もう少し詳しく
事前学習(プレトレーニング)で大量のテキストなどからAIの基礎的な知識・言語能力を身につけたあと、実際の製品として使いやすくするために行う調整全体を指します。人間の評価者が好ましいと判断した応答を強化する学習や、特定の分野(プログラミング、数学、長時間にわたる複雑な作業など)に特化した追加訓練が含まれます。同じ基盤モデルを土台にしていても、事後学習の内容次第で得意分野や応答の性格が大きく変わります。
どこで使われるか
OpenAI・Google・Anthropic・DeepSeekなど、大規模言語モデルを開発するほぼすべての企業が採用している工程です。新しいモデルが発表される際、「基盤モデルを刷新した」のか「事後学習だけで性能を伸ばした」のかは、開発にかかったコストや性能向上の性質を理解するうえで重要な違いになります。
身近な例
チャットAIが「丁寧に説明してくれる」「コードを書くのが得意」「長い指示にも粘り強く従える」といった特徴を持つのは、多くの場合、事前学習で得た基礎知識に加えて、事後学習でその方向へ調整された結果です。同じ基盤モデルを土台にしていても、事後学習の重点の置き方によって、製品ごとの個性が生まれます。
注意点
「事後学習だけで性能を伸ばした」という発表は、基盤モデル自体を作り直すよりも開発コストや期間を抑えられる一方、基盤モデルが持つ根本的な限界(知識の範囲や推論の仕組みなど)そのものが変わるわけではありません。発表を見る際は、基盤モデルの刷新なのか、事後学習による改良なのかを区別して捉えると、実際の進化の度合いを見誤りにくくなります。
