Een vision-model is een AI-systeem dat afbeeldingen en video begrijpt zoals een taalmodel tekst begrijpt. Laat het een foto zien en het kan de scène beschrijven, tekst erin lezen, objecten tellen of een gewone vraag beantwoorden over wat er staat.
Een simpele manier om het je voor te stellen: geef een slimme assistent een foto van je koelkast en vraag ‘wat kan ik vanavond koken’. Een vision-model ziet de eieren, de kaas en de halve paprika en redeneert daar in woorden over. Die combinatie van zien en uitleggen onderscheidt de modellen van nu van oudere beeldherkenning die alleen een label als ‘kat’ teruggaf. Veel vision-modellen zijn nu multimodaal, wat betekent dat ze tekst en beeld samen in één gesprek aannemen en op beide reageren.
Dat verschil is groter dan het klinkt. Oude systemen beantwoordden een vast menu aan vragen, meestal alleen ‘welk van deze 1.000 labels past’. Een modern vision-model beantwoordt vragen waar het nooit specifiek op getraind is, omdat je het gewoon in normale taal vraagt. Laat het een parkeerbord zien en het leest de tijden. Laat het een grafiek zien en het haalt de trend eruit. Laat het een beschadigd pakket zien en het beschrijft de deuk. Eén model, geen hertraining, telkens een nieuwe prompt.
De nauwkeurigheid hangt nog steeds af van de afbeelding. Goede belichting, een duidelijk onderwerp en een bekend soort content geven betrouwbare resultaten, terwijl wazige, rommelige of ongebruikelijke beelden ze vaker laten struikelen. En het model kan met overtuiging fout zitten, dus voor iets dat telt laat je een mens de output controleren voordat die een beslissing stuurt.
Bij TopDevs koppelen we vision-modellen aan workflows van klanten om automatisch data van documenten, foto’s en screenshots te halen. Zo vervangen we de trage handmatige leesstap die vroeger midden in een proces zat.
