ホーム / 自分専用のAIに育てる
GUIDE 03 / 中級
自分専用のAIに育てる
RAGとLoRAの違い、学習データの作り方
「自分だけのAI」に近づける代表的な方法はRAGと追加学習です。似ていますが、できることが違います。
01. RAGとLoRAの違い
RAG
必要な情報をその場で読む
資料を検索し、見つけた部分をAIに渡して回答させます。資料が更新される用途に向きます。
質問 → 文書検索 → AI → 回答
LoRA / Fine-tuning
モデルの振る舞いを学習する
例題を使って、文章の形式・指示への従い方・特定作業での傾向を調整します。
学習例 → 訓練 → 調整モデル
02. どちらを選ぶ?
| 方法 | できること | 必要なもの |
|---|---|---|
| 最新の自社資料に基づいて回答 | RAGが第一候補 | 文書の整備・検索 |
| いつも決まった形式で回答 | LoRAなどが候補 | 良質な入出力例 |
| 両方の利点が欲しい | RAG+LoRAを組み合わせる | 検索と学習の両設計 |
03. 訓練データを作る
追加学習では、まず正しい入出力の組を作ります。次は概念説明用のJSON形式の例です。実際のデータ形式は選んだ学習ライブラリに合わせて変えます。
TERMINAL / CODE
{
"instruction": "会社の売上と利益率を説明して",
"input": "売上1000万円、営業利益100万円",
"output": "営業利益率は10%です。"
}04. 学習前に評価セットを作る
1
練習用とテスト用を分ける
テスト問題を学習データに混ぜない。
2
実行前の回答を保存
正確性、根拠、形式を同じ基準で採点する。
3
少量から学習する
LoRAなどを使い、GPUメモリと学習時間を確認する。
4
改善を検証する
改善しない場合はデータ品質や評価方法を見直す。
勘違いしやすい点
「学習させれば何でも事実を覚える」というわけではありません。更新頻度の高い事実や根拠の提示にはRAGが適する場面が多いです。