Pular para o conteúdo
Inteligência Artificial

Fine-tuning de IA: quando ajustar um modelo e quando só melhorar o prompt

Resposta rápida

Fine-tuning é continuar o treinamento de um modelo de IA com exemplos seus, para que ele adote um estilo, formato ou tarefa específica. Na maioria dos casos, um prompt bem escrito, com exemplos, resolve antes e é mais barato.

Neste artigo
  1. A escada: do mais simples ao mais complexo
  2. Quando o fine-tuning faz sentido
  3. Quando não compensa
  4. O que considerar antes de começar

Fine-tuning, ou ajuste fino, é pegar um modelo de IA já treinado e continuar o treinamento com um conjunto menor de exemplos seus. O resultado é um modelo que responde de um jeito mais consistente em uma tarefa específica. Parece sempre a melhor saída, mas na prática é a última etapa de uma escada.

A escada: do mais simples ao mais complexo

  1. Prompt melhor: instruções claras, formato esperado e contexto.
  2. Exemplos no prompt: mostrar dois ou três casos de entrada e saída ideal.
  3. Consulta a documentos: dar à IA acesso ao seu material. Veja IA que responde com base em documentos: o que é RAG.
  4. Fine-tuning: treinar o modelo com muitos exemplos.

Suba um degrau só quando o anterior não bastar. Cada etapa custa mais tempo, dinheiro e manutenção.

Quando o fine-tuning faz sentido

  • Você precisa de um estilo ou tom muito específico, repetido em grande volume.
  • A tarefa tem formato rígido, como classificar mensagens em categorias fixas ou extrair campos de textos.
  • O prompt ficou enorme, com muitos exemplos, e isso encarece e atrasa cada resposta.
  • Você tem uma base de bons exemplos, revisados por pessoas.

Quando não compensa

Fine-tuning não é a melhor forma de ensinar fatos que mudam, como preços, políticas ou catálogo. O que foi aprendido no treinamento fica fixo até você treinar de novo. Para informação atualizada, consultar documentos é mais prático.

Também não compensa se você tem poucos exemplos, ou exemplos de qualidade irregular. O modelo aprende os erros junto com os acertos.

O que considerar antes de começar

  • Os dados: contêm informação pessoal ou confidencial? Confira a política do fornecedor sobre o uso desses dados e a legislação de proteção de dados.
  • O custo: além do treinamento, há o preço de usar o modelo ajustado, que pode ser diferente do modelo original.
  • A manutenção: quando o fornecedor lançar um modelo novo, talvez seja preciso refazer o ajuste.
  • A avaliação: defina de antemão como medir se ficou melhor.

Os recursos e preços de fine-tuning mudam com frequência e variam entre fornecedores. Consulte a documentação oficial do serviço que você pretende usar.

  • Inteligência Artificial
  • Fine-tuning
  • Prompts

Perguntas frequentes

Fine-tuning ensina fatos novos para a IA?

Não é o uso mais indicado. Para a IA consultar informações suas e atualizadas, costuma funcionar melhor buscar o conteúdo em documentos, como no RAG.

Quantos exemplos preciso para fazer fine-tuning?

Depende do serviço e da tarefa. A documentação do fornecedor do modelo traz as recomendações, e a qualidade dos exemplos pesa mais que a quantidade.

Leia também

Inteligência Artificial

IA que responde com base em documentos: o que é RAG

Como a IA usa seus documentos para responder, em linguagem simples e sem jargão.

· 5 min de leitura
Inteligência Artificial

Instruções personalizadas na IA: como configurar e o que escrever

Uma configuração única evita repetir o mesmo pedido em toda conversa.

· 2 min de leitura
Inteligência Artificial

Prompt injection: o que é e como reduzir o risco ao usar IA

Quando a IA lê um conteúdo de terceiros, esse conteúdo pode tentar dar ordens a ela.

· 2 min de leitura
Inteligência Artificial

Treinar entrevista de emprego com IA: simulação e feedback

Use um assistente de IA como parceiro de ensaio: ele pergunta, você responde e depois recebe feedback para melhorar.

· 5 min de leitura

Deixe seu comentário