o miles de preguntas‑respuestas, especificaciones o historiales médicos de tu campo, y le dejas estudiar—no desde cero, sino ajustando sus habilidades existentes hacia tu dirección. El coste computacional es mucho menor que el entrenamiento completo, y los resultados son inmediatos.
El ajuste fino tiene variantes. El ajuste completo (todos los parámetros) es potente pero caro. Opciones más baratas solo retocan un subconjunto, como el popular LoRA: añade un pequeño complemento que adapta el modelo con cambios mínimos, rápido y económico.
Pero no es mágico. Si usas datos malos, el modelo aprende basura y puede olvidar sus capacidades originales (olvido catastrófico). Además, tras el ajuste, el modelo se vuelve especialista—pregúntale cosas aleatorias y se vuelve torpe. Así que el ajuste fino convierte a un generalista en especialista, no en un mejor generalista.
En resumen, es una forma barata de adaptar una IA general a tus necesidades específicas. No esperes milagros, pero úsalo bien y es una herramienta letal.
Comentarios