Foundation Model

Een foundation model is een groot machine-learningmodel dat is getraind op brede data en kan worden aangepast aan veel downstream-taken in plaats van te zijn gebouwd voor één smal probleem. In de industrie dienen foundation models die zijn getraind op tekst-, sensor- of beelddata als een herbruikbare basis voor onderhouds-, beeld- en procestoepassingen.

Traditionele industriële modellen worden vanaf nul getraind voor één enkele taak: één model per pomptype, één classificator per defect. Een foundation model wordt in plaats daarvan vooraf getraind op een zeer grote, algemene dataset en vervolgens verfijnd of via prompts ingezet voor specifieke toepassingen, waardoor de zware trainingskosten over veel toepassingen worden gespreid.

De bekendste voorbeelden zijn grote taalmodellen voor tekst, maar dezelfde aanpak verspreidt zich naar tijdreeks-sensordata en machinaal zien, waar één vooraf getraind model met relatief weinig taakspecifieke data kan worden aangepast aan nieuwe assets of productlijnen.

Voor industriële teams ligt de aantrekkingskracht in hergebruik en snellere uitrol: minder gelabelde data en engineeringinspanning per nieuwe toepassing. De afwegingen zijn de modelgrootte, de rekenkosten en de noodzaak om te valideren dat een algemeen model correct werkt op de specifieke apparatuur en omstandigheden van een installatie.

Gerelateerde begrippen

Large Language Model (LLM) · Generative AI · Machine Learning (Industrial) · Neural Network