.svg)
Kronehoefstraat 85
5612 HL Eindhoven
BTW NL863902509B01
Wat is het?
Een model is in AI-context een systeem dat is getraind op data om een specifieke taak uit te voeren. Het model bevat de geleerde patronen in de vorm van miljoenen of miljarden parameters, en past die toe zodra het nieuwe invoer ontvangt.
Modellen variëren sterk in omvang en specialisatie: van kleine classificatiemodellen die een type e-mail herkennen, tot grote taalmodellen die volledige teksten schrijven en analyseren. Het woord 'model' wordt in de praktijk zowel voor het technische object als voor het product gebruikt, zoals 'GPT-4 is een model van OpenAI'.
Waarom het ertoe doet voor het MKB
Het model is de kern van elke AI-toepassing. Begrijpen wat een model is, helpt je de juiste verwachtingen te stellen bij AI-tools en te beoordelen of een oplossing past bij je situatie.
- Niet elk model is geschikt voor elke taak: een model getraind op algemene tekst presteert anders dan een model dat is gespecialiseerd in juridische documenten of boekhoudkundige data.
- Modelkeuze beinvloedt kosten en snelheid: grotere modellen zijn krachtiger maar duurder in gebruik en trager in respons. Voor veel MKB-toepassingen volstaat een kleiner, sneller model.
- Modellen verouderen: de wereld verandert, maar de trainingsdata van een model heeft een afsluitdatum. Controleer welke kennisgrens een model heeft voor tijdsgevoelige informatie.
In de praktijk kies je zelden een model op de technische specificaties alleen. Testen op je eigen data en taken geeft een betrouwbaarder beeld van wat het model in jouw context kan.
Hoe het werkt
Een model wordt gebouwd in twee fasen: training en inferentie. Tijdens training leert het systeem patronen uit grote hoeveelheden data. Tijdens inferentie past het die patronen toe op nieuwe invoer om een uitkomst te produceren.
- Trainingsdata wordt verzameld en voorbereid: teksten, afbeeldingen, of andere inputs met bekende uitkomsten.
- Het model wordt getraind: het past zijn interne parameters aan om de fout op de trainingsdata te minimaliseren.
- Het model wordt gevalideerd op nieuwe data die het nog niet heeft gezien.
- Na validatie wordt het model ingezet: het ontvangt nieuwe invoer en geeft voorspellingen of gegenereerde output terug.
Je als gebruiker of ontwikkelaar bepaalt via de prompt, de context en eventuele fine-tuning hoe het model zijn geleerde kennis inzet. Het model zelf verandert niet meer na de training, tenzij het opnieuw wordt getraind of bijgesteld.
Voorbeeld uit de praktijk
Stel, een bouwbedrijf wil inkomende offerteaanvragen automatisch sorteren op type werk: renovatie, nieuwbouw of onderhoud. Een classificatiemodel wordt getraind op historische aanvragen die handmatig zijn gelabeld. Na training verwerkt het model nieuwe aanvragen en kent automatisch een categorie toe, waarna de juiste medewerker of afdeling de aanvraag ontvangt zonder handmatige doorzending.
Vergelijking en misvattingen
Een model is het getrainde systeem; een AI-toepassing of product is het model plus de omgeving eromheen, zoals de interface, de koppeling met je data en de regels die bepalen wanneer het model wordt aangesproken. ChatGPT is een product; GPT-4 is het model eronder.
.svg){kind=icon}