Een foundation model is een groot AI-model dat op een brede waaier aan data is getraind, zodat het als basis voor veel verschillende taken hergebruikt kan worden. In plaats van een apart model te bouwen voor vertalen, een ander voor samenvatten en weer een ander voor vragen beantwoorden, begin je met één capabel model en richt je het op elke klus.
Zie het als een net afgestudeerde allrounder. Die heeft ontzettend veel gelezen en kan de meeste dingen oppakken, maar is nog niet gespecialiseerd in jouw bedrijf. Een large language model is het bekendste voorbeeld, en zo goed als alles in de huidige golf van generatieve AI is erop gebouwd. Je vormt het naar je behoeften met goede prompts of, als het nodig is, met fine-tuning op een paar honderd eigen voorbeelden.
De term komt van Stanford-onderzoekers in 2021, die de verschuiving wilden vatten weg van een vers model per taak. De naam zegt het al: een basislaag waar al het andere op rust. Verwissel die basis en elk product erbovenop verandert in één klap. Dat is meteen de kracht en het risico.
De economie telt mee. Een foundation model vanaf nul trainen is het werk van grote labs met enorme budgetten, dus de slimme zet voor een bedrijf is een bestaand model aanpassen in plaats van je eigen bouwen. De kwaliteit van de trainingsdata erachter legt bovendien een plafond waar je met prompten niet bovenuit komt, dus het model dat je kiest telt zwaarder dan de meeste teams verwachten.
Bij TopDevs bouwen we voort op bewezen foundation models en passen we ze per klant aan, wat serieuze AI-kracht in hun product brengt zonder de kosten van vanaf nul trainen.
