Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Fine-tuning

Engels: Fine-Tuning · Ook wel: finetuning

In het kort

Fine-tuning is een methode in machine learning die een vooraf getraind model aanpast aan één specifieke taak. Het model traint verder op een kleinere, taakgerichte dataset en met een lagere leersnelheid, zodat de brede kennis uit de eerste training blijft. Een klantenservice gebruikt zo een algemeen taalmodel (de techniek achter chatbots) dat antwoorden schrijft in de termen en de toon van het bedrijf.

Waarom is dit belangrijk?

Een bestaand model kan zo gerichte antwoorden geven over een vakgebied, zonder dat iemand het vanaf nul opnieuw hoeft te trainen. In de zorg wordt fine-tuning gebruikt om dossiers samen te vatten en voorstellen te doen voor diagnose en behandeling. Patiënten en zorgverleners krijgen daardoor sneller een eerste toelichting, maar antwoorden kunnen fouten of vooroordelen bevatten en patiëntgegevens vragen om bescherming.

Zo werkt het in de praktijk

TNO beschrijft fine-tuning voor overheidstaken, zoals juridische teksten en brieven aan burgers. OpenAI en Microsoft Azure bieden bedrijven een dienst die een taalmodel verder traint op eigen gegevens.

TNO onderzoekt voor het ministerie van Binnenlandse Zaken of de licentie en de rekenkracht fine-tuning toelaten. Stanford ontwikkelt representation fine-tuning, waarbij onderzoekers een klein deel van de interne weergaven bijsturen.

ISO/IEC 5338 beschrijft de levenscyclus van AI-systemen en opnieuw trainen bij nieuwe data. Die norm sluit aan op ISO/IEC 42001, een managementsysteem voor AI. De AI-verordening benoemt modellen met open broncode apart, en TNO koppelt open gewichten aan fine-tuning.

Gecontroleerd op 23 oktober 2026