Ajuste Fino

En el ámbito de la inteligencia artificial (IA) y el aprendizaje automático (Machine Learning), se refiere a la técnica mediante la cual un modelo previamente entrenado se adapta o personaliza para tareas específicas mediante un entrenamiento adicional.

Este proceso utiliza como base un modelo pre-entrenado, que ha sido entrenado previamente en grandes conjuntos de datos generales, y lo perfecciona utilizando un conjunto de datos más pequeño y especializado que esté orientado a la tarea deseada.

Es especialmente útil cuando se trabaja con grandes arquitecturas de redes neuronales que requieren enormes cantidades de datos y recursos computacionales para entrenarse desde cero.

Al ajustar este modelo a la nueva tarea, se permite aprovechar los conocimientos generales aprendidos, reduciendo significativamente los requisitos computacionales y de datos mientras se mejora el rendimiento en la tarea concreta.

En la práctica, es un enfoque común para adaptar modelos avanzados como GPT, BERT o redes convolucionales a aplicaciones específicas, como clasificaciones de texto, reconocimiento de imágenes o traducción de idiomas.