AI 용어집 · 기초 · 언어 모델
파인튜닝 Fine-tuning, 미세조정
파인튜닝(미세조정)은 이미 폭넓게 학습된 AI 모델을 특정 분야나 작업에 맞게 추가로 조금 더 학습시키는 것입니다.
쉽게 말하면 일반 교육을 마친 신입 사원에게 회사 업무 방식과 전문 용어를 따로 교육하는 것과 비슷합니다. 처음부터 사람을 키우는 것보다 훨씬 빠르고 적은 비용으로 실무에 맞출 수 있습니다.
어떻게 작동하나
먼저 방대한 데이터로 학습한 '기반 모델'을 준비합니다. 여기에 원하는 분야의 데이터, 예를 들어 법률 문서나 고객 상담 기록, 질문과 모범 답안 쌍을 넣어 추가로 학습시킵니다. 그러면 모델의 파라미터가 조금씩 조정되어 그 분야의 말투나 지식, 형식을 더 잘 따르게 됩니다. 모든 파라미터 대신 일부만 고쳐서 비용을 줄이는 방법도 널리 쓰입니다.
왜 중요한가
처음부터 모델을 만드는 것은 엄청난 데이터와 계산 자원이 필요합니다. 파인튜닝을 하면 기존 모델의 능력을 살리면서 적은 자원으로 원하는 용도에 맞출 수 있습니다. 기업이 자기 업무에 특화된 AI를 만들 때 자주 쓰는 방법입니다.
알아 둘 점
최신 정보나 자주 바뀌는 자료를 반영하는 데는 파인튜닝보다 RAG가 더 적합한 경우가 많습니다. 파인튜닝은 지식을 넣기보다 말투, 형식, 특정 작업 방식을 익히게 하는 데 더 효과적이라는 평가가 많습니다. 또 좁은 데이터로 지나치게 학습시키면 원래 잘하던 다른 능력이 떨어질 수도 있습니다.
예시
고객센터 챗봇을 만드는 회사는 범용 LLM을 그대로 쓰는 대신, 자사의 상담 기록과 응대 지침으로 파인튜닝해서 회사 말투와 정책에 맞게 답하도록 만들 수 있습니다. 오픈웨이트 모델이 인기를 끄는 이유 중 하나도 이렇게 직접 파인튜닝하기 쉽다는 점입니다.