Uitgebreide Uitleg
AI-training is hoe een model zijn "intelligentie" krijgt. Tijdens training wordt het model blootgesteld aan grote hoeveelheden data, maakt het voorspellingen, krijgt het feedback (is dit correct?), en past het zijn interne parameters aan om beter te worden. Dit herhaalt zich duizenden tot miljoenen keren.
Bij supervised learning train je met gelabelde voorbeelden ("dit is een kat", "dit is een hond"). Bij unsupervised learning zoekt het model zelf patronen. Bij reinforcement learning leert het door trial-and-error met beloningen. Elke aanpak heeft zijn use cases.
Training kan duren van minuten tot maanden, afhankelijk van data volume en model complexiteit. GPT-3 koste bijvoorbeeld miljoenen dollars aan compute. Maar eenmaal getraind, kan het model oneindig vaak gebruikt worden. Training is de investering, inference is het gebruik.
Praktijkvoorbeeld
Een Nederlands ziekenhuis traint een AI-model om röntgenfoto's te analyseren. Ze verzamelen 50.000 foto's, laten radiologen deze labelen ("normaal", "afwijking"), en trainen het model gedurende 2 weken. Na training kan het model nieuwe foto's instant analyseren met 94% accuracy.
Veelgebruikte Zoektermen
Gerelateerde Termen
Trainingsdata
Training Data
De dataset waarmee een AI-model wordt getraind om patronen te leren en voorspellingen te doen.
Machine Learning
Machine Learning (ML)
Een deelgebied van AI waarbij computers leren van data zonder expliciet geprogrammeerd te worden.
Supervised Learning
Supervised Learning
Een machine learning methode waarbij het model leert van gelabelde voorbeelden met bekende input-output paren.
AI-model
AI Model
Een getraind systeem dat patronen heeft geleerd en voorspellingen of beslissingen kan maken.