AI技術速報 ── 2026-11-02
KAIST、AI追加学習の時間を最大69.6%短縮
KAISTが追加学習の時間を最大69.6%減らす手法CluSTERを開発
何が変わるか
デジタルトゥデイによると、KAISTの研究チームは、AIの追加学習にかかる時間を最大69.6%減らす手法を開発した。追加学習とは、既存のAIモデルに、コーディングや医療などの分野のデータをさらに学ばせて性能を高める作業である。
KAISTの発表では、使うデータは全体の約31%だけで、モデルの性能はおおむね保たれた。従来10時間かかった学習が約3時間で終わる水準だという。
なぜ重要か
KAISTによると、複数のGPUで学習するとき、似た効果のデータを何度も処理すると、計算量に対する学習の効率が下がる。GPUとは、AIの計算に使う演算装置である。
イ・ジェギル教授は「GPUを増やすだけでなく、どのデータを学習するかを賢く選ぶことが重要だ」と述べた。同教授は、既存のGPU資源をより効率よく使い、大規模AIモデルの学習負担を減らせる点に意義があるとした。
何か
CluSTERは、大規模言語モデルの追加学習の手法である。大規模言語モデルとは、大量の文章から学んだ文章生成AIのことだ。
デジタルトゥデイによると、この手法は、学習への効果が似たデータを選び、複数のGPUに効率よく割り振る。
どこで・誰が
開発したのは、KAIST（韓国科学技術院）のコンピュータサイエンス学部のイ・ジェギル教授が率いる研究チームである。筆頭著者は同学部の博士課程のキム・ヒョンジン氏だ。
成果は10月に、自然言語処理の国際会議EMNLP 2026で発表された。デジタルトゥデイの記事には、一般に公開されるかどうかの記載はない。
なぜ作られたか
追加学習では、通常、複数のGPUがデータを分けて処理する。しかし、KAISTによると、似た効果のデータを繰り返し処理すると、計算量に見合う学習効果が得られにくくなる。
この無駄を減らし、少ないデータと時間で性能を保つことが、解こうとした問題である。
どう動くか
デジタルトゥデイによると、チームはまず、データがAIの学習にどう影響するかを分析した。次に、似た効果を生むデータを同じグループにまとめた。
そのうえで、各グループから必要なデータだけを選んだ。選んだデータは複数のGPUに均等に配分した。これにより、重複した学習を減らしつつ、多様な学習情報を反映させたという。
要点
- KAISTの発表では、全データの約31%の使用で、学習時間を最大69.6%短縮した。
- 約70億と約130億パラメータのモデルを、コーディングと医療の3データセットで学習し、8種類の評価で検証した。
- 主な試験は4GPU環境で行われ、8GPU環境でも従来手法より良い性能を確認したという。
結語
KAISTのチームは、CluSTERで追加学習の時間を最大69.6%短縮したと発表した。性能はおおむね維持されたという。
検証は2種類のモデルサイズと3つのデータセットで行われた。デジタルトゥデイの記事から分かる範囲は、ここまでである。
引用と出典
“The experiments showed that using only about 31 percent of the total data reduced training time by up to 69.6 percent while largely maintaining model performance.”（和訳）実験では、全データの約31%だけを使うことで、モデル性能をおおむね維持しながら学習時間を最大69.6%短縮できることが示された。── 디지털투데이 (Digital Today), 2026-11-02
“Fine-tuning is a process that improves performance by training an existing AI model further with domain-specific data such as coding or medicine.”（和訳）ファインチューニングとは、既存のAIモデルにコーディングや医療などの分野特有のデータをさらに学習させて性能を高める過程である。── 디지털투데이 (Digital Today), 2026-11-02
“To improve the efficiency of AI training, it is important not only to use more GPUs but also to choose intelligently which data to train on,”（和訳）AI学習の効率を高めるには、GPUを増やすだけでなく、どのデータを学習するかを賢く選ぶことが重要だ。── 디지털투데이 (Digital Today), 2026-11-02
材料にした記事
- 디지털투데이 11/02 08:58
この速報は AI（Claude）が出典の記事から書き、Jev（TypeSafe の判定モデル）と Gemini の裏取り、引用の逐語の照合を通したものです。