Wat zijn parameters?

Parameters zijn instelbare waarden binnen een AI-model die bepalen hoe het model input verwerkt en voorspellingen maakt. Tijdens training worden parameters automatisch aangepast zodat fouten kleiner worden en het model beter leert.

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

Hoe werken parameters?

Een AI-model gebruikt parameters om signalen en informatie te verwerken. Bij neurale netwerken zijn het bijvoorbeeld gewichten en bias-waarden.

Wanneer een model fouten maakt, worden deze waarden aangepast. Daardoor verandert hoe sterk bepaalde signalen meetellen in de uiteindelijke voorspelling.

Zo leert het model stap voor stap betere patronen herkennen.

Parameters versus hyperparameters

Parameters en hyperparameters worden vaak door elkaar gehaald, maar hebben een duidelijke, verschillende rol in een AI-model.

Parameters
Dit zijn de waarden die het model zelf leert tijdens de training. Ze veranderen continu terwijl het model fouten maakt en corrigeert.
Voorbeelden zijn gewichten en bias, deze bepalen hoe sterk input wordt meegewogen in de uiteindelijke voorspelling.

Hyperparameters
Hyperparameters worden vooraf ingesteld en bepalen hoe het leerproces verloopt, niet wat het model leert. Ze sturen snelheid, stabiliteit en leerstrategie.

Voorbeelden:

  • Learning rate, bepaalt hoe groot de aanpassingen zijn die het model per leerstap maakt,
  • Batch size, het aantal trainingsvoorbeelden dat tegelijk wordt gebruikt voordat het model bijstuurt,
  • Aantal lagen, bepaalt hoe diep en complex het model is.

Waarom zijn parameters belangrijk?

Zij bepalen direct:

  • Hoe nauwkeurig een model voorspelt,
  • Of een model te simpel of te complex wordt,
  • Hoe goed het model generaliseert naar nieuwe data.

Te weinig waarden leidt vaak tot onderfitting, te veel waarden vergroten het risico op overfitting.

Parameters en modelcomplexiteit

Hoe meer parameters een model heeft:

  • Hoe meer patronen het kan leren,
  • Hoe meer data en rekenkracht nodig is,
  • Hoe groter de kans op overfitting.

Daarom is balans essentieel, dit raakt direct aan onderwerpen zoals regularisatie en modelvalidatie.

Relatie met AI-ethiek

Modellen met veel parameters zijn vaak minder uitlegbaar. Dit kan problemen geven rond transparantie en controle, vooral bij toepassingen in zorg, overheid of financiën. Daarom spelen ze indirect een rol binnen AI & Ethiek.

Verder leren

Wil je beter begrijpen hoe kunstmatige intelligentie werkt? In mijn gratis AI basiscursus wordt dit stap voor stap uitgelegd, zonder technische voorkennis.

Bekijk je liever video-uitleg, dan biedt het YouTube kanaal De Wereld van AI heldere uitlegvideo’s over AI, uitgelegd in begrijpelijke taal.

Gerelateerde termen