Waarom is dit belangrijk?
Met een transformer kunnen computers uit lange documenten, medische beelden en lichaamssignalen samenvattingen en voorspellingen afleiden. In ziekenhuizen ondersteunt die aanpak het schrijven van verslagen, het voorbereiden van een diagnose en het beoordelen van scans. Voor patiënten en zorgverleners betekent dit sneller een concepttekst of beeldbeoordeling, terwijl fouten en een ongelijke behandeling mogelijk blijven als het model moeilijk uit te leggen is.
Zo werkt het in de praktijk
Bij Google gebruiken onderzoekers een transformer om Engels naar Duits en Frans te vertalen. In de beeldsector knipt een transformer een foto in vlakken voor beeldherkenning. Een groot model van dit type maakt weers- en klimaatverwachtingen en draaide op de supercomputer Frontier.
Onderzoekers bij Google vergeleken de transformer met oudere netwerken voor vertalingen tussen Engels, Duits en Frans. Met weinig aanpassing ontleedde hetzelfde netwerk ook de opbouw van een zin.
Ontwikkelaars trainen een transformer meestal eerst op een grote algemene verzameling, zonder kant-en-klare antwoorden. Daarna stellen zij het model bij op een kleine set voor één taak. Die stappen heten voortrainen en bijstellen.




