Naar inhoud
BetaAI Begrippen

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

Finetuning

Engels: Finetuning · Ook wel: fine-tuning

In het kort

Finetuning (verfijning) is extra training van een al getraind model met nieuwe gegevens. Het model leert zo een taak, een vakgebied of een stijl, en dat kost meestal minder rekenkracht dan een vergelijkbaar model vanaf het begin trainen. Een helpdesk kan een chatbot zo verder trainen op eigen klantvragen, maar moet oppassen dat andere vaardigheden van het model niet verzwakken.

Waarom is dit belangrijk?

Algemene modellen sluiten vaak slecht aan op specialistische taal en vaste werkwijzen, en finetuning maakt een betere aansluiting op dat werk mogelijk. In de zorg wordt finetuning ingezet voor praktische taken rond consultvoorbereiding, diagnose, behandeling, verslaglegging en medisch onderwijs. Werknemers en studenten in opleiding krijgen daardoor gerichtere ondersteuning, maar de antwoorden kunnen ook in de medische praktijk nog onnauwkeurig blijven.

Zo werkt het in de praktijk

Finetuning wordt toegepast bij softwarebedrijven en bij publieke organisaties. OpenAI, Microsoft Azure en Google Cloud laten gebruikers sommige taalmodellen verder trainen op een eigen taak. TNO, SURF en het Nederlands Forensisch Instituut verfijnen GPT-NL met instructies voor samenvatten en vereenvoudigen.

Onderzoekers aan de Stanford University testen finetuning van de interne weergave in een taalmodel. Zij wijzigen een klein deel daarvan, terwijl het basismodel ongewijzigd blijft. Het gedrag verschuift zo naar een nieuwe taak.

TNO plaatst finetuning na de eerste training in de levenscyclus van een taalmodel. Bij begeleid finetunen leert het model van een vraag met een gewenst antwoord. Bij leren van menselijke feedback vergelijken mensen antwoorden en past het model zich aan.

Gecontroleerd op 23 oktober 2026