Svět umělé inteligence je v pohybu. Téměř každý týden se objevují nové modely, nové metody a především nové možnosti - a přesto zůstává jedno poznání neměnné: ne každá technická inovace automaticky vede k lepšímu každodennímu životu. Mnoho věcí zůstává experimentálních, složitých nebo jednoduše příliš nákladných pro produktivní využití. Zvláště patrné je to u tzv. jemného ladění velkých jazykových modelů - metody specializace generativní umělé inteligence na vlastní obsah, termíny a tóniny.
V posledních měsících jsem tento proces intenzivně doprovázel - nejprve v klasické podobě s Pythonem, terminálem, chybovými hlášeními a nervy drásajícími nastavovacími smyčkami. A pak: s FileMaker 2025, krokem, který mě překvapil - protože nebyl hlasitý, ale jasný. A protože ukázal, že existuje i jiná cesta.
V podrobném Odborné články o gofilemaker.de Právě tuto změnu jsem zdokumentoval: přechod z otevřeného, flexibilního, ale nestabilního školení PEFT-LoRA (např. pomocí Axolotl, LLaMA-Factory nebo kohya_ss) na integrované řešení od společnosti Claris - pomocí skriptu, lokálně, dohledatelně.
Co je to vlastně LoRA a proč je tak důležitá?
LoRA je zkratka pro Low-Rank Adaptation. Za tímto odborně znějícím termínem se skrývá jednoduchý, ale mocný princip: místo přeškolení celého modelu umělé inteligence se upravují pouze jeho velmi specifické části - pomocí tzv. adaptačních vah, které se cíleně vkládají a trénují. V posledních letech se tato metoda etablovala jako zlatý standard pro jemné ladění specifické pro danou oblast - protože vyžaduje malý výpočetní výkon a přesto přináší vynikající výsledky.
Klasický přístup vyžaduje arzenál nástrojů:
- funkční prostředí Pythonu,
- vhodné verze CUDA a PyTorch,
- tréninkový engine, jako je Axolotl nebo kohya_ss,
- prostředky GPU, které to celé zvládnou,
- a v neposlední řadě: Trpělivost. Hodně trpělivosti.
Mezi soubory YAML, konflikty tokenizérů a převody formátů (ze safetensorů na GGUF a MLX a zpět) často trvá několik dní, než je dosaženo použitelného výsledku. Funguje to - ale není to nic, co by se dalo dělat bokem.
A pak přišel FileMaker 2025.
Zavedením serveru AI Model Server a nového kroku skriptu nazvaného Fine-Tune Model přináší společnost Claris tuto metodu do prostředí, ve kterém by ji nikdo nečekal: do relační databáze.
To, co na první pohled zní neobvykle, dává při bližším zkoumání smysl. Protože co potřebuje dobré vyladění?
- Strukturovaná data,
- stabilní prostředí,
- vymazat parametry,
- a definovaný kontext aplikace.
To vše FileMaker nabízí - proto integrace LoRA do tohoto prostředí nepůsobí jako cizí těleso, ale spíše jako logické rozšíření.
Školení bez terminálu - ale ne bez kontroly
Ve svém článku podrobně popisuji, jak probíhá trénink v FileMaker:
- Zadávání dat přímo z existujících tabulek nebo souborů JSONL,
- Hyperparametry, jako je rychlost učení nebo hloubka vrstvy, lze ovládat přímo ve skriptu,
- Kompletní místní provoz na Apple-Silicon - bez cloudu, bez nahrávání,
- a především: výsledky, které jsou reprodukovatelné a vhodné pro každodenní použití.
Samozřejmě existují určité limity. FileMaker (zatím) neumožňuje obsluhu více modelů, strategie zmrazení vrstev nebo export do jiných formátů, jako je GGUF nebo ONNX. Nejedná se o výzkumný nástroj, ale o nástroj pro jasné případy použití - například přizpůsobení jazykových modelů specifickým firemním termínům, odpovědím, popisům produktů nebo interním dialogovým strukturám.
A v tom je to kouzlo: funguje to. Stabilní. Opakovatelné. A rychleji, než jsem si kdy myslel, že je možné.
Aktuální průzkum o budoucnosti FileMaker a AI
Kdo a proč by se měl blíže podívat?
Tento článek je určen všem, kteří umělé inteligenci nejen rozumí, ale chtějí ji také používat:
- Výkonný ředitelkteří chtějí harmonizovat ochranu údajů a efektivitu.
- Vývojářkteří nechtějí pokaždé začínat od nuly.
- Strategovékteří si uvědomují, že umělou inteligenci lze nejen "nakupovat" zvenčí, ale také interně školit.
V FileMaker 2025 se dolaďování jazykových modelů stane součástí pracovního procesu - nikoliv jako cizí těleso, ale jako skutečný nástroj. Jedná se o nenápadnou, ale trvalou změnu, která ukazuje, jak daleko jsme se dostali ve vhodnosti umělé inteligence pro každodenní použití.
K článku:
Od terminálu ke skriptu: FileMaker 2025 umožňuje jemné ladění LoRA pro každodenní použití
V příštím článku popíšu, jak lze jazykový model pomocí FileMaker trénovat v praxi, a uvedu také odpovídající ukázkový skript.