Dit artikel is onderdeel van de AI Woordenlijst op De Wereld van AI. Daar vind je een overzicht van alle belangrijke AI-begrippen.
Wat is Transfer Learning?
Transfer learning is een AI-techniek waarbij een bestaand model wordt hergebruikt voor een nieuwe taak. In plaats van helemaal opnieuw te leren, bouwt het model voort op kennis die al is opgedaan.
Uitleg van het begrip in begrijpelijke taal
Bij transfer learning leert een AI niet vanaf nul. Het model gebruikt wat het eerder heeft geleerd en past dat toe op een nieuw probleem. Hierdoor is minder data nodig en kan het model sneller goede resultaten behalen, vooral wanneer trainingsdata schaars is.
Hoe het werkt of hoe het wordt toegepast
Een AI-model wordt eerst getraind op een grote algemene dataset. De kennis die daarbij ontstaat, zoals het herkennen van patronen, wordt daarna gebruikt voor een andere taak. Alleen de laatste lagen van het model worden aangepast aan de nieuwe situatie, terwijl de rest van het model grotendeels hetzelfde blijft.
Praktisch voorbeeld of toepassingen
Een model dat is getraind om algemene objecten in afbeeldingen te herkennen, kan met transfer learning worden aangepast om medische scans te analyseren. Ook taalmodellen gebruiken transfer learning, waarbij een algemeen taalmodel wordt afgestemd op bijvoorbeeld klantenservice, juridisch taalgebruik of onderwijs.
Verder leren
Wie wil begrijpen hoe bestaande AI-modellen efficiënt kunnen worden hergebruikt en waarom dit zo belangrijk is voor praktische AI-toepassingen, kan verder leren via mijn gratis AI basiscursus.
DE WERELD VAN AI 