DE WERELD VAN AI

Simpele uitleg over kunstmatige intelligentie

Fine-tuning

Dit artikel is onderdeel van de AI Woordenlijst op De Wereld van AI. Daar vind je een overzicht van alle belangrijke AI-begrippen.

Fine-tuning is een methode om een bestaand AI-model verder te trainen op een kleinere, specifieke dataset. Het model heeft al een brede basiskennis, maar krijgt tijdens fine-tuning extra voorbeelden die passen bij een bepaalde taak. Daardoor wordt het model beter in precies dat onderdeel.

Waar een groot taalmodel bijvoorbeeld algemene taal begrijpt, kan fine-tuning het model leren om juridische teksten te schrijven, medische samenvattingen te maken of klantenservice-antwoorden te geven.

Waarom wordt fine-tuning gebruikt?

Fine-tuning is nuttig wanneer je betere resultaten wilt dan met een standaardmodel mogelijk is. Het helpt om een AI-model:

  • beter aan te laten sluiten op een specifieke schrijfstijl
  • domeinkennis te geven die niet in het oorspronkelijke model zat
  • herhaalbare output te leveren
  • bedrijfseigen regels te laten volgen

Het model hoeft niet vanaf nul te worden getraind, waardoor fine-tuning sneller en goedkoper is dan het volledig opbouwen van een nieuw model.

Hoe werkt fine-tuning?

Een ontwikkelaar levert een dataset aan met voorbeelden van goed gedrag, zoals:

  • voorbeeldvragen met gewenste antwoorden
  • correcte samenvattingen
  • duidelijke instructies
  • bedrijfsspecifieke formuleringen

Het model leert patronen uit deze voorbeelden, en past zijn interne parameters licht aan. Zo wordt het model specialistischer, terwijl de algemene kennis behouden blijft.

Fine-tuning vs. prompt engineering

Prompt engineering stuurt het model aan via de tekst die je invoert. Fine-tuning verandert het model zelf. Een goede combinatie van beide technieken levert meestal de beste resultaten.

Fine-tuning en veiligheid

Fine-tuning moet zorgvuldig worden uitgevoerd, omdat:

  • slechte of vooringenomen data ongewenst gedrag kan versterken
  • privacygevoelige gegevens nooit in trainingsdata thuishoren
  • een model daardoor minder voorspelbaar kan worden

Meer hierover lees je op mijn pagina AI & Ethiek en AI & Dataregels.

Meer leren?

Wil je begrijpen hoe AI-modellen leren, trainen en worden aangepast? In mijn Gratis Basiscursus AI leg ik dit stap voor stap uit in begrijpelijke taal.

Gerelateerde termen