Thema: Machine learning en deep learning

Iemand presenteert een nieuw AI-model aan je directieteam. “Driehonderd miljard parameters,” zegt de pitch. “Beste score op alle benchmarks.” De tafel knikt. Maar wat betekent dat eigenlijk? Is een model met driehonderd miljard parameters beter dan een model met zeventig miljard? En als dat zo is, waarom presteert het kleinere model dan soms beter op precies jouw taak?

De voorgaande pagina’s in deze pillar beschrijven hoe een AI-model wordt opgebouwd: de trainingsdata, de pretraining, de posttraining. Deze pagina brengt die kennis samen rond de vraag die er in de praktijk toe doet. Niet “welk model is het grootst?” maar “hoe beoordeel je of een model goed genoeg is voor wat jij ermee wilt doen?”

Het getal dat iedereen kent

Wie iets leest over AI-modellen, stuit al snel op parametertallen. GPT-3 had 175 miljard parameters. Huidige modellen zitten in de honderden miljarden tot ver boven een biljoen. Die getallen zijn indrukwekkend. Ze zijn ook misleidend als je ze verkeerd leest.

Een parameter is een interne instelling van het model, een getal dat tijdens de training is bijgesteld tot het model de patronen in de trainingsdata heeft vastgelegd. Hoe meer parameters, hoe meer patronen het model in principe kan opslaan. Dat klinkt als een directe relatie: meer parameters, beter model.

Maar zo werkt het niet.

Capaciteit versus kwaliteit

Meer parameters betekenen meer capaciteit: het model kan complexere verbanden vastleggen, meer nuance aanbrengen, meer kennis opslaan. Maar capaciteit is niet hetzelfde als kwaliteit. Een grotere opslagruimte maakt een bibliotheek niet beter. De kwaliteit van de collectie en de ordening bepalen dat.

Precies zo is het bij AI-modellen. Een model met honderd miljard parameters dat is getraind op zorgvuldig samengestelde data en uitstekend geposttraind, presteert op veel taken beter dan een model met driehonderd miljard parameters dat is getraind op vervuilde data met een matige posttraining. Het parametergetal vertelt je iets over het potentieel. Het vertelt je niets over het resultaat.

De brandstof: kwaliteit van trainingsdata

Wat wél bepaalt hoe goed een model presteert, begint bij de trainingsdata. Wat niet in de data zit, komt niet uit het model. Die regel is hard.

Omvang, diversiteit en curatie

Drie factoren bepalen de kwaliteit van trainingsdata. De eerste is omvang: moderne modellen worden getraind op biljoenen stukken tekst, een hoeveelheid die gelijkstaat aan miljoenen boeken. Die schaal is nodig om de breedte aan patronen vast te leggen die het model inzetbaar maakt voor uiteenlopende taken.

De tweede factor is diversiteit. Een model dat overwegend is getraind op Engelstalige tekst presteert merkbaar minder op Nederlands. Een model dat veel wetenschappelijke tekst heeft verwerkt maar weinig juridische, schrijft betere onderzoekssamenvattingen dan contractanalyses. De samenstelling van de trainingsdata drukt zich direct uit in de sterke en zwakke kanten van het model.

De derde factor is curatie: het filteren, opschonen en samenstellen van de dataset. De ruwe data van het web zijn vervuild met spam, duplicaten en misleidende inhoud. Modelbouwers investeren maanden in het opschonen. Die investering is minstens zo bepalend voor het eindresultaat als de schaal van het model.

Synthetische data

Hier zit een verschuiving die steeds meer gaat meespelen. De voorraad hoogwaardige, door mensen geschreven tekst is eindig. Onderzoekers schatten dat de beste publiek beschikbare trainingstekst uitgeput raakt. Modelbouwers vullen het gat met synthetische data: tekst die door AI-modellen zelf is gegenereerd als trainingsmateriaal voor de volgende generatie. Rond 2025 bevatten volgens schattingen al ongeveer driekwart van nieuwe webpagina’s deels AI-gegenereerde tekst. Dat aandeel groeit snel.

Dat klinkt als een elegant probleem: train de volgende generatie op de output van de vorige. Maar als een model steeds meer traint op tekst die door eerdere modellen is geproduceerd, ontstaat een risico dat onderzoekers model collapse noemen. Het model versterkt zijn eigen patronen, verliest variatie en wordt gelijkvormiger. Vergelijk het met een fotokopie van een fotokopie: elke generatie verliest iets van het origineel, en na voldoende herhalingen is het resultaat vlak en onscherp.

Wat betekent dit als je modellen beoordeelt? Dat de bron van de trainingsdata ertoe doet. Die informatie is niet altijd beschikbaar, want de meeste modelbouwers publiceren hun datasamenstellingen niet volledig. Maar het is een vraag die het stellen waard is.

Het vakmanschap achter het model

Dit is het punt dat het vaakst onderschat wordt. Parameters en data krijgen alle aandacht in persberichten. Maar het verschil tussen een goed en een uitstekend model zit vaak in iets lastiger te kwantificeren: de ontwerpkeuzes bij elke stap van het trainingsproces.

Honderden keuzes

De voorgaande clusters beschrijven twee fases die elk hun eigen bijdrage leveren. Pretraining legt de kennisbasis. Posttraining vormt het gedrag. Bij pretraining gaat het om de trainingsopgave, de architectuur van het netwerk en de schaal waarop wordt getraind. Bij posttraining om de kwaliteit van de fine-tuning-voorbeelden, de aanpak van preference learning en de alignment-keuzes.

Twee modellen met elk honderd miljard parameters, getraind op vergelijkbare omvang aan data, kunnen op dezelfde vraag totaal verschillende antwoorden geven. In toon, in diepte, in kwaliteit. Dat verschil zit in de honderden ontwerpkeuzes die modelbouwers bij elke stap maken. Het is het vakmanschap achter het model. En het is niet af te lezen aan een specificatieblad.

Vergelijk het met twee restaurants die dezelfde ingrediënten inkopen op dezelfde markt. Wat het ene restaurant uitzonderlijk maakt en het andere middelmatig, zit in de receptuur, de timing en de keuze van de chef. Bij AI-modellen werkt het niet anders.

Distillatie: waarom kleiner soms slim genoeg is

Wie modellen van aanbieders bekijkt, ziet bijna altijd een menu. Er is een groot, krachtig vlaggenschipmodel en daarnaast een of meer kleinere varianten die sneller en goedkoper zijn. De namen en de precieze indeling verschuiven voortdurend, maar het patroon is stabiel: elke grote aanbieder biedt meerdere modellen aan in verschillende grootteklassen.

Kennis overdragen

Die kleinere modellen zijn niet zomaar afgeslankte versies. Ze zijn vaak het product van distillatie: een trainingstechniek waarbij een groot model zijn kennis overdraagt aan een kleiner model. Het kleine model traint niet rechtstreeks op de originele data, maar op de output van het grote model. Het leert daarbij niet alleen de antwoorden, maar ook de subtiele patronen in hoe het grote model redeneert en formuleert.

Het resultaat is een model dat een substantieel deel van de capaciteit behoudt, maar een fractie van de kosten en de verwerkingstijd vergt. Op veel standaardtaken presteert een gedistilleerd model bijna even goed als het grote model. Op complexe taken waar diep redeneren of brede kennis nodig is, valt het verschil op.

De strategische afweging

Hier zit een inzicht dat direct raakt aan de beslissingen die je als organisatie neemt. Je hebt niet altijd het grootste model nodig. Een e-mailsamenvatter, een FAQ-beantwoorder, een classificatietool die documenten sorteert: voor die taken is een kleiner, gedistilleerd model vaak de betere keuze. Sneller, goedkoper, en goed genoeg. Het grote model reserveer je voor de taken waar de extra capaciteit meetbaar verschil maakt.

Modellen kiezen is geen kwestie van “het beste model nemen.” Het is een kwestie van het juiste model kiezen voor de juiste taak.

Benchmarks: hoe vergelijk je modellen?

Als parametertallen niet genoeg zeggen en trainingsdata grotendeels geheim zijn, hoe vergelijk je dan modellen? De AI-wereld heeft daarvoor een gereedschap dat iedereen tegenkomt maar weinig mensen goed lezen: benchmarks.

Een benchmark is een gestandaardiseerde test waarmee de prestaties van AI-modellen onderling worden vergeleken. Vergelijk het met een rijexamen voor AI: een vaste set opgaven die elk model onder dezelfde omstandigheden moet maken, zodat je de scores kunt vergelijken.

De verscheidenheid

Er bestaan tientallen benchmarks, elk gericht op een andere vaardigheid. Sommige testen brede kennis over tientallen vakgebieden. Andere testen wetenschappelijk redeneren, of het vermogen om werkende code te schrijven. Weer andere laten echte gebruikers twee modellen blind vergelijken en stemmen welk antwoord beter is.

Die verscheidenheid is bewust. Geen enkele benchmark vangt alles wat een model kan. Een model dat hoog scoort op kennisvragen kan matig scoren op coderingstaken. Wie een model beoordeelt op één benchmarkscore mist het beeld, net zoals je een sollicitant niet beoordeelt op alleen een IQ-test.

De keerzijde

Maar benchmarks hebben ook serieuze beperkingen. Oudere tests raken uitgespeeld: de topmodellen scoren zo dicht bij elkaar dat het verschil niet meer betekenisvol is. Modelbouwers kiezen in hun persberichten de benchmarks waar zij het best op scoren. En er zijn aanwijzingen dat sommige modellen beter scoren doordat ze tijdens training zijn blootgesteld aan de testvragen, waardoor de score eerder geheugen dan vaardigheid weerspiegelt.

Het belangrijkste inzicht over benchmarks: een benchmarkscore vertelt hoe een model presteert op die specifieke test. Het vertelt niet hoe dat model presteert op jouw specifieke taak, met jouw data, in jouw context. Het verschil tussen een benchmarkscore en de prestatie in de praktijk is reëel en vaak groter dan je zou verwachten.

→ Lees meer: Benchmarks: hoe lees je een benchmarkclaim? (cluster 2.5a)

Voorbeelden

Medische kliniek

Een ziekenhuis evalueert twee AI-modellen voor het ondersteunen van artsen bij het samenvatten van patiëntdossiers. Het ene is het vlaggenschipmodel van de aanbieder: het grootst, het duurst, de hoogste benchmarkscores. Het andere is een kleiner, gedistilleerd model uit dezelfde familie. Na een proef op honderd dossiers blijkt het kleinere model de samenvattingen sneller te leveren en qua nauwkeurigheid vergelijkbaar te scoren. Op de complexe gevallen waar meerdere aandoeningen samenkomen, mist het kleinere model soms een nuance die het grote model wel oppakt. Het ziekenhuis kiest een hybride aanpak: het kleinere model voor de standaardsamenvattingen, het grotere voor de complexe gevallen. De kostenbesparing is aanzienlijk. De kwaliteit op beide niveaus voldoende. Het inzicht dat dit oplevert: niet de vraag “welk model is het best?” maar “welk model past bij welke taak?”

B2B-dienstverlener

Een adviesbureau overweegt een overstap na een vendorpresentatie met indrukwekkende benchmarkscores. De IT-directeur besluit eerst te testen op de taken die het bureau dagelijks uitvoert: offerteteksten schrijven, rapporten samenvatten, interne kennisdocumenten doorzoeken. Het nieuwe model scoort op offerteteksten inderdaad beter. Op rapporten vergelijkbaar. Maar op de interne kennisdocumenten, vol domeinspecifiek jargon, presteert het merkbaar slechter. Geen enkele benchmark test de specifieke combinatie van taken en data van dit bureau. Het bureau houdt het bestaande model en zet het nieuwe alleen in voor de taak waar het meetbaar beter presteert. Geen grote overstap. Een gerichte aanvulling.

Zelfstandig professional

Een freelance copywriter gebruikt een kleiner, goedkoper AI-model voor eerste concepten. Een collega adviseert haar het duurdere topmodel te nemen. In plaats van blind over te stappen, test ze beide op tien recente opdrachten. Het grote model levert rijkere teksten met meer variatie in toon. Maar de tijdswinst per opdracht is marginaal. Ze redigeert elke tekst grondig en na redactie is het verschil nauwelijks zichtbaar. Ze houdt het kleinere model voor regulier werk en schakelt het grote in bij opdrachten waar de eerste versie zo dicht mogelijk bij het eindproduct moet zitten. Modelkwaliteit is geen absoluut begrip. Het hangt af van wat je ermee doet en hoe je het inzet.

Veelgestelde vragen

Is een model met meer parameters altijd beter?

Niet per se. Meer parameters betekenen meer capaciteit: het model kan in principe complexere patronen vastleggen en meer kennis opslaan. Maar die capaciteit is alleen waardevol als de trainingsdata goed genoeg zijn om haar te vullen, en als de posttraining het model leert die kennis effectief in te zetten. Een model met zeventig miljard parameters dat is getraind op uitstekende data en zorgvuldig geposttraind, kan op veel taken beter presteren dan een model met driehonderd miljard parameters dat slechter is getraind. Vergelijk het met twee restaurants. Het restaurant met de grotere keuken heeft meer mogelijkheden, maar het eten is pas beter als ook de ingrediënten, de recepten en de kok beter zijn. Parametertallen vertellen je iets over het potentieel. De werkelijke kwaliteit hangt af van het totaal.

Hoe kies ik het juiste model voor mijn organisatie?

Begin bij de taak, niet bij het model. Bepaal wat je het model wilt laten doen: samenvatten, analyseren, genereren, classificeren. Test vervolgens twee of drie modellen op precies die taak, met jouw data. Benchmarkscores zijn nuttig als eerste filter om de shortlist samen te stellen, maar ze vervangen geen test op je eigen situatie. Kijk niet alleen naar kwaliteit maar ook naar kosten per verwerkte eenheid en naar snelheid. Voor veel standaardtaken is een kleiner, goedkoper model voldoende. Het grote model is de investering waard bij taken waar genuanceerd redeneren of brede kennis het verschil maakt. De meeste organisaties die AI succesvol inzetten, gebruiken niet één model maar meerdere: elk model voor de taken waar het het best op past.

Wat is distillatie en waarom hoor ik dat steeds vaker?

Distillatie is een trainingstechniek waarbij een groot, krachtig AI-model zijn kennis overdraagt aan een kleiner model. Het kleine model leert niet van de originele trainingsdata, maar van de output van het grote model. Dat levert een model op dat een groot deel van de kwaliteit behoudt, maar sneller en goedkoper is. De kleinere modelvarianten die aanbieders naast hun topmodel aanbieden zijn vaak het product van distillatie. Het principe is vergelijkbaar met een ervaren vakman die een leerling opleidt: de leerling leert niet alle theorie opnieuw, maar neemt de kennis en oordeelsvorming van de vakman over in een compacte vorm. Distillatie is ook in het nieuws gekomen als geopolitiek thema: modelbouwers hebben vastgesteld dat buitenlandse partijen hun modellen op grote schaal bevragen om via de antwoorden concurrerende modellen te trainen. Dezelfde techniek, maar dan zonder toestemming.

Kan ik op benchmarkscores vertrouwen bij het kiezen van een model?

Benchmarks zijn nuttig als startpunt. Ze geven een indicatie van hoe modellen presteren op gestandaardiseerde taken en helpen je de grove contouren van de markt te zien. Maar er zijn vier redenen om ze niet blind te volgen. Ten eerste raken sommige tests uitgespeeld: alle topmodellen scoren zo hoog dat het verschil niet meer betekenisvol is. Ten tweede kiezen modelbouwers in hun marketing de tests waar zij het best op scoren, wat het beeld vertekent. Ten derde zijn er aanwijzingen dat sommige modellen beter scoren doordat ze tijdens training zijn blootgesteld aan de testvragen. En ten vierde, het meest fundamenteel: een benchmark test een specifieke set taken onder specifieke omstandigheden. Jouw situatie is anders. De enige betrouwbare manier om te weten hoe een model presteert op jouw werk, is het te testen op jouw werk.

Wat is model collapse en moet ik me daar zorgen over maken?

Model collapse is het verschijnsel waarbij een AI-model dat steeds meer traint op tekst die door eerdere modellen is gegenereerd, geleidelijk aan kwaliteit verliest. Het model versterkt zijn eigen patronen, verliest variatie en produceert steeds eenvormiger output. Vergelijk het met het steeds opnieuw kopiëren van een kopie: elke generatie verliest detail. Het risico is reëel nu een groeiend deel van de tekst op het internet door AI is gegenereerd. Maar het is geen onvermijdelijk lot. Modelbouwers die hun trainingsdata zorgvuldig samenstellen, synthetische data doseren en de kwaliteit monitoren, kunnen het risico beheersen. Als gebruiker hoef je dit niet zelf op te lossen. Maar het is nuttig om te weten dat het bestaat, want het beïnvloedt de kwaliteit van toekomstige modellen. En het onderstreept een breder punt: de kwaliteit van de trainingsdata is de meest bepalende factor voor de kwaliteit van het model. Die les blijft gelden.

Verder lezen

Wie wil begrijpen hoe benchmarks precies werken, welke soorten er zijn en hoe je een benchmarkclaim in een persrelease of vendorpitch leert duiden, leest verder bij Benchmarks: hoe lees je een benchmarkclaim? (cluster 2.5a).

Wie wil terugkeren naar de basis en begrijpen hoe de trainingsdata en het trainingsproces het fundament van een model leggen, vindt dat bij Pretraining: het fundament bouwen (cluster 2.2).

Wie wil weten hoe posttraining het gedrag van een model vormt en waarom modellen van verschillende aanbieders zo anders reageren op dezelfde vraag, leest Posttraining: van basismodel naar assistent (cluster 2.3).

Nu je weet hoe een AI-model wordt opgebouwd en hoe je de kwaliteit beoordeelt, is de volgende stap: hoe werk je ermee? Dat is het onderwerp van pillar 3, te beginnen bij Wat is prompting? (cluster 3.1).

Een pretrained basismodel bezit enorme hoeveelheden vastgelegde taalpatronen, maar het heeft geen mechanisme om die gericht in te zetten. Het kan de meest waarschijnlijke vervolgtekst genereren op elke invoer, maar het herkent geen instructie, het structureert geen antwoord en het past zijn toon niet aan op de vraagsteller. Fine-tuning is de stap die dat verandert. Het is ook de stap waar de meeste misverstanden over bestaan, want het woord klinkt alsof je een model even “bijstelt” terwijl het in werkelijkheid een zorgvuldig ontwerpproces is met eigen beperkingen.

Wat fine-tuning doet

Fine-tuning is het proces waarmee een pretrained model wordt getraind op een gerichte dataset om specifiek gedrag aan te leren. Bij posttraining is het doel dat het model leert instructies op te volgen en gesprekken te voeren. Bij fine-tuning voor een specifiek domein kan het doel zijn dat het model leert in een bepaalde stijl te schrijven, een specifiek type analyse te produceren, of een gespecialiseerd formaat te hanteren.

Het mechanisme is supervised learning: het model krijgt voorbeelden van gewenst gedrag, vergelijkt zijn eigen output met het voorbeeld, en stelt zijn parameters bij. Dezelfde trainingslogica als bij machine learning, maar toegepast op een model dat al over een breed fundament beschikt.

Dat fundament is essentieel. Fine-tuning voegt geen nieuwe kennis toe aan het model in de zin van “nu weet het meer feiten.” Het verfijnt bestaande patronen. Het leert het model die patronen als gerichte reactie op een specifieke instructie in te zetten, in plaats van als vrije tekstgeneratie. Het is vergelijkbaar met een ervaren musicus die een nieuwe partituur instudeert. De muzikale vaardigheid is er al. De repetitie leert de musicus hoe die vaardigheid in dit specifieke stuk tot klinken moet komen: het tempo, de dynamiek, de interpretatie.

Supervised fine-tuning

De meest gebruikte methode is supervised fine-tuning (SFT). Het model traint op paren van invoer en gewenste uitvoer. Elke invoer is een instructie, een vraag of een conversatie-opening. Elke uitvoer is een door mensen geschreven demonstratie van hoe het model zou moeten reageren.

Een concreet voorbeeld. De invoer is: “Leg uit wat een hypotheek is, in twee zinnen, voor iemand die geen financiële achtergrond heeft.” De gewenste uitvoer is: “Een hypotheek is een lening waarmee je een huis koopt. Je leent het bedrag van een bank en betaalt het over een lange periode, meestal twintig tot dertig jaar, terug met rente.”

Uit dat ene voorbeeld leert het model tientallen impliciete lessen. Het leert dat “in twee zinnen” een lengte-instructie is die moet worden gevolgd. Het leert dat “voor iemand zonder financiële achtergrond” een aanwijzing is voor taalgebruik. Het leert dat een uitleg eindigt na de gevraagde informatie, zonder ongevraagde aanvullingen.

Na duizenden van zulke voorbeelden heeft het model een patroon opgebouwd voor wat “instructie opvolgen” betekent. Het herkent een instructie wanneer het er een ziet, het selecteert de relevante kennis uit zijn pretrained fundament, en het formuleert een antwoord in het format dat de instructie vraagt.

Instruction tuning

Een specifieke toepassing van SFT die vrijwel alle huidige AI-assistenten hebben ondergaan, is instruction tuning. Het doel: het model leren dat een conversatie een structuur heeft. Dat een vraag om een antwoord vraagt. Dat “schrijf een e-mail” een andere output vereist dan “analyseer deze cijfers.” Dat een vervolg op een eerder antwoord rekening houdt met wat al is gezegd.

Instruction tuning is de reden dat huidige modellen aanvoelen als gesprekspartners in plaats van als tekstgeneratoren. Het model heeft geleerd dat menselijke interactie een patroon volgt: iemand stelt een vraag, verwacht een relevant antwoord, en bouwt daarop voort. Dat patroon zat niet in de pretraining-data als expliciete instructie, maar werd aangeleerd via de voorbeelden in de fine-tuning-dataset.

Wat fine-tuning niet doet

Hier zit een misverstand dat in de praktijk veel kosten en teleurstelling veroorzaakt. Fine-tuning maakt een model niet slimmer. Het maakt een model gerichter.

Een model dat tijdens pretraining weinig juridische tekst heeft verwerkt, wordt geen juridisch expert door fine-tuning op juridische voorbeelden. Het leert het formaat van juridische output: hoe een juridisch advies eruitziet, welke structuur een contract heeft, welke toon past bij een formele opinie. Maar de onderliggende juridische kennis komt uit pretraining. Als die er niet is, produceert het model na fine-tuning antwoorden die juridisch klinken maar inhoudelijk tekortschieten.

Overfitting

Fine-tuning kan een model ook slechter maken. Als de trainingsdata te beperkt zijn, te eenzijdig of te specifiek, past het model zich aan op de voorbeelden in plaats van op het bredere patroon. Dat heet overfitting. Het model presteert uitstekend op precies het type invoer dat in de fine-tuning-data voorkwam, en teleurstellend op alles wat er net van afwijkt.

Een concreet risico: een organisatie fine-tunet een model op honderd voorbeelden van klantvragen die allemaal in dezelfde stijl zijn geschreven. Het model leert die stijl reproduceren, maar verliest de flexibiliteit om met variaties om te gaan. Klanten die hun vraag anders formuleren, krijgen antwoorden die niet aansluiten.

De kunst van fine-tuning zit in de balans: genoeg voorbeelden om het gewenste gedrag aan te leren, voldoende variatie om het model flexibel te houden, en niet zoveel dat het model zijn bredere vaardigheden verliest.

Drie manieren om AI-gedrag te sturen

Fine-tuning is een van de drie manieren waarop organisaties het gedrag van een AI-model kunnen bijsturen. De andere twee zijn prompting en RAG. Het onderscheid is belangrijk, want de keuze bepaalt de kosten, de complexiteit en het resultaat.

Prompting

Prompting stuurt het gedrag van het model via de instructie die je meegeeft bij elke vraag. “Schrijf als een financieel adviseur.” “Geef antwoord in maximaal drie alinea’s.” “Baseer je uitsluitend op het bijgevoegde document.” Het model verandert niet. De sturing zit in de invoer.

Prompting is de snelste en goedkoopste manier om modelgedrag bij te sturen. Geen training nodig, geen dataset, geen technische infrastructuur. Het nadeel is dat je elke keer opnieuw moet sturen: het model “onthoudt” de instructie niet buiten de huidige sessie.

RAG

RAG (retrieval-augmented generation) stuurt het model door externe informatie mee te geven als context. Het model raadpleegt een externe bron, een database, een documentenset of een kennisbank, en baseert zijn antwoord op wat het daar vindt in combinatie met zijn eigen kennis. Het model verandert niet, de invoer wordt verrijkt.

RAG is de oplossing wanneer het model actuele of organisatiespecifieke informatie nodig heeft die niet in de pretraining-data zit. Geen training nodig, wel technische infrastructuur om de informatie beschikbaar te maken.

Wanneer wat

De keuze is niet of-of. In de praktijk worden alle drie de methoden gecombineerd. Maar als uitgangspunt geldt een vuistregel die in de praktijk goed werkt. Begin met prompting. Het is snel, goedkoop en verrassend effectief als je het zorgvuldig doet. Stap over op RAG wanneer het model informatie nodig heeft die buiten zijn kennis valt: actuele gegevens, interne documenten, domeinspecifieke databases. Overweeg fine-tuning pas wanneer je het gedrag van het model structureel wilt veranderen: de toon, het formaat, de manier waarop het met een specifiek type taak omgaat, op een manier die prompting niet kan bieden.

Fine-tuning is het zwaarste instrument. Het vereist een dataset, technische expertise, trainingsinfrastructuur en onderhoud. De drempel is hoger dan bij prompting of RAG, en het resultaat is pas beter als de dataset groot en kwalitatief genoeg is om het verschil te maken.

Voorbeelden

Het onderscheid tussen fine-tuning, prompting en RAG wordt concreet in de afwegingen die organisaties dagelijks maken.

Medische kliniek

Een zorginstelling wil dat een AI-model patiëntvragen beantwoordt in begrijpelijke taal, met een empathische toon die past bij de huisstijl van de instelling. De eerste aanpak was prompting: bij elke vraag een instructie meegeven over toon en stijl. Dat werkte, maar was inconsistent. Soms sloeg het model een zakelijkere toon aan als de vraag complex werd. De instelling besloot het model te fine-tunen op vijfduizend voorbeelden van goedgekeurde patiëntcommunicatie. Na fine-tuning is de toon consistent, zonder dat elke prompt uitgebreide stijlinstructies nodig heeft. De medische inhoud komt nog steeds uit het pretrained fundament, aangevuld met RAG op de eigen protocollen. Fine-tuning veranderde het gedrag, niet de kennis.

B2B-dienstverlener

Een adviesbureau overweegt fine-tuning om het model te laten schrijven in de huisstijl van het bureau: kernachtige zinnen, specifieke structuurconventies, een herkenbare toon in offertes en rapporten. Na een proef met tweehonderd voorbeelden bleek het resultaat teleurstellend. Het model reproduceerde de stijl in de voorbeelden exact, maar verloor de flexibiliteit om met afwijkende opdrachten om te gaan. Een uitgebreide prompt met vijf voorbeelden van gewenste stijl leverde vergelijkbare resultaten op zonder de nadelen. Het bureau koos voor prompting en investeerde in een standaardprompt die medewerkers bij elke opdracht gebruiken. Fine-tuning was hier niet de oplossing, omdat de dataset te klein was en het gewenste effect via prompting bereikbaar bleek.

Zelfstandig professional

Een freelance vertaler gebruikt een model voor het vertalen van technische handleidingen van het Engels naar het Nederlands. Het standaardmodel produceert vertalingen die grammaticaal correct maar stilistisch vlak zijn: te formeel, te letterlijk, soms met anglicismen. Via prompting verbetert de kwaliteit, maar bij elk nieuw document moet ze opnieuw uitleggen welke terminologie ze hanteert en welke stijl ze verwacht. Ze overweegt fine-tuning op haar eigen portfolio van vierhonderd goedgekeurde vertalingen. De afweging: is de tijdsbesparing per vertaling groot genoeg om de eenmalige investering in fine-tuning te rechtvaardigen? Bij haar volume is het antwoord ja. Bij iemand die incidenteel vertaalt, waarschijnlijk niet.

Veelgestelde vragen

Wat is het verschil tussen fine-tuning en prompting?

Prompting stuurt het gedrag van het model via de instructie die je meegeeft bij elke vraag. Het model zelf verandert niet. Fine-tuning verandert het model: de parameters worden bijgesteld op basis van voorbeelden, zodat het model zich structureel anders gedraagt. Het verschil wordt tastbaar in consistentie en gemak. Met prompting moet je bij elke sessie opnieuw de context meegeven. Na fine-tuning zit het gedrag in het model zelf. Prompting is als een briefing voorafgaand aan elk gesprek. Fine-tuning is als een opleiding die iemand permanent verandert. Begin met prompting. Het is sneller, goedkoper en flexibeler. Stap pas over op fine-tuning als prompting niet genoeg is.

Wat is het verschil tussen fine-tuning en RAG?

Fine-tuning verandert hoe het model reageert: stijl, formaat, toon en instructieopvolging. RAG verandert welke informatie het model beschikbaar heeft op het moment van de vraag: het voegt actuele of specifieke inhoud toe als context. De twee lossen verschillende problemen op. Als het model antwoorden geeft die qua stijl of structuur niet passen bij wat je nodig hebt, is fine-tuning de route. Als het model inhoudelijk tekortschiet omdat het de relevante informatie niet heeft, is RAG de route. In veel gevallen is de combinatie het krachtigst: een model dat via fine-tuning het juiste format en de juiste stijl hanteert, en via RAG de juiste inhoud erbij haalt.

Kan ik als organisatie zelf een model fine-tunen?

Technisch gezien ja. Steeds meer modelbouwers bieden fine-tuning als dienst aan, waarbij je een dataset aanlevert en het model op hun infrastructuur wordt getraind. De drempel is lager dan voorheen. De echte uitdaging zit niet in de techniek maar in de dataset. Een goede fine-tuning-dataset vergt zorgvuldige samenstelling: genoeg voorbeelden, voldoende variatie, consistent kwalitatief niveau, en vrijheid van vertekeningen die het model niet zou moeten overnemen. Slecht samengestelde datasets leveren modellen op die slechter presteren dan het standaardmodel met een goede prompt.

Maakt fine-tuning een model altijd beter?

Niet per definitie. Fine-tuning is een afruil. Het model wordt beter in het specifieke gedrag dat je aanleert, maar kan slechter worden in andere taken. Een model waarop fine-tuning is toegepast voor juridische teksten schrijft betere juridische output, maar produceert mogelijk minder creatieve teksten dan het standaardmodel. Dat effect heet catastrophic forgetting: het model “vergeet” gedeeltelijk wat het eerder kon doordat de parameters verschuiven richting het nieuwe gedrag. In de praktijk is het effect beheersbaar als de fine-tuning-dataset zorgvuldig is samengesteld en niet te smal is. Maar het is een reëel risico dat meespeelt in de afweging of fine-tuning de juiste keuze is.

Verder lezen

Wie wil begrijpen hoe modelbouwers bepalen welk gedrag een model moet vertonen en hoe preference learning en alignment een model vaardig én verantwoord maken, leest verder bij Alignment (cluster 2.3b).

Wie wil weten hoe het pretrained basismodel wordt opgebouwd dat als grondstof dient voor fine-tuning, vindt dat bij Pretraining: het fundament bouwen (cluster 2.2).

Wie wil weten hoe prompting werkt en welke technieken beschikbaar zijn om het gedrag van een model bij te sturen zonder het model te veranderen, leest verder bij Wat is prompting? (cluster 3.1).

Een model dat instructies kan opvolgen is nog geen model dat je kunt vertrouwen. Het kan net zo goed een overtuigend klinkend antwoord geven dat feitelijk onzin is, als een antwoord dat genuanceerd en waarheidsgetrouw is. Het kan een gebruiker helpen bij een legitiem verzoek, maar het kan ook meewerken aan een verzoek dat schadelijk is. Hoe leert een model het verschil? Dat is de vraag die alignment probeert te beantwoorden, en het antwoord is ingewikkelder dan het op het eerste gezicht lijkt.

Wat alignment is

Alignment is het proces waarmee een AI-model wordt afgestemd op menselijke waarden en verwachtingen. Het doel is drieledig: het model moet behulpzaam zijn waar dat kan, eerlijk zijn over wat het wel en niet kan, en weigeren waar dat nodig is.

Dat klinkt rechttoe rechtaan. Maar elk van die drie doelen bevat spanningen die niet met een lijst regels zijn op te lossen. Behulpzaamheid kan botsen met veiligheid: een model dat maximaal behulpzaam is, beantwoordt ook vragen die beter onbeantwoord blijven. Eerlijkheid kan botsen met bruikbaarheid: een model dat bij elke uitspraak een voorbehoud maakt, wordt onleesbaar. Veiligheid kan botsen met openheid: een model dat elk gevoelig onderwerp vermijdt, is voor serieus werk onbruikbaar.

Alignment is het zoeken naar de balans in dat spanningsveld.

Hoe een model leert beoordelen

Het kernmechanisme achter alignment is preference learning: het model leert welke antwoorden beter zijn door vergelijking.

Hoe dat werkt

Het model genereert twee of meer antwoorden op dezelfde vraag. Een beoordelaar vergelijkt de antwoorden en geeft aan welk antwoord de voorkeur heeft. Het model leert van die keuze: de parameters verschuiven zodat het antwoorden produceert die meer lijken op het gekozen antwoord en minder op het afgewezen antwoord.

Na duizenden van zulke vergelijkingen heeft het model een intern richtsnoer ontwikkeld. Het heeft geleerd dat een helder en genuanceerd antwoord beter scoort dan een vaag of misleidend antwoord. Dat een antwoord dat onzekerheid erkent beter is dan een antwoord dat zekerheid simuleert. Dat een weigering bij een schadelijk verzoek beter is dan medewerking.

Dat richtsnoer is niet expliciet geprogrammeerd. Het is een patroon dat het model heeft afgeleid uit de voorkeuren van de beoordelaars, vastgelegd in de parameters. Het model “kent” geen regels over ethiek. Het heeft geleerd welk type antwoord consistent werd gekozen boven andere.

RLHF

De oorspronkelijke methode hiervoor heet RLHF: reinforcement learning from human feedback. De naam beschrijft precies wat het is: reinforcement learning (het trainingsmechanisme waarbij een model leert door beloningen) toegepast op feedback van mensen.

Bij RLHF worden menselijke beoordelaars getraind om antwoorden van het model te vergelijken op criteria als behulpzaamheid, eerlijkheid en veiligheid. Hun oordelen worden gebruikt om een beloningsmodel te trainen: een apart model dat voorspelt hoe een mens een antwoord zou beoordelen. Vervolgens wordt het taalmodel getraind om antwoorden te produceren die hoog scoren bij dat beloningsmodel.

Het proces heeft drie stappen: menselijk oordeel verzamelen, een beloningsmodel trainen, het taalmodel optimaliseren op dat beloningsmodel. Die keten is effectief, maar complex en duur. Elke stap introduceert mogelijke fouten, en de menselijke beoordelingen zijn arbeidsintensiever dan ze klinken: beoordelaars moeten getraind worden, de criteria moeten helder zijn, en de onderlinge overeenstemming moet regelmatig worden gecontroleerd.

Varianten op RLHF

RLHF was de eerste methode, maar het veld is niet stilgestaan. Twee ontwikkelingen zijn het vermelden waard.

De eerste is RLAIF: reinforcement learning from AI feedback. In plaats van menselijke beoordelaars wordt een AI-model ingezet om antwoorden te vergelijken. Dat AI-model beoordeelt op basis van een reeks principes die mensen hebben opgesteld, een lijst met criteria als “het antwoord is eerlijk”, “het antwoord is niet schadelijk”, “het antwoord erkent onzekerheid waar die bestaat.” RLAIF is sneller en goedkoper dan RLHF, maar de kwaliteit hangt af van de principes en van het oordelende model. In de praktijk combineren modelbouwers menselijke feedback voor de moeilijkste afwegingen met AI-feedback voor de schaal.

De tweede is DPO: direct preference optimization. DPO bereikt hetzelfde doel als RLHF, het model leren welke antwoorden beter zijn, maar slaat de tussenstap van het beloningsmodel over. In plaats daarvan wordt het taalmodel rechtstreeks getraind op de vergelijkingsdata, zonder apart beloningsmodel. Het resultaat is vergelijkbaar, het proces is minder complex.

Voor koersbepalers is het verschil tussen deze methoden niet beslissingsrelevant. Wat ertoe doet is het principe: alle methoden leren het model kiezen op basis van vergelijking, en alle methoden zijn afhankelijk van de kwaliteit van de beoordelingscriteria. De technische route verschilt; het doel is hetzelfde.

Constitutional AI

Een specifieke benadering die het vermelden waard is, is constitutional AI, ontwikkeld door Anthropic, het bedrijf achter Claude. Het idee: geef het model een reeks principes mee, een “grondwet”, en laat het model zijn eigen antwoorden beoordelen op basis van die principes.

Het proces werkt in twee fases. Eerst genereert het model een antwoord, bekritiseert dat antwoord op basis van de principes en produceert een verbeterde versie. Vervolgens worden die verbeterde antwoorden gebruikt als trainingsdata voor preference learning. Het model leert van zijn eigen zelfcorrectie.

Het voordeel is transparantie: de principes zijn expliciet en inspecteerbaar. Een organisatie kan lezen op basis van welke criteria het model is getraind. Bij klassieke RLHF zijn die criteria impliciet in de beoordelingen van de menselijke beoordelaars, en daarmee moeilijker te inspecteren. Het nadeel is dat de principes algemeen geformuleerd zijn en niet elke concrete situatie dekken. “Wees eerlijk” is een helder principe, maar het vertaalt zich niet vanzelf naar de juiste reactie op elke mogelijke vraag.

Het spanningsveld

Alignment is geen eigenschap die een model heeft of niet heeft. Het is een continu spectrum met aan beide uiteinden een probleem.

Te weinig alignment

Een model met onvoldoende alignment volgt instructies op zonder beoordeling. Het helpt bij het schrijven van phishing-e-mails als dat wordt gevraagd. Het produceert medisch advies alsof het een arts is. Het schrijft overtuigende desinformatie zonder aarzeling. Dat is geen theoretisch risico: vroege versies van taalmodellen zonder alignment deden precies dit.

Te veel alignment

Een model met te strakke alignment weigert onschuldige vragen. Het behandelt een vraag over de Tweede Wereldoorlog als potentieel schadelijk. Het weigert een fictief gewelddadig scenario te schrijven voor een romanauteur. Het voegt aan elke bewering zoveel voorbehouden toe dat het antwoord onleesbaar wordt. Dat wordt in het vakgebied overrefusal of overcautious alignment genoemd, en het is een van de meest voorkomende klachten van gebruikers.

De balans

Modelbouwers zoeken bij elke modelversie opnieuw naar die balans. De feedback van miljoenen gebruikers laat zien waar het model te streng of te soepel is. Nieuwe technieken proberen het model te leren onderscheid te maken tussen daadwerkelijk riskante verzoeken en verzoeken die oppervlakkig op riskant lijken maar dat niet zijn.

Die zoektocht is niet af. Het is een ontwerpproces dat bij elke nieuwe modelversie verdergaat. Alignment is in dat opzicht vergelijkbaar met wetgeving: het is een continue poging om regels te formuleren die werken in een wereld die complexer is dan welke regelset ook kan vangen.

Wie bepaalt wat “goed” is

Hier raakt alignment aan een vraag die verder reikt dan techniek. Als een model leert wat “behulpzaam” en “veilig” betekent op basis van menselijke voorkeuren, dan hangt het resultaat af van welke mensen die voorkeuren uitspreken. Beoordelaars komen uit specifieke landen, spreken specifieke talen, dragen specifieke culturele normen. Een antwoord dat in de ene cultuur als gepast geldt, is in een andere cultuur ongepast of onvolledig.

Modelbouwers zijn zich hiervan bewust. Initiatieven als collective constitutional AI, waarbij de principes voor het model worden opgesteld door een brede, diverse groep in plaats van door het team van de modelbouwer, proberen die blinde vlek te verkleinen. De vraag wie beslist wat een model wel en niet mag zeggen, is een van de belangrijkste onbeantwoorde vragen in het AI-veld. Het is geen technische vraag. Het is een maatschappelijke vraag die met technische middelen wordt aangesneden.

Voor koersbepalers is dit relevant omdat het verklaart waarom modellen van verschillende aanbieders zich anders gedragen op gevoelige onderwerpen. Elk model weerspiegelt de alignment-keuzes van de organisatie die het heeft getraind. Die keuzes zijn niet neutraal. Ze zijn expliciet of impliciet normatief.

RL voor andere doelen

Reinforcement learning wordt bij posttraining niet alleen ingezet voor alignment. Dezelfde trainingstechniek wordt ook gebruikt om modellen beter te laten redeneren: langere denkstappen nemen, problemen opsplitsen in deelproblemen, en hun eigen tussenresultaten controleren. Die toepassing valt buiten het bereik van deze pagina. Wie wil begrijpen hoe redenerende modellen werken en wat ze kunnen, vindt dat bij Redenerende modellen (cluster 6.1).

Voorbeelden

De effecten van alignment worden zichtbaar in situaties waar het model een afweging maakt tussen helpen en waarschuwen.

Medische kliniek

Een patiënt vraagt via het online portaal van een ziekenhuis: “Kan ik mijn dosering ibuprofen verhogen als de pijn niet afneemt?” Het AI-model dat het portaal ondersteunt, geeft geen direct antwoord. Het legt uit wat ibuprofen is, beschrijft de algemene richtlijnen voor gebruik, en adviseert de patiënt contact op te nemen met de behandelend arts voor een persoonlijk advies over dosering. Dat gedrag is het resultaat van alignment: het model heeft geleerd dat persoonlijke medische adviezen buiten zijn verantwoorde bereik vallen, ook al beschikt het over de kennis om een antwoord te formuleren. Het onderscheid is subtiel maar wezenlijk: het model beschikt over de kennis (uit pretraining), kan een antwoord formuleren (na fine-tuning), maar kiest ervoor dat niet te doen (door alignment).

B2B-dienstverlener

Een adviesbureau vraagt een AI-model om een concept-memo te schrijven die beargumenteert waarom een klant moet investeren in een specifiek technologieplatform. Het model schrijft de memo, maar voegt uit zichzelf een alinea toe waarin het benoemt dat de analyse is gebaseerd op publiek beschikbare informatie en dat het de specifieke situatie van de klant niet kan beoordelen. Een oudere versie van hetzelfde model schreef dezelfde memo zonder enig voorbehoud. Het verschil: de nieuwere versie heeft via alignment geleerd dat beweringen over investeringsbeslissingen een risico dragen als ze zonder context worden gepresenteerd. De adviseur besluit de waarschuwingsalinea te behouden. Het versterkt de geloofwaardigheid van het advies.

Zelfstandig professional

Een freelance journalist vraagt een AI-model om achtergrondinformatie te genereren over de betrokkenheid van een specifiek farmaceutisch bedrijf bij een medicijnschandaal. Het model reageert met een genuanceerde beschrijving van de publiek bekende feiten, benoemt wat bevestigd is en wat omstreden, en vermijdt beweringen die het niet kan verifiëren. Een jaar eerder had het model dezelfde vraag beantwoord met een minder genuanceerd verhaal dat speculatie en feiten door elkaar mengde. Het verschil is alignment: het model heeft geleerd dat het bij gevoelige onderwerpen expliciet moet onderscheiden wat bevestigd is en wat niet. Voor de journalist is dat niet beperkend. Het is precies de houding die ze van een betrouwbare bron verwacht.

Veelgestelde vragen

Is alignment hetzelfde als censuur?

Het verschil is wezenlijk. Censuur is het systematisch onderdrukken van informatie om bepaalde standpunten of feiten ontoegankelijk te maken. Alignment is het aanleren van oordeelsvermogen: het model leert onderscheid maken tussen verzoeken die het veilig kan beantwoorden en verzoeken die risico’s met zich meebrengen. Een gealigneerd model kan uitgebreid vertellen over de chemie van explosieve stoffen in een educatieve context, maar weigert stapsgewijze instructies te geven voor het bouwen van een bom. Het verschil zit in de beoordeling van het doel, niet in het onderdrukken van de informatie. In de praktijk gaat die beoordeling soms te ver, en weigert het model vragen die onschuldig zijn. Dat is geen censuur maar een kalibratieprobleem dat modelbouwers actief proberen op te lossen.

Waarom antwoorden AI-modellen soms overdreven voorzichtig?

Dat is een bekende bijwerking van alignment-training. Wanneer het model leert dat het voorzichtig moet zijn bij gevoelige onderwerpen, generaliseert het soms te breed. Het herkent patronen in de vraag die lijken op riskante verzoeken, bijvoorbeeld bepaalde woorden of thema’s die in de trainingsdata vaak voorkwamen bij schadelijke verzoeken, en past dezelfde voorzichtigheid toe op vragen die in werkelijkheid onschuldig zijn. Modelbouwers werken aan technieken die het model leren beter te onderscheiden tussen daadwerkelijk riskante en oppervlakkig vergelijkbare vragen. Elke nieuwe modelversie probeert dat onderscheid te verscherpen. De ervaring van gebruikers is een van de belangrijkste feedbackbronnen voor die verbetering.

Wie bepaalt wat een model wel en niet mag zeggen?

De modelbouwer. Anthropic, OpenAI, Google en andere aanbieders bepalen de principes waarop hun modellen worden getraind. Die principes zijn deels publiek (sommige modelbouwers publiceren hun richtlijnen), deels impliciet in de beoordelingen van de menselijke en AI-beoordelaars die bij het trainingsproces worden ingezet. Er bestaat geen externe standaard of toezichthouder die voor alle modellen dezelfde regels voorschrijft. Dat betekent dat elke modelbouwer eigen afwegingen maakt, en dat modellen van verschillende aanbieders zich op dezelfde gevoelige vraag anders kunnen gedragen. Voor organisaties die AI inzetten, is het relevant om te begrijpen dat het gedrag van hun model niet neutraal is, maar het resultaat van ontwerpkeuzes door de modelbouwer. Het is verstandig om die keuzes te kennen voordat je een model kiest voor een context waar ze ertoe doen.

Wordt alignment ooit “af”?

Waarschijnlijk niet. Alignment is een afspiegeling van menselijke waarden, en die waarden verschuiven over tijd, verschillen tussen culturen en bevatten interne spanningen. Wat vandaag als verantwoord geldt, kan over vijf jaar anders worden beoordeeld. Een model dat vandaag goed gekalibreerd is, kan morgen een nieuw type verzoek tegenkomen dat niet in de trainingsdata zat. Modelbouwers behandelen alignment als een doorlopend proces: elke modelversie wordt opnieuw afgestemd op basis van de nieuwste inzichten, de feedback van gebruikers en de veranderende maatschappelijke verwachtingen. In die zin is alignment vergelijkbaar met beveiliging: het is geen probleem dat je eenmalig oplost, maar een eigenschap die voortdurend onderhoud vraagt.

Verder lezen

Wie wil begrijpen hoe fine-tuning werkt en wanneer het zinvol is om een model aan te passen aan een specifiek domein of een specifieke taak, leest Fine-tuning (cluster 2.3a).

Wie wil begrijpen hoe de kennis die bij alignment wordt bijgestuurd in het model is terechtgekomen, leest Pretraining: het fundament bouwen (cluster 2.2).

Wie wil weten hoe reinforcement learning wordt ingezet om modellen beter te laten redeneren, en wat redenerende modellen onderscheidt van standaard taalmodellen, vindt dat bij Redenerende modellen (cluster 6.1).

Elke keer dat een modelbouwer een nieuw model uitbrengt, verschijnt er een persbericht met een reeks scores. “Hoogste score op MMLU.” “Beste prestatie op SWE-bench.” “Nieuw record op Chatbot Arena.” De directeur die dit leest, ziet getallen en concludeert: dit is het betere model. Maar is dat zo?

Zonder benchmarks zou elke aanbieder kunnen beweren wat hij wil zonder dat iemand het kan controleren. Tegelijkertijd zijn benchmarks niet wat de meeste mensen denken dat ze zijn. Ze meten specifieke vaardigheden onder specifieke omstandigheden. Ze zeggen niet hoe een model presteert op jouw taak. En ze zijn kwetsbaarder voor manipulatie dan de meeste gebruikers beseffen. Deze pagina geeft je het kader om benchmarkclaims te lezen zoals ze gelezen moeten worden: als nuttige indicatoren, niet als absolute waarheden.

Wat een benchmark is

Een benchmark is een gestandaardiseerde test waarmee AI-modellen worden vergeleken. Elk model maakt dezelfde set opgaven, onder dezelfde regels, en de scores worden gepubliceerd zodat iedereen ze kan vergelijken. Vergelijk het met een examen: de vragen staan vast, de omstandigheden zijn gecontroleerd, en het resultaat is een cijfer dat je kunt afzetten tegen de cijfers van anderen.

Dat klinkt overzichtelijk. Maar net als bij examens geldt: het cijfer vertelt niet alles. Een student die een tien scoort op een wiskundetoets hoeft niet de beste werknemer te zijn. Een model dat het hoogst scoort op een kennistest hoeft niet het beste model te zijn voor jouw project.

Soorten benchmarks

De AI-wereld gebruikt tientallen benchmarks. Ze vallen uiteen in twee grote categorieën die elk iets anders meten en elk hun eigen beperkingen hebben.

Statische benchmarks

Een statische benchmark is een vaste set vragen die het model beantwoordt. De antwoorden worden automatisch gescoord, meestal als percentage correct. De benchmarks die op het moment van schrijven het meest worden gebruikt, verschuiven regelmatig. Maar de principes achter de verschillende testtypen blijven gelijk.

MMLU

MMLU (Massive Multitask Language Understanding) test brede kennis over 57 vakgebieden, van wiskunde en rechten tot geschiedenis en biologie. Het model krijgt meerkeuze­vragen en moet het juiste antwoord kiezen. MMLU was jarenlang de belangrijkste maatstaf voor algemene kennis. Inmiddels raakt de test uitgespeeld: de topmodellen scoren zo dicht bij het plafond dat het verschil niet meer betekenisvol is. Het is alsof alle kandidaten voor een rijexamen slagen met een 9,5 of hoger. Je kunt er de beste chauffeur niet meer mee aanwijzen. MMLU-Pro, een moeilijkere versie met tien antwoordopties in plaats van vier, brengt weer spreiding aan.

GPQA Diamond

GPQA Diamond test wetenschappelijk redeneren op het niveau van een gepromoveerde onderzoeker, met vragen in fysica, biologie en scheikunde die zo zijn ontworpen dat zelfs promovendi buiten hun eigen specialisme er moeite mee hebben. Het verschil met MMLU is veelzeggend: op brede kennis scoren modellen vrijwel perfect, maar op diep redeneren is er nog aanzienlijke ruimte. Deze benchmark onderscheidt op dit moment nog wél tussen topmodellen.

SWE-bench

SWE-bench test of een model werkende code kan schrijven voor echte softwareproblemen uit open-sourceprojecten. Geen speelgoedopgaven maar productiecomplexiteit. Dit is een benchmark waar de scores direct iets zeggen over de bruikbaarheid van het model voor softwareontwikkeling.

HumanEval

HumanEval test basale programmeervaardigheid: het model moet korte functies schrijven die aan een specificatie voldoen. De test is breder verspreid maar ook minder veeleisend dan SWE-bench. Hoge scores op HumanEval correleren matig met de kwaliteit van code die het model produceert op echte, complexe taken.

Elke statische benchmark deelt dezelfde eigenschap: de vragen liggen van tevoren vast. Dat maakt de test reproduceerbaar en vergelijkbaar, maar het maakt hem ook kwetsbaar voor een probleem dat verderop aan bod komt.

Menselijke vergelijkingen

De tweede categorie benchmarks werkt fundamenteel anders. In plaats van vaste vragen met een correct antwoord, laten deze tests echte gebruikers twee modellen naast elkaar beoordelen.

De bekendste is Chatbot Arena, ontwikkeld door onderzoekers van LMSYS. Een gebruiker stelt een vraag. Twee modellen genereren een antwoord. De gebruiker ziet beide antwoorden naast elkaar, zonder te weten welk model welk antwoord heeft geproduceerd, en kiest welk antwoord beter is. Na honderdduizenden van die vergelijkingen ontstaat een ranglijst, uitgedrukt in een Elo-score vergelijkbaar met de rating bij schaken.

Het sterke punt: deze aanpak is niet te gamen met vaste antwoorden. De vragen komen van echte gebruikers, het oordeel is menselijk en de vergelijking is blind. Het zwakke punt: het oordeel is subjectief. Een langere, gedetailleerdere reactie wordt vaak als “beter” beoordeeld, ook als een korter antwoord inhoudelijk sterker is. Het meet gebruikersvoorkeur, niet objectieve kwaliteit. Maar gebruikersvoorkeur is in veel praktijksituaties precies wat je wilt weten.

Vier redenen om benchmarks met context te lezen

Benchmarks zijn nuttig. Maar wie ze leest zonder de beperkingen te kennen, trekt verkeerde conclusies. Vier problemen komen steeds terug.

Saturatie

Sommige benchmarks raken uitgespeeld. Bij MMLU zitten de topmodellen inmiddels zo dicht bij het plafond dat het verschil in de foutmarge verdwijnt. Een model dat een procentpunt hoger scoort is niet meetbaar beter. Toch presenteren modelbouwers dat verschil alsof het veelzeggend is.

Het patroon herhaalt zich: op het moment dat de beste modellen het plafond raken, verliest de test zijn onderscheidend vermogen. De AI-gemeenschap reageert door moeilijkere varianten te ontwikkelen. Wie benchmarkscores leest, moet altijd kijken naar welke test het betreft en of de test nog onderscheidend is.

Contaminatie

Statische benchmarks zijn vaste datasets. De vragen veranderen niet. En de vragen zijn publiek beschikbaar. Dat creëert een risico dat breed is gedocumenteerd: testcontaminatie. Als de vragen van een benchmark in de trainingsdata van het model voorkomen, meet de score gedeeltelijk geheugen in plaats van vaardigheid.

Onafhankelijk onderzoek heeft vastgesteld dat benchmarkscores bij sommige modellen substantieel hoger uitvallen dan bij gecontroleerde reproductie die rekening houdt met mogelijke contaminatie. Dat betekent niet dat de scores waardeloos zijn, maar wel dat ze minder precies zijn dan ze lijken.

Cherry-picking

Elke modelbouwer publiceert de scores waarop het model het best presteert. Een model dat uitblinkt op coderingstaken toont SWE-bench prominent. Een model dat sterk is in redeneren benadrukt GPQA. Een model dat op geen enkele test bovenaan staat, kiest de minst bekende benchmark waar het toevallig het hoogst scoort.

Elk gepubliceerd getal is werkelijk behaald. Maar het beeld is vertekend. De lezer ziet een reeks topprestaties en concludeert dat het model overal het best is. Wie kritisch leest, kijkt niet naar welke benchmarks worden getoond, maar naar welke ontbreken.

Het gat tussen test en praktijk

Dit is het meest fundamentele punt, en het punt dat het vaakst wordt gemist. Een benchmark test een specifieke vaardigheid onder gecontroleerde omstandigheden. Jouw situatie is niet gecontroleerd. Jouw data zijn niet de data waarop de benchmark is gebouwd.

Uit onafhankelijke evaluaties blijkt steeds opnieuw dat modellen die hoog scoren op codeerbenchmarks in de praktijk aanzienlijk vaker code opleveren die aanpassing nodig heeft. Een model dat hoog scoort op kennisbenchmarks kan tegenvallen op jouw specifieke domein als dat domein ondervertegenwoordigd is in de trainingsdata. Een model dat uitblinkt op Engelstalige taken kan merkbaar minder presteren op Nederlands.

Het gat tussen benchmarkprestatie en praktijkprestatie is inherent aan het verschil tussen een gestandaardiseerde test en de werkelijkheid. De enige manier om te weten hoe een model presteert op jouw werk, is het te testen op jouw werk.

Hoe je benchmarks dan wél gebruikt

Met al die beperkingen, zijn benchmarks dan nutteloos? Nee. Ze zijn waardevol als je ze op de juiste manier leest.

Het profiel als eerste filter

Gebruik benchmarks om het veld in te delen: welke modellen spelen in de topklasse, welke zijn gericht op specifieke taken, welke combineren brede kennis met sterke codeerprestaties. Die grove indeling is nuttig bij het samenstellen van een shortlist. Kijk daarbij naar het profiel, niet naar één score. Een model dat op vijf benchmarks consistent hoog scoort vertelt meer over de brede kwaliteit dan een model dat op één benchmark een record zet.

Menselijke vergelijkingen wegen zwaarder

Chatbot Arena en vergelijkbare platforms zijn moeilijker te manipuleren dan statische benchmarks. Het oordeel komt van echte gebruikers, de vragen liggen niet vast, en de vergelijking is blind. Als je één externe bron wilt gebruiken als grove indicatie van modelkwaliteit, is een menselijke vergelijking op dit moment de meest informatieve.

Testen op je eigen werk

Geen benchmark vervangt een test op jouw eigen taken. Neem drie tot vijf taken die representatief zijn voor wat je het model wilt laten doen. Laat twee of drie kandidaatmodellen dezelfde taken uitvoeren. Beoordeel de output zelf. Die investering van een middag kost minder dan een verkeerde modelkeuze die maanden meegaat.

Voorbeelden

Medische kliniek

Een ziekenhuis selecteert een AI-model voor het samenvatten van medisch-wetenschappelijke literatuur. De IT-afdeling maakt een shortlist op basis van benchmarkscores: drie modellen scoren vergelijkbaar op kennisvragen en redeneren. In de praktijktest die volgt, laat het ziekenhuis elk model twintig recent gepubliceerde studies samenvatten. De uitkomst is verrassend: het model met de op papier laagste score produceert de meest bruikbare samenvattingen, omdat het consistenter is in het signaleren van methodologische beperkingen. De twee hoger scorende modellen produceren vloeiender tekst maar missen vaker nuances die voor de medische staf relevant zijn. De benchmark voorspelde de uitkomst niet.

B2B-dienstverlener

Een accountantskantoor ontvangt een vendorpresentatie waarin een nieuw model wordt gepitcht met “de hoogste score op MMLU ooit.” De IT-directeur vraagt door: welke versie van MMLU? Het blijkt de standaardversie te zijn, waar alle topmodellen inmiddels tegen het plafond aan scoren. Op MMLU-Pro, de moeilijkere variant, scoort het model vergelijkbaar met de concurrentie. Op Chatbot Arena, waar echte gebruikers blind vergelijken, staat het model niet in de top tien. De indrukwekkende claim uit de presentatie blijkt bij nader inzien een voorbeeld van cherry-picking: het model presenteert zijn score op de test waar het verschil het minst betekent. Het kantoor stelt aanvullende vragen en laat de leverancier een proef doen op hun eigen data.

Zelfstandig professional

Een freelance ontwikkelaar kiest een AI-model op basis van de HumanEval-score: ruim boven de negentig procent correct. In de praktijk blijkt het model moeite te hebben met de specifieke programmeertaal en het framework dat zij gebruikt. De code compileert, maar vereist structureel meer aanpassingen dan ze op basis van de score had verwacht. Ze schakelt over naar een model met een lagere HumanEval-score maar betere prestaties op SWE-bench, de benchmark die complexere, realistische codeerscenario’s test. De kwaliteit van de gegenereerde code verbetert merkbaar. De keuze van de benchmark bepaalt mede welk model je selecteert, en niet elke benchmark meet wat jij nodig hebt.

Veelgestelde vragen

Wat is het verschil tussen MMLU en Chatbot Arena?

MMLU is een schriftelijk examen: het model beantwoordt vaste meerkeuze­vragen en de score wordt automatisch berekend. Chatbot Arena is een praktijktoets: echte gebruikers vergelijken twee modellen blind en kiezen welk antwoord beter is. MMLU meet kennis op een gestandaardiseerde manier. Chatbot Arena meet voorkeur op een open manier. Beide zijn nuttig en beide hebben beperkingen. MMLU is kwetsbaar voor contaminatie en saturatie. Chatbot Arena is kwetsbaar voor voorkeursbias (langere antwoorden worden vaker gekozen) en is beperkt tot de populatie gebruikers die deelneemt. Als je één bron moet kiezen als grove indicatie van modelkwaliteit, is een menselijke vergelijking zoals Chatbot Arena informatiever dan een statische test, juist omdat de vragen niet vastliggen en het oordeel van echte gebruikers komt. Maar ook die bron vervangt geen eigen test.

Waarom publiceren modelbouwers niet gewoon alle benchmarkscores?

Omdat het niet in hun belang is. Elk model heeft sterke en zwakke punten. Door alleen de scores te tonen waar het model goed op presteert, creëert de aanbieder het beeld van een model dat overal uitblinkt. Dat is niet anders dan bij elk ander product: de specificatiebladen van auto’s benadrukken het vermogen en de uitrusting, niet het verbruik in de stad. Als kritische lezer kijk je niet alleen naar wat er staat, maar ook naar wat er ontbreekt. Als een aanbieder vijf benchmarks toont en drie ervan zijn onbekende of weinig gebruikte tests, is dat op zichzelf informatie.

Hoe weet ik of een benchmark nog relevant is?

Twee signalen zijn het meest betrouwbaar. Het eerste is spreiding: als alle topmodellen binnen een paar procentpunten van elkaar scoren, is de test uitgespeeld en onderscheidt hij niets meer. Het tweede is erkenning door de onderzoeksgemeenschap: als onafhankelijke onderzoekers een benchmark noemen als standaard voor een bepaalde vaardigheid, is dat een sterker signaal dan wanneer alleen de modelbouwer zelf ernaar verwijst. De specifieke benchmarks die het meest onderscheidend zijn verschuiven regelmatig. Op het moment van schrijven zijn dat onder meer GPQA Diamond voor wetenschappelijk redeneren, SWE-bench Verified voor coderen en Chatbot Arena voor algehele voorkeur. Maar de twee signalen hierboven helpen je ook wanneer die namen zijn vervangen door nieuwe tests.

Kan ik als niet-technisch persoon benchmarks lezen?

Ja. Je hoeft de technische details niet te begrijpen om benchmarks zinvol te gebruiken. De kern is vier vragen stellen bij elke benchmarkclaim die je tegenkomt. Eén: welke test is dit, en wat meet hij precies? Twee: scoren alle topmodellen vergelijkbaar, of is er werkelijk verschil? Drie: toont de aanbieder ook scores waar het model minder goed op presteert? Vier: test deze benchmark iets wat lijkt op wat ik met het model wil doen? Die vier vragen beschermen je tegen de meest voorkomende valkuilen. Je hoeft niet te weten hoe GPQA Diamond is opgebouwd om te concluderen dat een vendorpresentatie die alleen MMLU-scores toont een onvolledig beeld geeft.

Verder lezen

Wie wil terugkeren naar het bredere kader en begrijpen welke factoren naast benchmarks de kwaliteit van een model bepalen, leest Wat bepaalt de kwaliteit van een model? (cluster 2.5).

Wie wil weten hoe je de prestaties van een AI-model in de praktijk beoordeelt, niet via benchmarks maar via je eigen evaluatie, vindt dat bij Evaluatie van AI-output (cluster 6.1).

Wie wil begrijpen waarom het verschil tussen een benchmarkdemo en een bruikbaar product vaak groter is dan verwacht, leest Frontier AI versus productie-realiteit (cluster 6.3).

Wie voor het eerst met een AI-model werkt, is vaak verrast door wat het kan. Het schrijft samenhangende teksten, legt complexe begrippen uit, vertaalt tussen talen, en produceert code die compileert. Waar komt die kennis vandaan? Het antwoord is pretraining: het proces waarmee een model de patronen van menselijke taal vastlegt door biljoenen stukken tekst te verwerken. Dat proces legt het fundament voor alles wat een AI-model later kan. En het verklaart waarom datzelfde model soms overtuigend fout zit.

Het woord dat alles verklaart

Er is één mechanisme dat de werking van alle huidige taalmodellen samenvat in drie woorden: voorspel het volgende. Dat is het. Dat is de kern van pretraining.

Pretraining is het proces waarmee een AI-model wordt getraind op een enorme hoeveelheid tekst, met als doel de statistische patronen van taal vast te leggen. Het model leest geen tekst zoals een mens dat doet. Het verwerkt biljoenen stukken tekst en leert bij elk stuk voorspellen welk woord het meest waarschijnlijk volgt op de voorgaande woorden.

Neem de zin: “De directeur opende de vergadering met een kort…” Het model heeft uit miljoenen vergelijkbare zinnen geleerd dat “welkomstwoord” of “overzicht” hier waarschijnlijk volgt, en niet “banaan” of “vliegtuig.” Dat is geen begrip. Het is patroonherkenning op een schaal die menselijk onvoorstelbaar is.

Next-token prediction

Dit mechanisme heet next-token prediction. Het model krijgt een reeks woorden en voorspelt het volgende. De voorspelling wordt vergeleken met het werkelijke woord in de tekst. Bij elke afwijking worden de parameters van het model bijgesteld, miljoenen keren per minuut, biljoenen keren gedurende het hele trainingsproces.

Dat is dezelfde trainingslogica als bij machine learning: voorspellen, vergelijken, bijstellen. Het verschil zit in de schaal en in de trainingsopgave. Bij supervised learning levert een mens de uitkomsten aan: deze e-mail is spam, deze transactie is fraude. Bij pretraining levert de tekst zelf de opgave. Elk woord in een zin is het antwoord op de vraag: wat komt hierna? Dat maakt het mogelijk om te trainen op een hoeveelheid data die bij supervised learning ondenkbaar zou zijn. Er is niet genoeg menskracht om biljoenen stukken tekst handmatig te labelen. De tekst labelt zichzelf.

Na dat proces heeft het model de patronen van menselijke taal vastgelegd in zijn parameters. Het heeft geleerd welke woorden vaak samen voorkomen, welke zinsstructuren gangbaar zijn, welke redeneerpatronen in teksten terugkeren. Het “weet” niets in de menselijke zin van het woord. Het heeft statistische verbanden opgeslagen die zo rijk en gelaagd zijn dat het resultaat lijkt op kennis.

Wat erin gaat

De kwaliteit van een pretrained model hangt af van de tekst waarop het is getraind. Dat klinkt vanzelfsprekend, maar de consequenties zijn verstrekkend.

De trainingsdata voor moderne taalmodellen komen uit een brede verzameling bronnen: webpagina’s, boeken, wetenschappelijke publicaties, nieuwsartikelen, fora, coderepositories en encyclopedieën. De schaal is moeilijk voor te stellen. Huidige modellen worden getraind op biljoenen stukken tekst, een hoeveelheid die gelijk staat aan miljoenen boeken. Dat is meer tekst dan een mens in duizend levens zou kunnen lezen.

Curatie

Maar het is niet “het hele internet.” Dat is een wijdverbreid misverstand. De ruwe data van het web zijn vervuild met spam, dubbele pagina’s, lage kwaliteit en misleidende inhoud. Modelbouwers investeren maanden in het filteren, opschonen en samenstellen van de trainingsdata. Die stap heet datacuratie, en de impact ervan op het eindresultaat is minstens zo groot als de keuze voor een netwerkarchitectuur.

Het principe is hetzelfde als bij elk machine-learning-model, maar de schaal is anders. Een creditcardfraude-model dat is getraind op vertekende data reproduceert die vertekening. Een taalmodel dat is getraind op een tekstverzameling waarin bepaalde perspectieven oververtegenwoordigd zijn, reproduceert dat onevenwicht. Alleen gebeurt het hier op een schaal van biljoenen woorden, waar handmatige inspectie onmogelijk is.

De beschikbaarheid van hoogwaardige trainingstekst is eindig. Onderzoekers verwachten dat de voorraad publiek beschikbare, kwalitatief sterke tekst uitgeput raakt. Modelbouwers reageren daarop met synthetische data: tekst die door AI-modellen zelf wordt gegenereerd als trainingsmateriaal voor volgende generaties modellen. De gevolgen van die verschuiving zijn nog niet volledig zichtbaar. Het is een ontwikkeling om in de gaten te houden.

Hoe tekst getallen wordt

Een neuraal netwerk kan niet met woorden rekenen. Het kan alleen met getallen werken. Voordat een model tekst kan verwerken, moet die tekst worden omgezet in een reeks getallen. Die omzetting heet tokenisatie.

Een token is de kleinste eenheid waarmee een taalmodel tekst verwerkt. Dat is lang niet altijd een heel woord. Het woord “vergaderruimte” wordt door de meeste modellen opgesplitst in twee of drie stukken: “vergader”, “ruimte”, of zelfs “ver”, “gader”, “ruimte.” Veelgebruikte korte woorden (“de”, “en”, “is”) zijn meestal één token. Zeldzame of samengestelde woorden worden opgesplitst in kleinere eenheden die het model vaker heeft gezien.

De gangbare methode voor die opsplitsing werkt op basis van frequentie. Patronen die vaak voorkomen in de trainingstekst worden samengevoegd tot één token. Patronen die zelden voorkomen, worden opgesplitst in kleinere stukken. Het resultaat is een vocabulaire van tienduizenden tot honderdduizend tokens waarmee het model elke tekst kan representeren.

Tokens in de praktijk

Dit klinkt als een technisch detail. Maar het verklaart een reeks eigenaardigheden die iedereen die met AI-modellen werkt vroeg of laat tegenkomt.

Vraag een model hoeveel keer de letter “r” voorkomt in “strawberry”, en het antwoord is regelmatig fout. Niet omdat het model niet kan tellen, maar omdat het de individuele letters niet ziet. “Strawberry” is voor het model niet s-t-r-a-w-b-e-r-r-y, maar een reeks tokens die niet op lettergrenzen vallen. Het model opereert op een niveau boven de letter, en dat niveau matcht niet altijd met de taak die je het geeft.

Hetzelfde geldt voor rekenen met grote getallen. Het getal “1234” wordt soms opgesplitst in “123” en “4”. Het model ziet die stukken als afzonderlijke symbolen, niet als posities in een decimaal stelsel. Rekenen vereist inzicht in posities. Tokenisatie wist dat inzicht uit.

Voor organisaties is er een directe praktische consequentie. AI-diensten rekenen af per token. Hoe meer tokens een tekst bevat, hoe hoger de kosten. Teksten in het Nederlands gebruiken meer tokens dan dezelfde tekst in het Engels, omdat de meeste modellen zijn geoptimaliseerd voor Engelse tekst. Code is vaak token-efficiënt. Juridische teksten met lange samenstellingen kosten meer tokens per woord. Wie de kosten van AI-inzet wil begrijpen, moet tokens begrijpen.

Wat het oplevert

Na pretraining is het resultaat een basismodel: een neuraal netwerk met miljarden parameters die de patronen van menselijke taal hebben vastgelegd. Dat basismodel vormt de grondstof voor alles wat een AI-model later kan.

De reikwijdte is breed. Een pretrained basismodel kan tekst aanvullen, zinnen afmaken, patronen in taal herkennen en nieuwe tekst genereren die grammaticaal correct, inhoudelijk samenhangend en stilistisch consistent is. Het kan code produceren, vertalingen maken en samenvattingen schrijven. Het doet dit allemaal op basis van hetzelfde mechanisme: de volgende token voorspellen op basis van de voorgaande context.

Hier zit een inzicht dat de moeite waard is om even bij stil te staan. Vrijwel alle kennis die een taalmodel bezit, is vastgelegd tijdens pretraining. De latere fases, posttraining, voegen relatief weinig nieuwe kennis toe. Wat ze wel toevoegen is gedrag: het vermogen om instructies op te volgen en behulpzaam te reageren. Maar de taalpatronen, de feitenkennis en de redeneerstructuren die daaronder liggen, dat is het werk van pretraining.

Het ruwe basismodel

Dat fundament is indrukwekkend. Maar een pretrained model is nog geen product. Stel het een vraag, en het genereert de meest waarschijnlijke vervolgtekst. Soms is dat een antwoord. Soms is dat een volgende vraag. Soms is het een willekeurige voortzetting van de tekst alsof het een artikel schrijft. Het model heeft geen instructie-opvolgend gedrag. Het vult tekst aan. Meer niet.

Een pretrained model weigert ook niet. Het genereert wat statistisch het meest waarschijnlijk is, ongeacht of dat behulpzaam, schadelijk of onzinnig is. De veiligheidsmaatregelen en het vermogen om schadelijke verzoeken te weigeren komen pas bij posttraining.

Dit onderscheid is fundamenteel voor iedereen die beslissingen neemt over AI. Het verklaart waarom hetzelfde basismodel zich totaal anders kan gedragen na verschillende vormen van posttraining, en waarom modellen van verschillende aanbieders toch heel anders reageren terwijl ze op vergelijkbare basismodellen zijn gebouwd. Het verklaart ook waarom de kwaliteit van pretraining de bovenkant bepaalt: posttraining kan een model niet laten presteren op kennis die tijdens pretraining niet is vastgelegd.

Midtraining

Wij presenteren pretraining en posttraining als twee gescheiden fases. Dat is een nuttige vereenvoudiging die het geheel begrijpelijk maakt. In de praktijk is de grens minder scherp. Modelbouwers experimenteren met tussenliggende fases, soms midtraining genoemd, waarin ze al tijdens het latere deel van de pretraining hoogwaardige data toevoegen of de trainingsaanpak geleidelijk verschuiven richting het gedrag dat bij posttraining wordt aangeleerd. Die tussenliggende fases zijn nog niet gestandaardiseerd. De indeling verschilt per modelbouwer en verandert bij elke nieuwe generatie modellen. Voor het begrip van hoe een AI-model wordt opgebouwd is de tweedeling pretraining-posttraining het meest verhelderende vertrekpunt.

Voorbeelden

Wat pretraining concreet oplevert, en waar het tekortschiet, wordt zichtbaar in de manier waarop organisaties AI-modellen inzetten.

Medische kliniek

Een ziekenhuis gebruikt een AI-model om artsen te ondersteunen bij het opstellen van ontslagbrieven. Het model kan medische terminologie correct gebruiken, de structuur van een ontslagbrief volgen en een coherente samenvatting van het behandeltraject produceren. Die vaardigheid komt uit pretraining: het model heeft tijdens training enorme hoeveelheden medische tekst verwerkt en de patronen daarvan vastgelegd. Maar het model controleert niet of de inhoud klopt. Het kan een medicijnnaam verwisselen, een dosering verzinnen of een bijwerking toekennen aan het verkeerde middel, zolang het resultaat er taalkundig plausibel uitziet. De arts die de brief ondertekent, is verantwoordelijk voor de inhoud. Pretraining levert taalbeheersing. De medische beoordeling blijft mensenwerk.

B2B-dienstverlener

Een adviesbureau gebruikt een AI-model om conceptteksten te schrijven voor projectvoorstellen. Het model produceert structureel sterke teksten die de conventies van het genre volgen: probleemschets, aanpak, planning, investering. Het kan dat omdat het tijdens pretraining duizenden vergelijkbare documenten heeft verwerkt. Het bureau merkt dat het model twee dingen niet kan. Het kan niet toetsen of de voorgestelde aanpak realistisch is voor deze specifieke klant. En het maakt soms beweringen over de markt die plausibel klinken maar feitelijk niet kloppen. Het model genereert op basis van patronen. De verificatie komt van de adviseur die het voorstel ondertekent.

Zelfstandig professional

Een zelfstandig jurist gebruikt een AI-model om juridische teksten samen te vatten. Het model herkent juridische structuren, identificeert kernbepalingen en produceert compacte samenvattingen in begrijpelijke taal. Bij een contract in het Nederlands presteert het model merkbaar minder dan bij een vergelijkbaar contract in het Engels. Zinnen worden langer, samenstellingen worden onhandig afgebroken, nuances gaan verloren. De verklaring zit in pretraining: de trainingsdata bevatten aanzienlijk meer Engelstalige juridische tekst dan Nederlandstalige. Het model heeft minder patronen in het Nederlands vastgelegd. Dat verschil in trainingsdata vertaalt zich direct naar een verschil in kwaliteit.

Veelgestelde vragen

Wat is het verschil tussen pretraining en posttraining?

Pretraining legt het fundament: het model verwerkt biljoenen stukken tekst en legt de patronen van menselijke taal vast in zijn parameters. Dat levert een basismodel op dat tekst kan aanvullen en patronen kan herkennen, maar dat geen instructies opvolgt en geen gesprek kan voeren. Posttraining bouwt daarop voort. Via technieken als fine-tuning en alignment leert het model om instructies op te volgen, behulpzaam te reageren en schadelijke verzoeken te weigeren. De verhouding is te vergelijken met het verschil tussen een encyclopedie en een adviseur. De encyclopedie bevat de kennis. De adviseur weet hoe die kennis toe te passen in een gesprek. Pretraining levert de encyclopedie. Posttraining levert het gespreksvermogen.

Wat zijn tokens en waarom moet ik daar iets van weten?

Een token is de kleinste eenheid waarmee een AI-model tekst verwerkt. Het woord “belastingaangifte” is voor een mens één woord, maar voor een model twee of drie tokens. Korte, veelgebruikte woorden zijn meestal één token. Lange samenstellingen en vaktermen worden opgesplitst. Tokens zijn praktisch relevant om drie redenen. Ten eerste bepalen ze de kosten: AI-diensten rekenen per verwerkte token, zowel in de invoer als in de uitvoer. Een lange, gedetailleerde prompt kost meer dan een korte. Ten tweede bepalen ze de limiet van het contextvenster: elk model heeft een maximaal aantal tokens dat het in één keer kan verwerken. Wie een lang document meestuurt, verbruikt een deel van dat budget. Ten derde verklaren tokens waarom modellen soms onverwacht presteren bij taken op letterniveau. Het model “ziet” geen letters, het ziet tokens. Tellen, spellen en woordspelletjes vallen daardoor soms buiten het bereik van de patroonherkenning.

Wat bedoelen mensen met “een basismodel”?

Een basismodel, in het Engels ook wel foundation model genoemd, is het directe resultaat van pretraining: een neuraal netwerk dat de patronen van menselijke taal heeft vastgelegd door biljoenen stukken tekst te verwerken. Het model is breed inzetbaar, niet gespecialiseerd voor één taak. Het kan tekst aanvullen, vertalen, samenvatten en genereren, allemaal op basis van hetzelfde mechanisme. Een basismodel is geen eindproduct. Wie een bruikbare AI-assistent wil, heeft posttraining nodig om het model instructies te leren opvolgen. Wie een model wil voor een specifiek vakgebied, heeft fine-tuning nodig. Het basismodel is de grondstof. De toepassing bepaalt welke verdere stappen nodig zijn.

Hoe kan een model dat alleen tekst aanvult, zoveel verschillende dingen?

Dat is misschien het meest verrassende inzicht rond pretraining. Next-token prediction klinkt als een beperkt mechanisme: voorspel het volgende woord. Maar de patronen die je moet herkennen om dat goed te doen bij biljoenen stukken tekst, omvatten feitenkennis, grammaticale structuren, redeneerpatronen, stijlverschillen tussen genres, en de logica van code. Een model dat consistent het juiste volgende woord kan voorspellen in een wiskundebewijs, moet de structuur van wiskundige redenering hebben vastgelegd. Een model dat het juiste volgende woord kan voorspellen in een juridisch contract, moet de conventies van juridische taal hebben geleerd. Het mechanisme is hetzelfde, de diepte van wat het vastlegt is verrassend breed.

Kan ik vertrouwen op wat een model tijdens pretraining heeft geleerd?

Niet zonder meer. Pretraining legt statistische patronen vast, geen geverifieerde feiten. Het model reproduceert wat het het vaakst en het meest consistent in de trainingsdata heeft aangetroffen. Bij veelgedocumenteerde onderwerpen komen die patronen grotendeels overeen met de feiten. Bij minder gedocumenteerde, tegenstrijdige of recente onderwerpen vult het model gaten op met plausibele patronen die feitelijk onjuist kunnen zijn. Het model kan bovendien geen onderscheid maken tussen wat het betrouwbaar heeft geleerd en waar het onzeker is. Die eigenschap maakt het onmogelijk om op output van een pretrained model te vertrouwen zonder onafhankelijke verificatie. Het is een van de redenen waarom technieken als RAG (het meegeven van externe bronnen als context) zo belangrijk zijn geworden: ze voorzien het model van actuele, verifieerbare informatie in plaats van te leunen op wat tijdens pretraining is vastgelegd.

Verder lezen

Wie wil begrijpen hoe een basismodel na pretraining wordt omgevormd tot een bruikbare assistent die instructies opvolgt en behulpzaam reageert, leest verder bij Posttraining: van basismodel naar assistent (cluster 2.3).

Wie wil weten hoe het trainingsmechanisme van machine learning werkt en welke soorten er zijn, vindt dat bij Wat is machine learning?

Wie wil zien hoe de transformer-architectuur pretraining op grote schaal mogelijk maakte, leest Transformers en foundation models: de architectuursprong (cluster 1.2).

Stel een pretrained model een vraag en het genereert geen antwoord. Het genereert de meest waarschijnlijke vervolgtekst. Soms lijkt dat op een antwoord. Soms is het een volgende vraag. Soms maakt het de zin af alsof het een Wikipedia-artikel schrijft. Het model doet wat pretraining het heeft geleerd: tekst aanvullen. Dat is alles. De stap van “tekst aanvullen” naar “een gesprek voeren, instructies opvolgen en weigeren wanneer dat nodig is” vereist een apart trainingsproces. Dat proces heet posttraining, en het verschil dat het maakt is groter dan de meeste mensen beseffen.

Waarom het basismodel niet genoeg is

Na pretraining beschikt een model over een enorme hoeveelheid vastgelegde taalpatronen. Het heeft feitenkennis, grammaticale structuren, redeneerpatronen en stijlconventies opgeslagen in miljarden parameters. Dat fundament is indrukwekkend. Maar het resultaat is een model dat tekst aanvult, geen model dat samenwerkt.

Het verschil wordt concreet als je een pretrained basismodel vergelijkt met de AI-assistenten die de meeste mensen kennen, zoals Claude, ChatGPT of Gemini. Typ “Wat zijn de drie belangrijkste risico’s van cloud computing voor een middelgroot bedrijf?” in een pretrained model, en het genereert misschien een vierde risico, of een vervolg dat klinkt als het midden van een blogpost. Typ dezelfde vraag in een AI-assistent na posttraining, en je krijgt een gestructureerd antwoord met drie punten, in een toon die past bij de vraag.

Dat verschil is geen kwestie van meer kennis. Beide modellen beschikken over dezelfde taalpatronen uit pretraining. Het verschil zit in gedrag: het vermogen om een instructie te herkennen, een gepaste reactie te formuleren en grenzen te bewaken.

Posttraining is het proces waarmee een pretrained basismodel wordt omgevormd tot een bruikbaar AI-systeem. Het omvat meerdere trainingsstappen die elk een ander aspect van het gedrag vormen. Twee daarvan zijn het meest bepalend: fine-tuning, waarmee het model leert hoe het moet reageren, en alignment, waarmee het model leert wanneer het moet reageren en wanneer niet.

Kennis versus gedrag

Hier zit een inzicht dat de moeite waard is om even bij stil te staan. Het fundament aan kennis — taalpatronen, feitenkennis, redeneerstructuren — dat is het werk van pretraining. Posttraining verandert niet wat het model kan, maar hoe het dat inzet: hoe het omgaat met vragen, hoe het een gesprek structureert, in welke toon het antwoordt, en welke verzoeken het weigert. De verhouding is te vergelijken met het verschil tussen een encyclopedie en een adviseur. De encyclopedie bevat de kennis. De adviseur weet hoe die kennis toe te passen in een gesprek: luisteren naar de vraag, de juiste informatie selecteren, die begrijpelijk presenteren en waarschuwen wanneer de informatie onvolledig is. Pretraining bouwt de encyclopedie. Posttraining leidt de adviseur op.

Hoe een model leert reageren

De eerste stap in posttraining is supervised fine-tuning, afgekort als SFT. Het basismodel wordt getraind op zorgvuldig samengestelde voorbeelden van gewenst gedrag: duizenden tot tienduizenden paren van instructies en antwoorden.

Elk paar toont het model hoe een goede reactie eruitziet. “Vat deze tekst samen in drie punten” met daaronder een heldere samenvatting in drie punten. “Leg uit wat inflatie is voor een twaalfjarige” met een begrijpelijke uitleg in dagelijkse taal. “Schrijf een professionele e-mail die een vergadering verzet” met een correct geformuleerd bericht.

Die voorbeelden zijn geen zoekresultaten of Wikipedia-fragmenten. Het zijn door mensen geschreven demonstraties van hoe het model zich zou moeten gedragen. Elke demonstratie bevat impliciet tientallen lessen: dat een samenvatting korter is dan het origineel, dat taal voor een kind anders klinkt dan voor een vakgenoot, dat een professionele e-mail een aanhef heeft.

Het trainingsproces

Het mechanisme is supervised learning. Het model vergelijkt zijn eigen output met het gewenste antwoord, berekent het verschil en stelt zijn parameters bij. Na duizenden van die bijstellingen heeft het model geleerd wat het formaat van een goed antwoord is: wanneer het een lijst moet geven, wanneer lopende tekst, wanneer het moet doorvragen.

De schaal verschilt fundamenteel van pretraining. Bij pretraining verwerkt het model biljoenen stukken tekst. Bij SFT gaat het om duizenden tot tienduizenden voorbeelden. De investering is niet schaal maar precisie: elk voorbeeld is met zorg samengesteld om het juiste gedrag te demonstreren.

→ Lees meer: Fine-tuning

Hoe een model leert kiezen

Na SFT kan het model instructies opvolgen en een gesprek voeren. Maar het mist nog iets wezenlijks: het vermogen om te beoordelen welk antwoord beter is dan een ander.

Het model produceert nu antwoorden die het juiste formaat hebben. Maar sommige antwoorden zijn helderder, eerlijker, veiliger of nuttiger dan andere. SFT leert het model wat een antwoord is. Preference learning leert het model wat een goed antwoord is.

Het mechanisme

Het principe is opvallend helder. Het model genereert twee antwoorden op dezelfde vraag. Een beoordelaar vergelijkt de twee en geeft aan welk antwoord beter is. Het model leert van die keuze. Na duizenden van zulke vergelijkingen heeft het model een intern richtsnoer opgebouwd voor wat mensen als behulpzaam, helder en veilig ervaren.

De oorspronkelijke methode hiervoor heet RLHF: reinforcement learning from human feedback. Het maakt gebruik van reinforcement learning, de trainingstechniek waarbij een model leert door feedback op zijn acties. Bij RLHF komt die feedback van mensen die antwoorden beoordelen.

Menselijke en geautomatiseerde feedback

Menselijke beoordelaars zijn nauwkeurig maar duur en langzaam. Bij duizenden beoordelingen per dag zijn de kosten substantieel, en de snelheid beperkt de schaal. Modelbouwers hebben daarom een variant ontwikkeld: RLAIF, reinforcement learning from AI feedback. Hierbij beoordeelt een AI-model de antwoorden in plaats van een mens, op basis van een reeks principes die mensen hebben opgesteld.

Het resultaat is vergelijkbaar. Het model leert welke antwoorden beter scoren, en stelt zijn gedrag daarop bij. Het verschil zit in de bron van de feedback: menselijk oordeel of geautomatiseerd oordeel op basis van menselijke principes. In de praktijk combineren modelbouwers beide. Menselijke feedback voor de lastigste afwegingen, AI-feedback voor de schaal.

Wij gebruiken op deze pagina de term preference learning als overkoepelend begrip. Of de feedback nu van mensen komt of van AI-modellen, het principe is hetzelfde: het model leert keuzes maken op basis van vergelijkend oordeel.

Waarom een model weigert

Na fine-tuning en preference learning kan het model instructies opvolgen en kwalitatief goede antwoorden produceren. De derde laag van posttraining gaat over een fundamenteel andere vraag: hoe voorkom je dat het model schade aanricht?

Een model dat elke instructie opvolgt zonder beoordeling, is gevaarlijk. Het kan gedetailleerde instructies geven voor het maken van wapens, overtuigend klinkende medische adviezen produceren die levensgevaarlijk zijn, of manipulatieve teksten schrijven op verzoek. Een AI-assistent die alles doet wat je vraagt, is niet behulpzaam. Die is onverantwoord.

Alignment

Alignment is het proces waarmee een model wordt afgestemd op menselijke waarden: behulpzaam zijn waar dat kan, eerlijk zijn over onzekerheid en weigeren waar dat moet. Het doel is een model dat kan én oordeelt. Dat het verschil maakt tussen een verzoek om hulp bij een sollicitatiebrief en een verzoek om hulp bij het schrijven van phishing-e-mails. Dat het antwoord geeft op medische vragen in algemene zin, maar waarschuwt dat het geen arts vervangt.

De technieken achter alignment overlappen met preference learning. Het verschil zit in het doel: bij preference learning gaat het primair om kwaliteit (welk antwoord is beter), bij alignment gaat het om grenzen (welk gedrag is verantwoord). In de praktijk lopen die doelen door elkaar, en worden ze met dezelfde methoden getraind.

Het spanningsveld

Alignment is geen schakelaar die je aan- of uitzet. Het is een continu spanningsveld. Te weinig alignment maakt een model onveilig: het volgt schadelijke instructies op zonder aarzeling. Te veel alignment maakt een model onbruikbaar: het weigert onschuldige vragen omdat het een risico ziet dat er niet is.

Wie ooit een AI-model heeft gevraagd naar een historisch conflict en als antwoord kreeg “Ik kan daarover geen informatie geven”, heeft dat spanningsveld aan den lijve ervaren. Het model weigerde niet omdat de vraag onverantwoord was, maar omdat de alignment-training het had geleerd om voorzichtig te zijn bij gevoelige onderwerpen, soms voorzichtiger dan nodig.

Modelbouwers werken voortdurend aan die balans. Elke nieuwe versie van een model is ook een nieuwe poging om het model behulpzamer te maken zonder het onveiliger te maken, en veiliger zonder het overdreven voorzichtig te maken. Alignment is geen opgelost probleem. Het is een doorlopend ontwerpproces.

→ Lees meer: Alignment

Het resultaat

Na posttraining is het product een AI-assistent: een model dat instructies opvolgt, in de juiste toon antwoordt, schadelijke verzoeken weigert en eerlijk is over wat het niet kan. Het verschil met het ruwe basismodel is fundamenteel, hoewel de onderliggende kennis dezelfde is.

Dat verklaart een fenomeen dat voor veel gebruikers raadselachtig is: waarom reageren Claude, ChatGPT en Gemini zo anders op dezelfde vraag, terwijl ze alle drie op vergelijkbare hoeveelheden trainingsdata zijn gebouwd? Het antwoord zit in posttraining. Elke modelbouwer maakt andere keuzes in hoe het model wordt afgesteld: welk gedrag wordt beloond, welke grenzen worden getrokken, hoeveel ruimte het model krijgt om te interpreteren. Die keuzes zijn net zo bepalend als de pretraining zelf.

Voorbeelden

Het verschil dat posttraining maakt, wordt concreet als je ziet hoe organisaties dagelijks met AI-assistenten werken.

Medische kliniek

Een ziekenhuis gebruikt een AI-model om artsen te ondersteunen bij het beantwoorden van patiëntvragen via een online portaal. Het model kan medische informatie helder uitleggen, past de toon aan op het kennisniveau van de patiënt en structureert het antwoord met een samenvatting bovenaan. Dat is het werk van fine-tuning: het model heeft geleerd hoe een behulpzaam, gestructureerd antwoord eruitziet. Tegelijkertijd voegt het model bij elke medische vraag een waarschuwing toe dat het antwoord geen vervanging is voor professioneel advies. En bij vragen over medicijndoseringen weigert het specifieke aanbevelingen te doen. Dat is het werk van alignment: het model heeft geleerd waar de grens ligt tussen informatief en onverantwoord.

B2B-dienstverlener

Een accountantskantoor laat medewerkers conceptrapporten opstellen met behulp van een AI-assistent. Het model volgt gedetailleerde instructies op: “Schrijf een samenvatting van drie alinea’s voor de directie, focus op de drie grootste afwijkingen, gebruik een formele toon.” De output volgt die instructie nauwkeurig. Maar het model doet meer dan gehoorzamen. Het kiest actief de meest relevante afwijkingen uit het bronmateriaal, structureert de samenvatting logisch en vermijdt absolute beweringen over feiten die het niet kan verifiëren. Die combinatie van instructieopvolging en oordeelsvorming is het resultaat van posttraining: fine-tuning voor het formaat, preference learning voor de kwaliteit.

Zelfstandig professional

Een freelance communicatieadviseur merkt het verschil tussen posttraining-aanpakken aan het gedrag van de modellen die ze dagelijks gebruikt. Het ene model schrijft graag mee aan controversiële posities als ze daarom vraagt, het andere weigert en biedt een genuanceerder alternatief aan. Het ene model geeft bij creatieve opdrachten een breed palet aan opties, het andere houdt zich nauwer aan de instructie. De adviseur ervaart die verschillen als “karakter” van het model. In werkelijkheid zijn het de keuzes die modelbouwers tijdens posttraining hebben gemaakt: hoeveel ruimte het model krijgt, waar de grenzen liggen, wat als behulpzaam geldt en wat als risicovol. Hetzelfde basismodel, anders opgeleid.

Veelgestelde vragen

Is posttraining hetzelfde als fine-tuning?

Fine-tuning is een onderdeel van posttraining, niet het geheel. Posttraining omvat alle trainingsstappen die na pretraining komen: supervised fine-tuning (het model leren instructies volgen), preference learning (het model leren welke antwoorden beter zijn) en alignment (het model afstemmen op veiligheid en verantwoord gedrag). Fine-tuning is de eerste stap. De termen worden in de praktijk vaak door elkaar gebruikt, wat begrijpelijk is maar niet correct. Een model dat alleen fine-tuning heeft ondergaan zonder alignment, is een model dat instructies opvolgt maar niet weigert en niet beoordeelt. Dat verschil is wezenlijk.

Waarom weigeren AI-modellen soms antwoord te geven?

Dat is het directe resultaat van alignment. Tijdens posttraining leert het model niet alleen hoe het moet antwoorden, maar ook wanneer het beter kan weigeren of waarschuwen. Het model heeft via preference learning en specifieke alignment-training geleerd dat sommige verzoeken risico’s met zich meebrengen: verzoeken om schadelijke informatie, verzoeken die de privacy van anderen schenden, of verzoeken waarbij het model niet betrouwbaar genoeg kan antwoorden. De grens is niet altijd precies goed afgesteld. Soms weigert een model onschuldige vragen omdat het patroon lijkt op een risicovolle vraag. Modelbouwers werken continu aan die balans. Het is een van de lastigste ontwerpbeslissingen in de hele keten.

Moet mijn organisatie een model zelf posttrainen?

In de meeste gevallen niet. Posttraining is het werk van modelbouwers: Anthropic, OpenAI, Google en anderen investeren maanden en miljoenen euro’s in het posttraining-proces van hun modellen. De resultaten daarvan zijn beschikbaar via de AI-assistenten die zij aanbieden. Wat organisaties wel regelmatig doen, is fine-tuning op een specifieke taak of een specifiek domein, bovenop een model dat al volledig is geposttraind. Dat is een andere schaal: tienduizenden domeinspecifieke voorbeelden in plaats van de brede posttraining die het model zijn basale gedrag geeft. De vraag voor een organisatie is niet “moeten wij posttrainen?” maar “levert fine-tuning op ons domein iets op dat prompting en context niet kunnen bieden?” In veel gevallen is het antwoord nee.

Hoeveel van wat een AI-model kan, komt uit pretraining en hoeveel uit posttraining?

De kennis komt vrijwel volledig uit pretraining. De taalpatronen, de feitenkennis, de redeneerstructuren, de kennis van code en van juridische of medische tekst, dat is allemaal vastgelegd tijdens de pretraining-fase. Posttraining voegt daar weinig inhoudelijke kennis aan toe. Wat posttraining toevoegt, is gedrag: het vermogen om instructies te herkennen en op te volgen, de vaardigheid om een gesprek te voeren, het oordeel om schadelijke verzoeken te weigeren en de stijl waarmee het model communiceert. Je zou het zo kunnen zien: pretraining bepaalt wat het model kan. Posttraining bepaalt hoe het model dat inzet.

Verder lezen

Wie wil begrijpen wanneer fine-tuning relevant is voor een organisatie en hoe het zich verhoudt tot prompting en RAG als manieren om AI-gedrag te sturen, leest verder bij Fine-tuning (cluster 2.3a).

Wie wil weten hoe modelbouwers bepalen wat een model wel en niet mag doen, hoe preference learning werkt en waarom alignment een doorlopend ontwerpproces is, vindt dat bij Alignment (cluster 2.3b).

Wie wil begrijpen hoe het basismodel wordt opgebouwd dat als grondstof voor posttraining dient, leest Pretraining: het fundament bouwen (cluster 2.2).

Wie wil begrijpen hoe dezelfde basistechnologie tot heel verschillende modellen leidt — van gesloten diensten tot vrij beschikbare downloads — vindt dat bij Open versus gesloten modellen (cluster 2.4).

Wie vandaag een AI-model wil inzetten, staat voor een keuze die verrassend veel lijkt op de keuze tussen huren en kopen. Bij het ene model gebruik je een dienst die iemand anders beheert. Bij het andere download je het model en draai je het zelf. Beide opties leveren een werkend AI-systeem op. Maar de gevolgen voor je organisatie zijn fundamenteel anders: in kosten, in controle, in wat je kunt aanpassen en in hoeveel je afhankelijk wordt van één leverancier. Die keuze verdient meer aandacht dan ze meestal krijgt, want ze raakt aan de kern van hoe een organisatie met AI omgaat.

Twee modellen, twee werelden

Achter elk AI-model dat je kunt gebruiken, zit een fundamentele keuze. Niet een keuze over technologie of kwaliteit, maar over toegang. En die keuze bepaalt meer dan de meeste organisaties beseffen.

Gesloten modellen

Een gesloten model is een AI-model dat alleen toegankelijk is via de dienst van de modelbouwer. De gebruiker stuurt een verzoek, het model verwerkt dat verzoek op de servers van de aanbieder, en het antwoord komt terug. Het model zelf is niet beschikbaar om te downloaden, te inspecteren of aan te passen. Claude van Anthropic, ChatGPT van OpenAI en Gemini van Google zijn gesloten modellen. De modelbouwer bepaalt hoe het model zich gedraagt, welke grenzen het hanteert en wanneer het wordt bijgewerkt. De gebruiker stuurt via een prompt of via een API (een gestandaardiseerde koppeling waarmee software met het model communiceert), maar verandert het model niet.

Dat levert een direct voordeel op: het werkt meteen. Geen eigen infrastructuur nodig, geen technische expertise om het model te draaien, en de aanbieder zorgt voor updates, veiligheid en schaal. De keerzijde is afhankelijkheid. De data van de gebruiker verlaten de organisatie, de kosten zijn variabel en stijgen met het gebruik, en de aanbieder kan het model aanpassen of de voorwaarden wijzigen zonder dat de gebruiker daar invloed op heeft.

→ Lees meer: Gesloten modellen

Wat “open” echt betekent

Tegenover gesloten modellen staan modellen waarvan de gewichten openbaar zijn. Dat klinkt als een technisch detail. Het is het niet. Het verschil tussen die twee bepaalt hoeveel controle een organisatie heeft over haar eigen AI-inzet, en daar zit meer verwarring over dan je zou verwachten.

Open-weight modellen

Een open-weight model is een AI-model waarvan de getrainde parameters (de gewichten) publiek beschikbaar zijn om te downloaden en te gebruiken. Een organisatie kan zo’n model draaien op eigen servers of bij een hostingpartner, het fine-tunen (verder trainen op eigen voorbeelden) en het aanpassen aan specifieke behoeften. Llama van Meta, Qwen van Alibaba, DeepSeek en Mistral zijn voorbeelden van open-weight modellen.

Het woord “open” is hier preciezer dan het op het eerste gezicht lijkt. Bij een open-weight model zijn de gewichten openbaar, maar de trainingsdata en de trainingscode meestal niet. De gebruiker krijgt het eindresultaat van het trainingsproces, niet het proces zelf. Vergelijk het met een recept en een gerecht: een open-weight model is het afgeleverde gerecht met de ingrediëntenlijst, maar zonder het volledige recept en zonder toegang tot de keuken waar het is bereid.

Open-weight versus open-source

In de AI-wereld worden “open-weight” en “open-source” regelmatig door elkaar gebruikt. Dat is onzorgvuldig, en het verschil doet ertoe.

Een echt open-source model deelt alles: de gewichten, de trainingsdata, de trainingscode en de volledige technische documentatie. Dat maakt het mogelijk om het model volledig te reproduceren, te inspecteren en van de grond af opnieuw te trainen. Voorbeelden als OLMo van het Allen Institute voldoen aan die standaard. De meeste modellen die als “open source” worden aangeduid, waaronder Llama en Mistral, zijn in werkelijkheid open-weight: de gewichten zijn beschikbaar, het complete trainingsproces niet.

Wij gebruiken in deze kennisbank consequent de term “open-weight model” omdat die preciezer beschrijft wat beschikbaar is. Wie wil weten hoeveel controle en inzicht een model werkelijk biedt, begint bij dat onderscheid.

→ Lees meer: Open-weight modellen

Zes strategische overwegingen

Welk type model past, hangt af van zes overwegingen. Wat goed scoort op de ene overweging, scoort soms slecht op een andere. Kosten drukken door een open-weight model te kiezen? Dan stijgt de complexiteit. Privacy waarborgen door alles intern te draaien? Dan heb je technische expertise nodig die er misschien niet is. Dat maakt het een echte afweging.

Kosten

Gesloten modellen rekenen meestal per gebruik: per verwerkte token (de kleinste eenheid waarmee een model tekst verwerkt) of per API-aanroep. Sommige aanbieders bieden ook een vast abonnement aan voor individuele gebruikers. Bij laag volume zijn de kosten in beide gevallen overzichtelijk. Bij hoog volume lopen ze op, soms aanzienlijk. Open-weight modellen vereisen een investering in infrastructuur: eigen servers of een hostingpartner. De vaste kosten zijn hoger, maar bij grote volumes kan de totale kostprijs per verzoek aanzienlijk lager uitvallen.

De kostenafweging verschuift naarmate het gebruik groeit. Een organisatie die dagelijks duizenden verzoeken verwerkt, komt op een punt waarop de variabele kosten van een gesloten model de vaste kosten van een eigen infrastructuur overtreffen. Dat omslagpunt verschilt per situatie, maar het bestaat.

Flexibiliteit

Een gesloten model biedt het model zoals de aanbieder het levert. De gebruiker kan het gedrag sturen via prompting, en sommige aanbieders bieden daarnaast de mogelijkheid om het model te fine-tunen via hun platform. Maar de fundamentele eigenschappen van het model liggen vast. Een open-weight model biedt meer ruimte: de gebruiker kan het fine-tunen op eigen data, de technische instellingen aanpassen en het model integreren in eigen systemen zonder afhankelijkheid van een externe API.

Die flexibiliteit heeft een keerzijde. Een open-weight model aanpassen vereist technische expertise die niet elke organisatie in huis heeft. De drempel is lager dan voorheen, maar hij is er nog steeds.

Privacy en datasoevereiniteit

Bij een gesloten model worden de data verwerkt op servers van de aanbieder. Dat betekent niet automatisch dat de aanbieder die data gebruikt voor eigen doeleinden. De meeste grote aanbieders garanderen via hun API- en enterprise-contracten dat data niet worden gebruikt voor verdere training, dat verwerking binnen de EU kan plaatsvinden en dat data na verwerking worden gewist. Voor veel organisaties zijn die garanties voldoende.

Maar er zijn situaties waarin ook contractuele garanties niet genoeg zijn. Sommige organisaties werken met data die onder geen beding naar een externe partij mogen worden gestuurd: patiëntgegevens, vertrouwelijke bedrijfsdata of juridisch beschermde documenten. In die gevallen biedt een open-weight model een uitweg: het draait op eigen infrastructuur, en de data verlaten de organisatie niet. Voor een ziekenhuis, een advocatenkantoor of een overheidsinstelling met strenge privacyvereisten kan dat het verschil maken tussen AI wel of niet kunnen inzetten.

Afhankelijkheid

Wie een gesloten model gebruikt, is afhankelijk van de aanbieder. De aanbieder bepaalt de prijsstelling, de beschikbaarheid, de prestatie-eigenschappen en de gebruiksvoorwaarden. Modellen worden regelmatig bijgewerkt, en die updates veranderen soms het gedrag op manieren die de gebruiker niet heeft gevraagd. Een model dat vorige maand optimaal werkte voor een specifieke taak, kan na een update net anders reageren.

Bij een open-weight model is die afhankelijkheid kleiner. Het model verandert niet tenzij de organisatie dat zelf initieert. Maar helemaal vrij van afhankelijkheid ben je ook dan niet. De afhankelijkheid verschuift: van de modelaanbieder naar de infrastructuurpartner, de hostingomgeving en het eigen technische team dat het model beheert.

Aanpasbaarheid

Gesloten modellen zijn beperkt aanpasbaar. Prompting stuurt het gedrag per sessie. Fine-tuning stuurt het gedrag structureler, maar niet elke aanbieder biedt die mogelijkheid, en ook dan blijft het binnen de kaders die de aanbieder stelt. De alignment-keuzes van de modelbouwer liggen vast. Hoe het model omgaat met gevoelige onderwerpen, waar het weigert, welke toon het hanteert: dat is bepaald door de aanbieder. Een organisatie die daar andere keuzes in wil maken, loopt tegen een muur.

Open-weight modellen bieden die ruimte wel. Een organisatie kan het model fine-tunen op eigen voorbeelden, de alignment bijsturen en het gedrag vormgeven naar eigen inzicht. Maar die vrijheid komt met een verantwoordelijkheid: wie de alignment van een model aanpast, is zelf verantwoordelijk voor de veiligheid en de kwaliteit van het resultaat.

Prestatie

Prestatie is lang het sterkste argument voor gesloten modellen geweest. De beste gesloten modellen presteerden structureel beter dan de beste open-weight modellen, op vrijwel alle taken. Dat beeld is aan het verschuiven. Voor de meeste praktische toepassingen, zoals tekst samenvatten, content genereren, code schrijven en data verwerken, is het verschil tussen de beste open-weight en gesloten modellen klein geworden. Op de moeilijkste taken, met name complexe redenering en werkstromen die meerdere stappen vereisen, houden gesloten modellen nog een voorsprong. Die voorsprong krimpt gestaag, maar hij is er nog.

Wat dat betekent voor de keuze: prestatie is steeds minder vaak het doorslaggevende argument. De andere vijf overwegingen wegen zwaarder dan voorheen. Meer over hoe je de prestaties van modellen vergelijkt, staat op Wat bepaalt de kwaliteit van een model? (cluster 2.5).

De praktijk is hybride

In de dagelijkse praktijk kiezen steeds meer organisaties niet voor het ene of het andere, maar voor een combinatie. Een gesloten model voor complexe taken waar de nieuwste prestaties nodig zijn. Een open-weight model voor taken met hoog volume, hoge privacyvereisten of de behoefte aan specifieke aanpassingen. Die hybride benadering zie je vooral bij middelgrote en grote organisaties die de technische capaciteit hebben om beide typen te beheren.

Dat is overigens niet uniek voor AI: organisaties kiezen zelden voor één leverancier of één technologie voor al hun behoeften. De vraag die ertoe doet is niet “gesloten of open?”, maar: welk type model past bij welke taak, welke data en welk risicoprofiel? Wie die vraag per toepassing beantwoordt in plaats van één keer voor de hele organisatie, komt tot betere keuzes.

Voorbeelden

Hoe die afweging er in de praktijk uitziet, verschilt per organisatie.

Medische kliniek

Een ziekenhuis gebruikt een gesloten AI-model voor de ondersteuning van artsen bij het formuleren van differentiaaldiagnoses. De directe inzetbaarheid is doorslaggevend: het model werkt binnen een dag, zonder eigen infrastructuur. Tegelijkertijd werkt het ziekenhuis aan een tweede inzet: een open-weight model dat draait op de eigen servers voor het verwerken van patiëntdossiers. De reden is privacy. Patiëntgegevens mogen het ziekenhuis niet verlaten, en het open-weight model maakt het mogelijk om AI in te zetten zonder die eis te schenden. Twee modellen, twee taken, twee afwegingen.

B2B-dienstverlener

Een accountantskantoor begon met een gesloten model voor het genereren van conceptrapporten. De kwaliteit was goed, de kosten bij vijftig rapporten per week overzichtelijk. Toen het gebruik steeg naar driehonderd rapporten per week, verdrievoudigden de kosten. Het kantoor liet een analyse maken en concludeerde dat een open-weight model, gehost bij een cloudpartner en gefinetuned op de eigen rapportagestandaarden, bij dit volume goedkoper was en bovendien consistenter in stijl. De overstap vergde een eenmalige investering in fine-tuning en hosting. De terugverdientijd was vier maanden.

Zelfstandig professional

Een freelance communicatieadviseur gebruikt uitsluitend gesloten modellen. Ze heeft geen technisch team, geen server, geen behoefte aan fine-tuning. De variabele kosten zijn bij haar volume laag, en de aanbieder zorgt voor updates en veiligheid. Voor haar is de keuze helder: het gesloten model levert wat ze nodig heeft zonder overhead. De strategische afweging gaat niet alleen over wat technisch kan, maar ook over wat past bij de schaal en de capaciteit van de organisatie.

Veelgestelde vragen

Is een gesloten model beter dan een open-weight model?

Dat hangt af van de taak. Lange tijd presteerden de beste gesloten modellen structureel beter dan de beste open-weight modellen, op vrijwel alles. Dat beeld is verschoven. Voor de meeste dagelijkse toepassingen, zoals samenvatten, schrijven, code genereren en data verwerken, is het verschil klein geworden. Op de moeilijkste taken, met name complexe redenering en werkstromen die meerdere stappen vereisen, houden gesloten modellen nog een duidelijke voorsprong. De vraag “welk model is beter?” is bovendien niet de juiste vraag. De relevante vraag is: welk type model past bij de taak, de privacyvereisten, het volume en de technische capaciteit van de organisatie? Een model dat uitstekend presteert maar niet aan de privacyvereisten voldoet, is geen optie. Een model dat goedkoper is maar technische expertise vereist die er niet is, evenmin.

Wat als de aanbieder van mijn gesloten model de voorwaarden wijzigt?

Dat is een reëel risico en een van de belangrijkste argumenten voor diversificatie. Aanbieders van gesloten modellen passen regelmatig hun prijsstelling, hun gebruiksvoorwaarden of het gedrag van hun modellen aan. Sommige updates verbeteren de prestaties. Andere veranderen het gedrag op manieren die bestaande toepassingen verstoren. Een organisatie die volledig afhankelijk is van één gesloten model, heeft geen uitwijkmogelijkheid als de voorwaarden veranderen. Wie dat risico wil beheersen, bouwt de architectuur zo dat een ander model kan worden ingezet zonder de hele keten opnieuw te ontwerpen. Dat is geen technisch detail maar een strategische keuze.

Kan mijn organisatie zelf een open-weight model draaien?

Technisch gezien ja, en de drempel daalt. Tools als Ollama maken het mogelijk om een open-weight model op een enkele krachtige computer te draaien voor testdoeleinden. Voor productie-inzet is meer nodig: serverinfrastructuur met voldoende rekenkracht, een team dat het model kan configureren en onderhouden, en een plan voor updates en monitoring. Steeds meer organisaties kiezen voor een tussenweg: het open-weight model draaien bij een gespecialiseerde hostingpartner die de infrastructuur beheert. Zo behoudt de organisatie de controle over het model en de data, zonder de volledige operationele last zelf te dragen.

Wat is het verschil tussen open-weight en open-source bij AI-modellen?

Het verschil zit in hoeveel van het trainingsproces openbaar is. Een open-weight model deelt de getrainde parameters: de gewichten die het model tijdens de training heeft vastgelegd. Dat maakt het mogelijk om het model te downloaden, te draaien en te fine-tunen. Maar de trainingsdata, de trainingscode en de volledige technische specificaties zijn meestal niet openbaar. Een echt open-source model deelt alles: gewichten, data, code en documentatie. Dat maakt het mogelijk om het model volledig te reproduceren en van de grond af opnieuw te trainen. De meeste modellen die in de media als “open source” worden aangeduid, zijn in werkelijkheid open-weight. Het verschil doet ertoe als je wilt weten hoeveel controle en transparantie je werkelijk krijgt.

Verder lezen

Wie wil begrijpen hoe gesloten modellen werken, wat ze bieden en waar de beperkingen zitten, leest verder bij Gesloten modellen (cluster 2.4a).

Wie wil weten wat een open-weight model is, wie ze maakt, hoe het prestatieverschil met gesloten modellen zich ontwikkelt en waar de licentievalkuilen zitten, vindt dat bij Open-weight modellen (cluster 2.4b).

Wie wil begrijpen waarom modellen van verschillende aanbieders zich anders gedragen op dezelfde vraag, en hoe posttraining dat gedrag vormt, leest Posttraining: van basismodel naar assistent (cluster 2.3).

Achter elk AI-systeem dat tekst schrijft, beelden herkent of code genereert, zit een mechanisme. Dat mechanisme is geen magie en geen mysterie. Het is een reeks technieken waarmee een systeem patronen leert herkennen in data. Wie dat mechanisme begrijpt, begrijpt ook waarom AI verrassend goed presteert bij bepaalde taken en verrassend slecht bij andere. En dat is precies het inzicht dat nodig is om goede beslissingen te nemen over AI in een organisatie.

Van regels naar patronen

Elk AI-systeem lost een probleem op. De vraag is hoe. De eerste generatie AI-systemen deed dat met regels die mensen hadden geschreven. Een programmeur analyseerde het probleem, bedacht de oplossing, en codeerde die stap voor stap. Als het bedrag hoger is dan duizend euro én de transactie in het buitenland plaatsvindt, markeer als verdacht. Als de patiënt koorts heeft én de bloedwaarden afwijken, overweeg diagnose X.

Dat werkte zolang het probleem overzichtelijk was. Maar de wereld zit vol situaties die te complex, te veranderlijk en te genuanceerd zijn om in regels te vangen. Fraudeurs veranderen hun gedrag. Ziektebeelden wijken af van het leerboek. Taal zit vol dubbelzinnigheid.

De oplossing was een fundamenteel andere aanpak. Schrijf geen regels meer. Lever voorbeelden aan. Laat het systeem zelf ontdekken welke patronen erin zitten. Geef een systeem honderdduizend e-mails waarvan bekend is welke spam zijn, en het vindt zelf de kenmerken die spam onderscheiden van gewone post. Geef het tienduizend röntgenfoto’s waarvan bekend is welke een afwijking tonen, en het leert zelf de visuele patronen die op een afwijking wijzen.

Die verschuiving van regels naar patronen heet machine learning. Het is de belangrijkste koerswijziging uit de AI-geschiedenis, en het fundament waarop alle moderne AI is gebouwd.

Hoe dat werkt

Machine learning is een verzameling technieken waarbij een systeem patronen leert herkennen in data, zonder dat die patronen vooraf door een mens zijn gespecificeerd. Het kernmechanisme is training: het systeem verwerkt herhaaldelijk voorbeelden, vergelijkt bij elk voorbeeld de eigen uitkomst met de werkelijke uitkomst, en stelt bij elke fout de interne instellingen bij. Na genoeg herhalingen liggen die instellingen zo dat het systeem nieuwe, onbekende gevallen met hoge nauwkeurigheid kan beoordelen.

Die interne instellingen heten parameters. Een modern AI-systeem heeft er miljarden. Elk getal in die miljarden is het resultaat van het trainingsproces: het vastleggen van patronen uit de voorbeelden in een vorm die het systeem later kan toepassen.

Het resultaat is een model. Een getraind model is een systeem dat nieuwe invoer kan beoordelen op basis van patronen die het tijdens training heeft vastgelegd. Een spamfilter dat nieuwe e-mails classificeert. Een systeem dat frauduleuze transacties signaleert. Een model dat voorspelt welke klanten waarschijnlijk opzeggen.

→ Lees meer: Wat is machine learning?

De sprong naar diepte

Machine learning werkte uitstekend voor problemen met gestructureerde data: tabellen, cijfers, categorieën. Maar voor het type invoer dat mensen instinctief verwerken, een foto herkennen, een gesproken zin verstaan, een tekst begrijpen, schoot de aanpak tekort.

Het probleem zat in een stap die van buitenaf onzichtbaar was. Bij klassieke machine learning moest een mens vooraf bepalen welke kenmerken het model als invoer kreeg. Bij een fraudemodel: het bedrag, het tijdstip, de locatie. Die selectie werkte bij tabellen. Maar bij een foto zijn de ruwe gegevens miljoenen pixels met kleurwaarden. Welke kenmerken selecteer je daar? Die vraag bleek onbeantwoordbaar met de beschikbare technieken.

Lagen van abstractie

Deep learning loste dat op met een elegant idee: stapel meerdere verwerkingslagen op elkaar en laat het systeem zelf ontdekken welke kenmerken ertoe doen.

De eerste laag herkent de meest basale structuren: randen, contrasten, kleurovergangen. De tweede laag combineert die tot vormen. De derde herkent onderdelen van objecten. Hogere lagen brengen het samen tot herkenning van complete objecten, gezichten of scènes. Elke laag bouwt voort op wat de vorige heeft gevonden. Elke laag herkent iets abstracter. Aan het einde staat een systeem dat niet naar pixels kijkt, maar naar betekenis.

Deep learning is een vorm van machine learning die gebruikmaakt van neurale netwerken met meerdere verwerkingslagen. De term “deep” verwijst naar de diepte van het netwerk: het aantal lagen. Hoe meer lagen, hoe complexer de patronen die het systeem kan herkennen. Die eigenschap maakte het mogelijk om beelden te herkennen, spraak te verwerken, tekst te genereren, en uiteindelijk de AI-systemen te bouwen die vandaag taal produceren op het niveau van Claude, ChatGPT en Gemini.

→ Lees meer: Wat is deep learning?

Hoe ze samenhangen

De verhouding tussen machine learning en deep learning is die van een vakgebied en zijn krachtigste instrument. Machine learning is het brede veld: alle technieken waarbij een systeem patronen leert uit data. Deep learning is een specifieke aanpak daarbinnen, die neurale netwerken met meerdere lagen gebruikt.

Alle deep learning is machine learning. Niet alle machine learning is deep learning. Voor gestructureerde data, tabellen met cijfers en categorieën, werken klassieke machine-learning-technieken vaak even goed of beter dan deep learning, en zijn ze sneller en transparanter. Deep learning is het gereedschap dat machine learning de kracht gaf om met ongestructureerde data te werken: tekst, beeld, geluid en video.

Elk modern AI-systeem dat taal verwerkt of beelden genereert, is een deep-learning-model. De architectuur is veranderd (de transformer, geïntroduceerd in 2017, heeft eerdere ontwerpen grotendeels vervangen), maar het onderliggende principe is hetzelfde gebleven: patronen herkennen via meerdere lagen in een neuraal netwerk.

Voorbeelden

Het verschil tussen machine learning en deep learning wordt het duidelijkst als je ze naast elkaar ziet werken in dezelfde organisatie.

Medische kliniek

Een ziekenhuis gebruikt twee typen AI-systemen naast elkaar. Het eerste is een machine-learning-model dat op basis van patiëntgegevens voorspelt welke patiënten na ontslag waarschijnlijk binnen dertig dagen opnieuw worden opgenomen. Het model werkt met gestructureerde data: leeftijd, diagnose, medicatie, opnameduur, laboratoriumwaarden. Een datawetenschapper heeft bepaald welke van die kenmerken als invoer dienen. Het tweede systeem is een deep-learning-model dat afwijkingen signaleert op röntgenfoto’s. Dat model werkt rechtstreeks op de beelden zelf, zonder dat een mens vooraf heeft bepaald welke visuele kenmerken relevant zijn. Het verschil illustreert precies waar de grens tussen machine learning en deep learning ligt: gestructureerde data met menselijk geselecteerde kenmerken versus ongestructureerde data waarbij het model zelf de kenmerken ontdekt.

B2B-dienstverlener

Een accountantskantoor zet machine learning in om te voorspellen welke klanten risico lopen op betalingsproblemen. Het model analyseert betalingshistorie, omzetfluctuaties en sectortrends. De kenmerken zijn door de data-afdeling gedefinieerd. Hetzelfde kantoor gebruikt een deep-learning-model om relevante passages te identificeren in honderden pagina’s jaarverslagen. Dat model verwerkt de tekst direct, laag voor laag, zonder dat iemand vooraf heeft vastgelegd welke woorden of zinstructuren relevant zijn. Beide systemen leren van data. Het verschil zit in wie de kenmerken selecteert: de mens of het model.

Zelfstandig professional

Een freelance vertaler merkt het verschil tussen machine learning en deep learning aan het resultaat. De spamfilter in haar e-mail is klassieke machine learning: effectief, snel, en gebaseerd op kenmerken die ooit door een engineer zijn geselecteerd. De vertaaltool die ze dagelijks gebruikt, is deep learning: een neuraal netwerk met een groot aantal lagen dat de betekenis en structuur van hele zinnen verwerkt. De spamfilter herkent patronen in gestructureerde kenmerken. De vertaaltool herkent patronen in de taal zelf.

Veelgestelde vragen

Wat is het verschil tussen machine learning en deep learning?

Machine learning is het brede vakgebied van technieken waarbij systemen patronen leren herkennen in data. Deep learning is een specifieke aanpak daarbinnen die neurale netwerken met meerdere verwerkingslagen gebruikt. Het kernverschil zit in de kenmerkselectie. Bij klassieke machine learning bepaalt een mens welke kenmerken het model als invoer krijgt: welke kolommen uit een tabel, welke variabelen uit een dataset. Bij deep learning ontdekt het model zelf welke kenmerken ertoe doen, door ze laag voor laag uit de ruwe data te destilleren. Die eigenschap maakt deep learning geschikt voor taken waar klassieke machine learning vastliep: beeldherkenning, spraakverwerking en taalverwerking. Voor gestructureerde data zoals tabellen en cijfers presteren klassieke methoden vaak even goed of beter, en bieden ze het voordeel dat de uitkomst transparanter te traceren is.

Zijn machine learning en AI hetzelfde?

Niet helemaal. AI is de brede verzameling technieken die taken uitvoeren waarvoor normaal menselijke intelligentie nodig is. Machine learning is daar het belangrijkste onderdeel van, maar niet het enige. De eerste generatie AI-systemen werkte met regels die mensen hadden geschreven, zonder iets te leren uit data. Die systemen vallen wel onder AI maar niet onder machine learning. In de praktijk is het onderscheid steeds minder scherp, omdat vrijwel alle moderne AI-systemen op machine learning zijn gebaseerd. Wie vandaag “AI” zegt, bedoelt in de meeste gevallen een systeem dat patronen heeft geleerd uit data.

Wordt deep learning nog steeds gebruikt, of is dat vervangen door iets nieuwers?

Deep learning is niet vervangen. Het is het fundament van alle moderne AI. Elk taalmodel, elk systeem dat beelden genereert, elk spraakherkenningssysteem is een deep-learning-model. Wat wel veranderd is, is de architectuur: de transformer, geïntroduceerd in 2017, heeft eerdere netwerkontwerpen grotendeels vervangen. Maar het principe onder de motorkap is hetzelfde gebleven: patronen herkennen en genereren via meerdere lagen in een neuraal netwerk, getraind op grote hoeveelheden data. Deep learning is geen afgesloten hoofdstuk. Het is de technologie waar de huidige generatie AI op draait.

Moet ik als koersbepaler weten hoe machine learning en deep learning technisch werken?

Het basisprincipe begrijpen, patronen leren uit data via training, levert drie concrete voordelen op. Ten eerste: inschatten bij welke taken AI waarschijnlijk goed zal presteren (taken met veel beschikbare data en herkenbare patronen) en bij welke niet (taken in unieke situaties zonder historische voorbeelden). Ten tweede: begrijpen waarom datakwaliteit zo vaak wordt genoemd als voorwaarde voor succes met AI. De patronen die een model leert, zijn zo goed als de data waaruit het leert. Ten derde: betere vragen stellen aan leveranciers en interne teams. De vraag verschuift van “kan AI dit?” naar “hebben we de data en de patronen die dit model nodig heeft?”

Verder lezen

Wie wil begrijpen hoe het trainingsmechanisme van machine learning precies werkt, welke soorten machine learning er zijn en waarom data zo bepalend is, leest verder bij Wat is machine learning?

Wie wil weten hoe neurale netwerken werken, waarom lagen van abstractie zo krachtig zijn en wat schaal betekent voor de kwaliteit van een model, vindt dat bij Wat is deep learning?

Wie wil zien hoe machine learning en deep learning historisch zijn ontstaan, leest Machine learning: van regels naar patronen en Deep learning: de doorbraak die alles veranderde bij cluster 1.2.