Przejdź do treści
promptowy.com / AI-begrippenlijst / Parameters in AI (modelparameters)
Basis

Parameters in AI (modelparameters)

Parameters zijn de interne getallen in een AI-model die tijdens de training worden aangepast om patronen te herkennen en voorspellingen te doen.

Parameters in artificiële intelligentie zijn de interne rekenwaardes waarmee een taalmodel of neuraal netwerk beslissingen neemt. Je kunt ze het beste zien als miljarden microscopisch kleine draaiknoppen in de software. Tijdens het leerproces zoekt het systeem net zo lang naar de juiste stand van al die knoppen, totdat het foutloos patronen in tekst, beeld of geluid herkent en passende antwoorden genereert.

De omvang en capaciteit van een modern AI-model worden vrijwel altijd uitgedrukt in het aantal parameters. De veelgebruikte letter B achter een getal verwijst naar het Engelse billion, wat in het Nederlands neerkomt op miljard. Een model met zeven miljard parameters bezit dus zeven miljard afzonderlijke variabelen die tijdens de interactie samen bepalen welk woord of getal logischerwijs volgt.

Hoe virtuele draaiknoppen werken tijdens de training

Bij de start van een trainingsfase staan alle parameters min of meer willekeurig ingesteld. Het netwerk produceert dan louter wartaal of onsamenhangende pixels. Zodra het model miljoenen zinnen en voorbeelden te zien krijgt, berekent een leeralgoritme voortdurend het verschil tussen het gewenste resultaat en de daadwerkelijke uitkomst.

Vervolgens past het systeem de parameters met minieme stapjes aan: dit heet optimalisatie. Sommige verbindingen worden zwaarder gewogen, terwijl andere connecties worden afgezwakt. Na talloze herhalingen ontstaat een evenwichtige configuratie waarin de grammaticaregels van het Nederlands, logische redeneringen en vakkennis compact liggen opgeslagen in die getallenreeks.

Praktijkvoorbeeld: een klantenservice in Gent of Utrecht

Stel dat een middelgroot fietsenbedrijf met vestigingen in Gent, Antwerpen en Utrecht een virtuele assistent wil inzetten om vragen over herstellingen, levertijden en garantie te beantwoorden. De technische leiding kan dan kiezen tussen twee uitersten:

  • Een gigantisch model met honderden miljarden parameters: Dit model bezit brede wereldkennis en kan gedichten schrijven, maar vergt dure serverinfrastructuur, reageert merkbaar trager en slurpt onnodig veel stroom voor een simpele vraag over een lekke band.
  • Een compact model met enkele miljarden parameters: Dit model is specifiek getraind op Nederlandstalige servicedialogen en bedrijfsinformatie. Het draait soepel op een bescheiden kantoorcomputer, werkt razendsnel en houdt alle klantgegevens veilig binnen de eigen muren.

Voor deze ondernemer levert de compacte optie een veel betere prijs-kwaliteitverhouding op. Een gigantisch model inzetten voor routinematige klantvragen is vergelijkbaar met een verhuiswagen huren om een enkel broodje naar een klant in de binnenstad te brengen.

Waarom meer parameters niet altijd superieur is

In de begindagen van moderne taalmodellen gold de vuistregel: hoe groter het aantal parameters, hoe slimmer het systeem. Tegenwoordig ligt dat genuanceerder. Het toevoegen van parameters brengt namelijk duidelijke nadelen met zich mee:

  1. Hogere responstijd: Een netwerk met honderden miljarden knoppen moet bij ieder gegenereerd woord enorme rekenformules doorlopen, wat de wachttijd voor gebruikers verlengt.
  2. Zware hardware-eisen: De miljarden getallen moeten continu in het werkgeheugen (VRAM) van videokaarten passen. Modellen van gigantisch formaat vereisen gespecialiseerde datacenters.
  3. Energie- en milieukosten: Het draaien van zware architecturen kost aanzienlijk meer elektriciteit per interactie.

Daarom investeren onderzoekers tegenwoordig massaal in slimmere trainingsmethoden. Een compact model dat getraind is met hoogwaardige, gefilterde data presteert in de praktijk dikwijls beter dan een log model dat met ruwe data van het hele internet is gevoed.

Een veelgemaakte denkfout

Een hardnekkig misverstand is dat parameters te vergelijken zijn met menselijke hersencellen of een database vol feiten. Men denkt dan dat een model met meer parameters automatisch meer actuele kennis bezit. Parameters slaan echter geen kant-en-klare documenten op; ze coderen uitsluitend statistische verbanden en redeneerstructuren. Zonder goede instructies kan zelfs het grootste model vol overtuiging foutieve informatie hallucineren.

Veelgestelde vragen

Wat betekent de aanduiding 7B of 70B bij een AI-model?

De letter B staat voor het Engelse billion, oftewel miljard in het Nederlands. Een aanduiding van 7B betekent dat het model over zeven miljard parameters beschikt, terwijl 70B staat voor zeventig miljard parameters.

Kan een model met minder parameters beter zijn dan een groter model?

Jazeker. De kwaliteit van de trainingsdata, gerichte afstemming op een specifiek vakgebied en slimme software-architectuur spelen een doorslaggevende rol. Een klein, gespecialiseerd model verslaat op specifieke taken geregeld een ongetrainde gigant.

Waarom moet je op het aantal parameters letten bij lokale installaties?

Parameters bepalen direct hoeveel werkgeheugen (VRAM van de grafische kaart) een computer nodig heeft. Een model met te veel parameters past simpelweg niet in het geheugen van een normale laptop of kantoorcomputer, waardoor het niet kan opstarten.

← Alle termen in de AI-begrippenlijst

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›