Waarom is dit belangrijk?
Met een aangepast AI-model volgen rapportages de afspraken en codes van één instelling, in plaats van alleen algemene antwoorden. In de zorg gebruiken instellingen dit bij medische verslaglegging, zodat de tekst de stijl van die instelling volgt. Voor zorgverleners betekent dit hulp bij dagelijkse administratie, maar patiëntgegevens vragen bescherming en een fout in de gegevens kan een verkeerd verslag opleveren.
Zo werkt het in de praktijk
Bij telecombedrijf Amdocs krijgt een aangepast AI-model extra training op telecomgegevens. Alleen een kleine extra laag, LoRA, wordt bijgesteld, en de rest van het basismodel blijft vast. Het bedrijf test daarna de taak en kijkt of algemene kennis gelijk blijft.
Onderzoekers aan Stanford University werken aan fijnafstemming van voorstellingen. Zij houden het basismodel bevroren en sturen een klein deel van de interne voorstellingen bij. Zo richten zij het model op een nieuwe taak, zonder alle gewichten te trainen.
Deze aanpassing hoort bij LLMOps, een werkwijze voor de levensloop van een taalmodel. Teams bereiden gegevens voor, trainen bij, plaatsen het model en volgen het daarna. Bij Amdocs doet een automatische keten dat, en een logboek bewaart elk experiment.




