Terug naar begrippenlijst
Parameter
In de wereld van kunstmatige intelligentie is een parameter een variabele die het gedrag van een AI-model bepaalt. Denk aan een soort interne regel of gewicht die het model helpt beslissen: “Wat moet ik met deze input doen?” Elke parameter speelt een minirol in het grotere geheel – samen vormen ze het brein van het model. Bij taalmodellen (zoals ChatGPT) zijn er miljarden van deze parameters actief. Ze bepalen hoe een zin wordt aangevuld, wat een woord waarschijnlijk betekent in een bepaalde context, en hoe een model ‘weet’ wat logisch klinkt. Meer parameters betekent niet automatisch slimmer, maar wel: meer nuance, meer leervermogen en meer rekenkracht.
Inhoudsopgave
De onzichtbare draaiknoppen van AI
Je kunt een AI-model zien als een gigantisch mengpaneel, met miljoenen (of zelfs miljarden) schuifjes. Elke parameter is zo’n schuifje, afgestemd tijdens de training op basis van data. De ene parameter leert iets over zinsbouw, de andere over stijl, de volgende over betekenis.
Tijdens de training worden al die parameters telkens bijgesteld. Een beetje omhoog, een beetje omlaag – net zolang tot het model niet alleen ‘iets’ doet, maar ook het juiste. Wat je uiteindelijk ziet (zoals een slimme tekst of antwoord), is dus het resultaat van al die afgestelde waarden die onder de motorkap meedraaien.
Hoe kleine aanpassingen groot denken mogelijk maken
Parameters zijn niet zomaar technische details, maar wat een AI-model z’n intelligentie geeft. Een klein model met weinig parameters kan prima simpele taken aan, maar bij complexere vragen of creatieve output zie je vaak het verschil.
De sprongen in kwaliteit tussen AI-generaties (zoals van GPT-2 naar GPT-4) zijn grotendeels te danken aan meer en beter getrainde parameters. Ze zorgen ervoor dat het model meer nuance snapt, context beter begrijpt en flexibel kan schakelen tussen onderwerpen, stijlen of talen.
Kilo’s aan data, of finesse?
Het gaat niet alleen om kwantiteit, maar ook om hoe parameters zijn getraind, hoe efficiënt ze samenwerken, en hoeveel data er beschikbaar was om van te leren. Soms leveren slimmere architectuur of betere trainingsstrategieën meer op dan simpelweg meer parameters toevoegen. Er is dus een verschil tussen een grote AI en een goede AI, en parameters zijn slechts één onderdeel van die vergelijking.
Veelgestelde vragen
Een parameter wordt tijdens de training van het AI-model automatisch geleerd. Een hyperparameter stel je juist van tevoren in, zoals het aantal lagen in een neuraal netwerk of de leersnelheid.
Dat verschilt per versie. GPT-3 had 175 miljard parameters. Nieuwere AI-modellen zoals GPT-4 hebben er nog veel meer, al is het exacte aantal niet officieel bevestigd.
Niet helemaal. Een neuraal netwerk bestaat uit lagen met ‘neuronen’, en die neuronen hebben verbindingen met elkaar. Die verbindingen krijgen gewichten mee – en dát zijn de parameters.
Niet altijd. Meer parameters kunnen meer nuance bieden, maar efficiëntie, trainingsdata en modelarchitectuur spelen ook een grote rol in hoe goed (of nuttig) een model daadwerkelijk is.
Bo Pennings AI specialist
Gerelateerde begrippen
- AI-algoritmes
- AI-gegenereerde websites
- AI-model
- Augmented Intelligence
- Autonome AI
- Binary Search Tree (BST)
- Chatbot
- Classificatie
- Claude
- Conversational AI
- DALL·E
- Deep Learning
- Deepfake
- DeepMind
- Edge AI
- Ethische AI
- Gemini
- Generatieve AI
- Generative Adversarial Network (GAN)
- Generative Pre-trained Transformer (GPT)
- Generator
- Hallucinatie
- Learning curve
- Low-code AI
