Transfer learning is een techniek waarbij een AI-model dat al is getraind op een grote dataset wordt hergebruikt en aangepast voor een ander, kleinere taak. Het voorkómt dat je helemaal opnieuw moet trainen — wat veel tijd en rekenkracht zou kosten — en je profiteert van de kennis die het model al heeft opgebouwd.
Dit werkt omdat veel van de patronen die een model leert op een grote dataset (zoals het herkennen van patronen in afbeeldingen of taalstructuren) universeel bruikbaar zijn. Je kunt dus een model dat op miljoenen afbeeldingen is getraind nemen en het aanpassen voor een niche-taak, zoals het herkennen van ziektes in medische scannen.
Transfer learning is een van de redenen dat AI-modellen zo snel zijn gegroeid: in plaats van elke toepassing helemaal opnieuw te trainen, bouwen we voort op bestaande, goed presterende modellen.