Van ChatGPT data-export naar je eigen kennis AI: stap-voor-stap met Ollama en Qdrant

De weg naar je eigen AI-geheugen

In het eerste deel van deze artikelreeks zagen we dat het exporteren van ChatGPT-gegevens veel meer is dan alleen een technische functie. Je geëxporteerde gegevens bevatten een verzameling gedachten, ideeën, analyses en gesprekken die zich over een lange periode hebben verzameld. Maar zolang deze gegevens alleen als een archief op je harde schijf worden opgeslagen, blijft het alleen dat: een archief. De cruciale stap is om deze informatie weer bruikbaar te maken. Dit is precies waar de ontwikkeling van een persoonlijke kennis-AI begint.

Het idee is eigenlijk verrassend eenvoudig: een AI moet niet alleen met algemene kennis werken, maar ook toegang hebben tot je eigen gegevens. Hij moet eerdere gesprekken doorzoeken, geschikte inhoud vinden en deze verwerken in nieuwe antwoorden. Dit verandert een gewone AI in een soort digitaal geheugen. Dit is het tweede deel van de artikelreeks, waarin nu wordt ingegaan op de praktische kant van de zaak.

Meer lezen

Apple in transitie: Vroege apparaten, persoonlijke ervaringen en een tentoonstelling in het OCM

Apple Macintosh Classic en kleurenklassieker

Als je geïnteresseerd bent in computergeschiedenis, is een bezoek aan het computermuseum Oldenburg bijzonder de moeite waard. Het museum is zo'n plek die niet luidruchtig hoeft te zijn om indruk te maken en organiseert vanaf april een speciale tentoonstelling onder het motto „50 jaar van de Apple computer“.“. Al vele jaren wordt technologie hier niet alleen tentoongesteld, maar ook levend gehouden. Apparaten staan niet achter glas, maar vaak klaar voor gebruik op tafels - net zoals ze vroeger werden gebruikt.

Dat maakt het verschil. Je ziet niet alleen oude computers, je krijgt een gevoel voor hoe het was om met deze machines te werken, spelen en denken. Van vroege thuiscomputers tot klassieke kantoorcomputers en speciale one-offs, alles is vertegenwoordigd - zorgvuldig verzameld, onderhouden en vooral duidelijk gecategoriseerd.

Meer lezen

Van Commodore C16 tot WordPress: een reis door de beginjaren van het internet

Van modem tot internet en tijdschrift

Als je tegenwoordig een smartphone oppakt, bevat deze meer rekenkracht dan hele computerzalen vroeger. In de jaren 1980 was dat heel anders. Computers waren zeldzaam, duur en voor veel mensen een mysterieuze machine. Als je toen een eigen computer thuis had, behoorde je tot een kleine groep knutselaars, uitvinders en nieuwsgierigen. Het spannende was dat je computers niet zomaar kon gebruiken. Je moest ze ook begrijpen. Veel programma's waren niet kant-en-klaar te koop. In plaats daarvan stonden er in computertijdschriften pagina's met lijsten met BASIC-code die je regel voor regel moest uittypen. Pas dan kon je zien of het programma überhaupt werkte.

Dat klinkt vandaag de dag vervelend, maar het had één groot voordeel. Je leerde automatisch hoe computers werken. Als je een fout maakte, kreeg je meteen een foutmelding - en moest je zelf uitzoeken waar de fout zat. Op deze manier ontwikkelden veel jonge computerfans een heel natuurlijke benadering van technologie en programmeren.

In die tijd begon ik mijn eigen reis in de wereld van computers.

Meer lezen

Als de Mac luistert: Wat Apple's geïntegreerde AI met Gemini en Siri betekent voor gebruikers in de toekomst

Apple, Siri en Gemini

Iedereen die tegenwoordig een Mac opent, verwacht betrouwbaarheid. Programma's starten, bestanden staan op hun plaats, processen zijn vertrouwd. Velen hebben in de loop der jaren - sommigen tientallen jaren - een manier van werken opgebouwd die werkt. Je weet waar je moet klikken. Je kent je gereedschap. En dit is precies waar het stille comfort ligt. Maar sinds enige tijd is er een verandering op de achtergrond die groter is dan nieuwe kleuren, nieuwe pictogrammen of extra menu-items. Voor het eerst doet een vorm van kunstmatige intelligentie zijn intrede, niet alleen als afzonderlijke toepassing, maar dichter bij het hart van het besturingssysteem zelf. Waar dagelijkse routines worden gecreëerd.

Dat klinkt op het eerste gezicht abstract. Misschien zelfs een beetje futuristisch. Maar eigenlijk gaat het om iets heel nuchters: de computer moet beter begrijpen wat er bedoeld wordt. Niet alleen wat er wordt aangeklikt. Tot nu toe hebben veel mensen AI buiten hun eigenlijke werk ervaren. In chatvensters, op websites, als experiment of gimmick. Je probeert iets uit, verwondert je misschien, sluit dan het venster weer - en keert terug naar het normale dagelijkse leven.

Meer lezen

Kunstmatige intelligentie zonder hype: waarom minder AI-tools vaak beter werk betekenen

Kunstmatige intelligentie zonder de hype

Wie zich tegenwoordig bezighoudt met kunstmatige intelligentie, krijgt bijna onvermijdelijk te maken met een vreemd gevoel: constante rusteloosheid. Je bent nog maar net gewend aan de ene tool of de volgende tien duiken alweer op. Op YouTube volgt de ene video op de andere: „Deze AI-tool verandert alles“, „Je moet dit nu absoluut gebruiken“, „Zij die missen blijven achter“. En elke keer weerklinkt dezelfde boodschap: Je bent te laat. De anderen zijn verder. Je moet ze inhalen.

Dit treft niet alleen IT'ers. Ook zelfstandigen, creatieve professionals, ondernemers en gewone werknemers voelen de druk. Velen weten niet eens precies wat deze tools eigenlijk doen - maar ze hebben het gevoel dat ze iets zouden kunnen missen. En dat is precies wat stress veroorzaakt.

Meer lezen

AI voor beginners: Hoe je zonder voorkennis aan de slag kunt met kunstmatige intelligentie

AI voor beginners

Kunstmatige intelligentie lijkt voor veel mensen een plotseling fenomeen. Nog maar een paar jaar geleden speelde het nauwelijks een rol in het dagelijks leven, maar tegenwoordig is het constant aanwezig - in het nieuws, in discussies, in gesprekken op het werk. Deze indruk is echter misleidend. AI is niet van de ene op de andere dag ontstaan. Het wordt al tientallen jaren onderzocht, ontwikkeld en gebruikt op gespecialiseerde gebieden. Wat nieuw is, is niet het idee, maar de aanpak.

Kunstmatige intelligentie is al tientallen jaren een onderzoeksidee. Lange tijd was het een onderwerp voor universiteiten, grote bedrijven en gespecialiseerde toepassingen. Het grote verschil vandaag de dag is dat veel AI-systemen zo ver zijn ontwikkeld dat ze door gewone mensen in het dagelijks leven kunnen worden gebruikt - via een eenvoudig invoervenster, op een computer of smartphone.

Meer lezen

Cloud AI als schoolhoofd: waarom de toekomst van werk bij lokale AI ligt

Cloud AI wordt hoofdonderwijzer

Toen de grote taalmodellen een paar jaar geleden aan hun zegetocht begonnen, leken ze bijna een terugkeer naar de oude deugden van technologie: een hulpmiddel dat doet wat het wordt opgedragen. Een hulpmiddel dat de gebruiker dient, niet andersom. De eerste versies - van GPT-3 tot GPT-4 - hadden zwakke punten, dat wel, maar ze waren verbazingwekkend nuttig. Ze legden uit, analyseerden, formuleerden en losten opgaven op. En ze deden dit grotendeels zonder pedagogische ballast.

Je sprak met deze modellen alsof je met een erudiete medewerker sprak, die soms zijn woorden verkeerd gebruikte, maar in wezen gewoon werkte. Iedereen die in die tijd creatieve teksten schreef, programmacode genereerde of langere analyses maakte, ervoer hoe soepel het werkte. Er was een gevoel van vrijheid, van een open creatieve ruimte, van technologie die mensen ondersteunde in plaats van corrigeerde.

Meer lezen

AI Studio 2025: Welke hardware is echt de moeite waard - van de Mac Studio tot de RTX 3090

Hardware 2025 voor AI-studio

Wie vandaag met AI werkt, wordt bijna automatisch in de cloud geduwd: OpenAI, Microsoft, Google, alle web UI's, tokens, limieten, voorwaarden. Dit lijkt modern - maar is in wezen een terugkeer naar afhankelijkheid: anderen bepalen welke modellen je mag gebruiken, hoe vaak, met welke filters en tegen welke kosten. Ik ga bewust de andere kant op: ik bouw momenteel thuis mijn eigen kleine AI-studio. Met mijn eigen hardware, mijn eigen modellen en mijn eigen workflows.

Mijn doel is duidelijk: lokale tekst-AI, lokale beeld-AI, mijn eigen modellen leren (LoRA, fine-tuning) en dat alles op zo'n manier dat ik als freelancer en later ook MKB-klant niet afhankelijk ben van de dagelijkse grillen van een of andere cloudprovider. Je zou kunnen zeggen dat het een terugkeer is naar een oude houding die vroeger heel normaal was: „Belangrijke dingen doe je zelf“. Alleen gaat het deze keer niet om je eigen werkbank, maar om rekenkracht en gegevenssoevereiniteit.

Meer lezen