Kısaca: Fine-tuning (ince ayar), önceden eğitilmiş bir yapay zeka modelinin belirli bir görev, üslup ya da alan için daha küçük ve özel bir veri setiyle yeniden eğitilmesidir.
Ne anlama geliyor?
Büyük dil modelleri önce çok geniş bir veriyle genel amaçlı olarak eğitilir. Fine-tuning bu modeli alır ve şirkete özgü örneklerle eğitimi sürdürür; böylece modelin ağırlıkları değişir ve model belirli bir işi daha tutarlı yapmaya başlar.
Her ince ayar modelin tamamını eğitmez. LoRA gibi parametre verimli yöntemler, modelin ana ağırlıklarını sabit tutup yalnızca küçük ek katmanları eğitir; bu da maliyeti ve donanım ihtiyacını düşürür.
Şirket için neden önemli?
Fine-tuning; sabit bir çıktı formatı, sınıflandırma, belirli bir yazım üslubu ya da sektöre özgü terimler gerektiren işlerde fayda sağlayabilir. Sık değişen bilgiyi modele öğretmek için ise uygun değildir: bilgi değiştikçe yeniden eğitim gerekir. Bu tür ihtiyaçlarda cevap anında belge getiren RAG genellikle daha pratiktir.
Eğitim verisi kişisel veri içeriyorsa 6698 sayılı KVKK kapsamına girer; Kişisel Verileri Koruma Kurumu bu konuyu Kasım 2025’te yayımladığı üretken yapay zeka rehberinde ele alır. AB tarafında Avrupa Komisyonu’nun Temmuz 2025 tarihli genel amaçlı yapay zeka kılavuzuna göre, bir modeli değiştiren kuruluş, değişiklikte kullanılan hesaplama gücü orijinal modelin eğitim hesaplamasının üçte birini aşarsa değiştirilmiş modelin sağlayıcısı sayılır ve sağlayıcı yükümlülükleri ona geçer.
Örnek
Bir sigorta şirketi, gelen hasar ihbarı e-postalarını doğru birime yönlendirmek ister. Prompt ile yapılan denemelerde model kategorileri tutarsız seçer. Şirket, geçmişte uzmanlarca etiketlenmiş e-postalarla küçük bir modele ince ayar yapar; model şirketin kendi kategori yapısını öğrenir. Poliçe şartları gibi sık değişen bilgiler ise ince ayara değil, belge arama katmanına bırakılır.
Sık karıştırılan
- Fine-tuning ve prompt: Prompt modele ne yapacağını her seferinde söyler, modeli değiştirmez. Fine-tuning modelin kendisini değiştirir.
- Fine-tuning ve RAG: RAG modeli eğitmez; soru geldiğinde ilgili belgeyi bulup modele verir. Ayrıntı için: RAG Nedir?
- Fine-tuning ve sıfırdan model eğitimi: İnce ayar mevcut bir modelin üzerine kurulur; sıfırdan eğitim çok daha büyük veri ve hesaplama gücü gerektirir.
Nereden başlanır?
- Önce prompt ve RAG ile çözülemeyen somut bir sorun tanımlayın; ince ayarı ilk seçenek olarak değil, son seçenek olarak değerlendirin.
- Eğitim verisinin temizliğini, temsil gücünü ve kişisel veri içerip içermediğini kontrol edin.
- İnce ayarlı modeli, ince ayarsız modelle aynı test setinde karşılaştırın; fark ölçülemiyorsa maliyete değmez.
Ekibinize sorun
- Çözülmek istenen sorun model davranışı mı, yoksa modelin erişemediği bilgi mi?
- Eğitim verisinde kişisel veri ya da ticari sır var mı, işlemenin hukuki dayanağı ne?
- Temel model güncellendiğinde ince ayarı kim, hangi maliyetle yenileyecek?
İlgili terimler
- LLM (Büyük Dil Modeli) Nedir?
- Prompt Nedir?
- Cihaz İçi Yapay Zeka Nedir?
- AB Yapay Zeka Yasası Nedir?
- Yapay Zeka Halüsinasyonu Nedir?
- RAG Nedir?
Siyah Tilki’de ilgili yazılar
- RAG Nedir: Yapay Zeka Şirketleri İçin Tam Rehber
- Tether, LoRA ve BitNet ile yapay zeka eğitimi cihazda
- Kurumsalda Yapay Zeka Yönetimi

