Wat is Trainingsdata?

Trainingsdata zijn de voorbeelden waarmee een AI-systeem leert. Het kunnen teksten, foto’s, geluid, cijfers of video’s zijn. Net zoals een leerling leert van oefenopgaven, leert een AI-model van trainingsdata. Wat je erin stopt, bepaalt voor een groot deel wat je eruit krijgt.

Hoe werkt het?

Tijdens de training bekijkt het model enorm veel voorbeelden. Het zoekt naar patronen en past zijn interne instellingen aan. Daardoor wordt het steeds beter in zijn taak. Na de training gebruikt het model die patronen om nieuwe situaties te beoordelen.

De kwaliteit van de data is erg belangrijk. Goede trainingsdata zijn:

• Voldoende: er zijn genoeg voorbeelden.
• Representatief: ze laten alle soorten situaties en groepen zien.
• Juist: de gegevens en labels kloppen. Een label is de aanduiding van wat iets is, zoals kat of hond.
• Rechtmatig: de data mogen gebruikt worden, ook qua privacy en auteursrecht.

Een voorbeeld uit de praktijk

Een ziekenhuis wil een AI-systeem laten helpen bij het bekijken van röntgenfoto’s. Het systeem leert van duizenden foto’s die door artsen zijn beoordeeld. Als de foto’s vooral van één groep patiënten komen, werkt het systeem bij andere groepen mogelijk slechter. De samenstelling van de trainingsdata is dus cruciaal.

Waarom is dit belangrijk voor jou?

Je gebruikt dagelijks AI die op trainingsdata is gebouwd. Daarom is het goed om te weten wat dat betekent. Let op deze punten:

• Vooroordelen in de data komen terug in de uitkomsten. Dit heet bias.
• Een model kent niets van na zijn training, tenzij het nieuwe informatie krijgt.
• Er spelen vragen over privacy en auteursrecht als data zonder toestemming worden gebruikt.
• Lees bij een app of je gegevens ook gebruikt worden om AI te trainen.

Goede data zijn de basis van betrouwbare AI.