Waarom is dit belangrijk?
Een algemeen model is getraind op brede teksten en past daardoor vaak slecht bij de taal en afspraken van één vak. In de zorg helpt tuning bij de voorbereiding van consulten, bij ondersteuning van diagnoses en bij keuzes over behandeling. Zorgverleners en patiënten krijgen zo antwoorden die beter bij de medische situatie passen, maar uitkomsten kunnen onjuist zijn en patiëntgegevens vragen om privacybescherming.
Zo werkt het in de praktijk
In de publieke sector stellen onderzoekers een model bij voor Canadese beleidsnotities en laten mensen de tekst beoordelen. In het bedrijfsleven levert OpenAI ChatGPT als getunede versie van een GPT-model. Microsoft Azure en Google Cloud bieden een dienst om een model te tunen.
In de sociale wetenschappen vragen onderzoekers of tuning een meettaak verbetert. In een handleiding met de Fudan-universiteit trainen onderzoekers BERT bij, bijvoorbeeld om persoonlijkheid in taal te herkennen. Zij zetten de uitkomst naast oudere rekenmethoden.
Tuning hoort bij MLOps, een werkwijze om modellen betrouwbaar in gebruik te nemen en te onderhouden. De Plechanov-universiteit voor economie onderzoekt tuning voor MLOps en DevOps (beheer van software), met LoRA. Bij LoRA verandert alleen een klein extra deel van het model.




