Saltar al contenido
IA Esencial

¿Qué es el fine-tuning? Ajuste fino de modelos de IA

El fine-tuning o ajuste fino especializa un modelo de IA ya entrenado con tus propios ejemplos. Qué es, cómo funciona y cuándo conviene usarlo.

Fine-tuning (Ajuste Fino) - Definición

El fine-tuning, o ajuste fino, es el proceso de tomar un modelo de IA que ya está entrenado y especializarlo con un conjunto más pequeño de ejemplos propios, para que haga mejor una tarea concreta o adopte un estilo determinado.

Es como contratar a alguien con una buena formación general y darle unas semanas de capacitación en tu empresa: no le enseñas a leer y escribir, le enseñas cómo se hacen las cosas aquí.

En esta página

¿Qué es el fine-tuning?

Entrenar un modelo desde cero, sobre todo un modelo de lenguaje grande, es carísimo. El fine-tuning aprovecha todo lo que el modelo ya sabe y solo ajusta una parte de sus parámetros con tus datos. Es una forma de lo que se llama aprendizaje por transferencia: el conocimiento general se transfiere a una tarea específica.

Así se consiguen modelos que, por ejemplo, responden siempre con el tono de una marca, clasifican los correos de un servicio de atención al cliente o entienden la jerga de un sector.

¿Cómo funciona?

  1. Se elige un modelo base ya entrenado, abierto o de una empresa que ofrezca ajuste fino.
  2. Se prepara un dataset con ejemplos de lo que quieres: preguntas con su respuesta ideal, textos con su clasificación, etc. Suelen bastar desde cientos hasta unos miles de ejemplos de buena calidad.
  3. Se reentrena el modelo con esos ejemplos durante un entrenamiento corto. Sus parámetros cambian un poco para adaptarse.
  4. Se evalúa con ejemplos nuevos para comprobar que mejoró en la tarea y no empeoró en lo demás.

Existen técnicas como LoRA que ajustan solo una pequeña parte del modelo, lo que lo hace mucho más rápido y barato.

¿Cuándo conviene hacer fine-tuning?

  • Cuando necesitas un formato o estilo muy constante que no logras solo con instrucciones.
  • Cuando la tarea es muy específica y repetitiva, como clasificar miles de documentos.
  • Cuando quieres un modelo más pequeño y barato que haga una sola cosa tan bien como uno grande.

Fine-tuning, prompts o RAG: qué elegir

Antes de ajustar un modelo, conviene probar alternativas más sencillas:

  • Buenos prompts: muchas veces basta con dar mejores instrucciones y ejemplos en el prompt. Es lo primero que hay que probar, con técnicas de ingeniería de prompts.
  • RAG (darle tus documentos): si lo que necesitas es que la IA conozca información de tu empresa, es mejor conectarla a tus documentos mediante embeddings. La información se puede actualizar sin reentrenar.
  • Fine-tuning: cuando lo que quieres cambiar es el comportamiento, el estilo o la especialización del modelo, no solo lo que sabe.

Preguntas frecuentes

¿El fine-tuning le enseña datos nuevos al modelo?

Un poco, pero no es su punto fuerte. Sirve sobre todo para cambiar cómo responde. Para que conozca información actualizada o específica, el RAG suele funcionar mejor y equivocarse menos.

¿ChatGPT pasó por un fine-tuning?

Sí. Después del preentrenamiento, los modelos de ChatGPT se ajustaron con ejemplos de conversaciones y con valoraciones humanas para aprender a seguir instrucciones y responder de forma útil.

¿Se puede hacer fine-tuning sin programar?

Algunas plataformas ofrecen interfaces sencillas para subir tus ejemplos y ajustar un modelo, pero preparar bien los datos y evaluar el resultado sigue requiriendo cierto conocimiento técnico.

Diccionario de Inteligencia Artificial de IA Esencial

¡Sigue aprendiendo!

Explora nuestro Diccionario de IA: más de 40 términos esenciales de inteligencia artificial explicados en lenguaje sencillo.