Ir para o conteúdo

Ajuste Fino

O que é

Ajuste fino é a etapa de treinamento que parte de um modelo já pré-treinado e o especializa para uma tarefa ou domínio específico, usando um volume de dados bem menor e mais direcionado do que o pré-treinamento. Segundo a norma NIST SP 800-226, ajuste fino é "uma etapa de treinamento que parte de um modelo pré-treinado (às vezes chamado de modelo fundacional) e acrescenta informação específica de uma tarefa ou domínio". O documento NIST AI 100-2e2025 detalha que essa etapa "envolve treinar ainda mais o modelo com dados específicos da tarefa" e costuma ser, em geral, uma tarefa de aprendizado supervisionado.

Por que isso importa?

Ajuste fino é o que torna possível adaptar um modelo genérico e caro de treinar (como um grande modelo de linguagem ou um modelo de reconhecimento de fala) para um uso específico, sem repetir todo o processo de pré-treinamento — com um volume de dados e um custo computacional muito menores. Isso é relevante para projetos de pesquisa: em vez de treinar um modelo do zero, costuma ser mais viável partir de um modelo já pré-treinado e ajustá-lo com um conjunto pequeno de dados de um domínio específico — por exemplo, transcrições revisadas de um dialeto regional ou de um vocabulário técnico de uma área.

Exemplo

O eScriptorium permite ajustar modelos de HTR já pré-treinados a uma caligrafia específica: a pesquisadora usa um modelo existente para transcrever algumas páginas, corrige os erros manualmente e usa essas páginas corrigidas para ajustar (fine-tune) o modelo — em geral, algumas dezenas de páginas já são suficientes, bem menos do que o volume necessário para treinar um modelo do zero.

Não confunda com

Ajuste fino não é sinônimo de pré-treinamento: pré-treinamento usa um volume muito grande de dados genéricos para produzir um modelo base; ajuste fino parte desse modelo base e o especializa com um volume bem menor de dados voltados a uma tarefa específica. Também não é sinônimo de treinamento em geral: treinamento é o termo mais amplo, que inclui tanto o pré-treinamento quanto o ajuste fino como suas etapas.

Termos relacionados

Referências

Casa de Oswaldo Cruz / Fiocruz · Anita Lucchesi e Daiane Silveira Rossi · Material de apoio ao curso Letramento Acadêmico em Inteligência Artificial · 2026

Capa: Silmara Mansur (Ascom/COC/Fiocruz)

Conteúdo sob CC BY-NC-SA 4.0 · Política de Acesso Aberto ao Conhecimento na Fiocruz · Licença