AI-systemen

In deze categorie vind je artikelen over AI-systemen met grote taalmodellen (LLM) en hun mogelijke toepassingen in het bedrijfsleven en de creatieve sector. Onderwerpen die aan bod komen zijn onder andere lokale AI-installaties, Integratie in bestaande softwareoplossingen, Gebruikscases in publiceren of Procesautomatisering met AI. De technische artikelen laten op een praktische manier zien hoe LLM's zoals GPT, Mistral of Mixtral De voordelen die ze bieden in het dagelijks leven en de technische principes die nodig zijn om ze efficiënt te gebruiken. Of het nu voor Tekst maken, Kennisbeheer, ERP-integratie of Klantenondersteuning - Hier vind je inzichten, tips en ervaringsverslagen over het professionele gebruik van taalmodellen.

Software ontwikkelen met Codex, ChatGPT en AI: een praktische gids voor ontwikkelaars

door
Softwareontwikkeling met AI

Als je me een paar jaar geleden had gevraagd hoe softwareontwikkeling er over tien jaar uit zou zien, had ik waarschijnlijk gesproken over nieuwe programmeertalen, betere frameworks of krachtigere ontwikkelomgevingen. Vandaag zou mijn antwoord heel anders zijn. De grootste verandering vindt niet plaats bij de tools, maar in de manier waarop wij als ontwikkelaars denken en werken.

Terwijl ik dit schrijf, werk ik zelf aan een nieuw softwaresysteem. Daarbij maak ik al enkele weken intensief gebruik van moderne AI-tools zoals Codex en andere taalmodellen. In het begin was ik nieuwsgierig, maar inmiddels ben ik vooral onder de indruk. Niet omdat de AI plotseling alles zelf doet, maar omdat ze bepaalde taken verbazingwekkend goed uitvoert en daardoor nieuwe manieren van werken mogelijk maakt.

Meer lezen

Wat is de zin van het leven? Een vergelijking van religies, filosofen en Helmut Thielicke

door
De vraag naar de zin van het leven

Er zijn vragen die de mensheid al duizenden jaren bezighouden. Vragen die nooit echt weggaan, hoe modern onze wereld ook wordt. Een van deze vragen is waarschijnlijk heel eenvoudig: Wat is eigenlijk de zin van het leven?

Interessant genoeg verschijnt het antwoord „42“ vandaag steeds weer - meestal met een kleine glimlach. De achtergrond komt van „The Hitchhiker's Guide to the Galaxy“.“ door Douglas Adams. In het verhaal bouwt een hoogontwikkelde beschaving een gigantische supercomputer die het „antwoord op de ultieme vraag over het leven, het universum en de rest“ over miljoenen jaren moet berekenen. Uiteindelijk is het resultaat simpelweg: 42. Het absurde is dat niemand uiteindelijk precies weet wat de oorspronkelijke vraag was.

Dat is precies waarom deze scène wereldberoemd is geworden. Het is grappig, maar tegelijkertijd verrassend diepzinnig. Want misschien beschrijft het wel heel treffend een fundamenteel menselijk probleem: we zoeken vaak wanhopig naar antwoorden zonder precies te weten welke vraag we eigenlijk stellen.

Meer lezen

Hoe kunstmatige intelligentie de ontwikkeling van software verandert en FileMaker

door
AI-evolutie in de ontwikkeling van FileMaker databases

Wie op dit moment door nieuwsportalen, sociale netwerken of zakelijke platforms scrollt, krijgt al snel de indruk dat kunstmatige intelligentie de hele wereld van het werk bijna van de ene op de andere dag verandert. Bijna dagelijks verschijnen er nieuwe tools, nieuwe taalmodellen en nieuwe beloften. Teksten worden automatisch geschreven, afbeeldingen worden gegenereerd, video's worden gemaakt en software wordt soms voorbereid door spraakinvoer.

Voor veel bedrijven creëert dit een vreemde mengeling van nieuwsgierigheid en druk. Niemand wil immers de boot missen. Tegelijkertijd weten veel ondernemers, freelancers en ontwikkelaars nog niet precies welke van deze technologieën op de lange termijn echt relevant zullen blijven. Dit is waarschijnlijk de echte bijzonderheid van de huidige AI-fase: bijna iedereen voelt dat er iets aan het veranderen is - maar bijna niemand kan op dit moment echt betrouwbaar inschatten hoe snel en in welke richting.

Meer lezen

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

door
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

ChatGPT data-export uitgelegd: Hoe je AI-chats een persoonlijk kennissysteem worden

door
ChatGPT-gegevens exporteren

Als je regelmatig met een AI werkt, dan ken je dit waarschijnlijk wel: de ene gedachte leidt tot de volgende. Je stelt een vraag, krijgt een antwoord, herformuleert, werkt een idee verder uit. Een korte vraag verandert plotseling in een langere dialoog. Soms leidt het zelfs tot hele projecten.

Maar de meeste van deze gesprekken verdwijnen weer. Ze liggen ergens in de chatlijst, glijden naar beneden en worden na verloop van tijd vergeten. Dit is nu juist een van de grote bijzonderheden van moderne AI-systemen: Terwijl eerdere gesprekken met collega's, vrienden of adviseurs alleen in ons geheugen bestonden, worden AI-dialogen volledig bewaard.

Dit betekent iets cruciaals: Met elke conversatie wordt er een digitaal archief van je gedachten gecreëerd. Dit is het eerste deel van een kleine serie artikelen waarmee je je chatgeschiedenis kunt exporteren uit ChatGPT en effectief kunt gebruiken als een persoonlijke schatkamer van kennis met je lokale AI-systeem.

Meer lezen

Toen ik aan de telefoon was met een robot - hoe AI de telefoon verovert en hoe je het kunt herkennen

door
Telefoongesprek met een AI-robot

Er zijn momenten in het dagelijks leven die in eerste instantie heel banaal lijken. Je zit aan je bureau, werkt aan een artikel, denkt na over een nieuw onderwerp - en plotseling gaat de telefoon. Een nummer dat je niet herkent. In mijn geval was het een toegangscode uit het Ruhrgebied: 0233 en nog wat. Als zelfstandige krijg je af en toe zo'n telefoontje. Meestal gaat het over reclame, diensten of advies dat je eigenlijk niet nodig hebt.

Dus ik beantwoordde de oproep zoals gewoonlijk. Een vriendelijke vrouwenstem nam op aan de andere kant van de lijn. Ze stelde zich voor als een medewerker die werkt met Facebook en Instagram. Het was geen verrassing dat het over advertenties ging. Over advertenties. Over bereik. Zichtbaarheid voor bedrijven.

Meer lezen

Leren denken in dialoog met AI: Waarom goede vragen belangrijker zijn dan goede modellen

door
Leren denken in dialoog met AI

De term „AI als sparringpartner“ komt nu vaak voor. Het betekent meestal dat een AI helpt met schrijven, ideeën genereert of taken sneller afrondt. Een eerste basisartikel hierover is al gepubliceerd in het tijdschrift. Dit artikel wil nu in de praktijk laten zien hoe AI kan worden gebruikt als een effectieve denkpartner. In de praktijk blijkt dat AI pas echt interessant wordt als het niet wordt behandeld als een hulpmiddel, maar als een tegenhanger. Niet in de menselijke betekenis, maar als iets dat antwoord geeft, tegenspreekt, verder leidt - of zelfs genadeloos onthult waar je eigen denken tekortschiet.

Dit is precies waar het echte voordeel begint. Niet waar de AI „levert“, maar waar het reageert. Waar het niet simpelweg verwerkt, maar denkprocessen zichtbaar maakt. Dit is lastiger dan een traditionele tool - maar ook duurzamer.

Meer lezen

Hoe dieren tijd waarnemen - en wat dit betekent voor de toekomst van AI

door
Dieren, AI en tijdwaarneming

Er ligt een kat op het tapijt. Hij beweegt niet. Hij knippert even, draait een oor, zucht inwendig om de opdringerigheid van het bestaan - en verder gebeurt er niets. De mens kijkt ernaar en denkt: „Typisch. Lui vee.“. Maar wat als precies het tegenovergestelde waar is? Wat als de kat niet te langzaam is - maar wij wel? Dit artikel is geschreven nadat ik een video van Gerd Ganteför over dit onderwerp had bekeken en ik vond het zo interessant dat ik het hier wil presenteren.

Mensen observeren dieren al eeuwenlang en komen altijd tot dezelfde verkeerde conclusies. We interpreteren hun gedrag met onze snelheid, onze waarneming, onze innerlijke klok. En deze klok is, nuchter beschouwd, meer een gezellige wandkalender dan een razendsnelle processor. Misschien lijkt de kat alleen zo ongeïnteresseerd omdat zijn omgeving voor hem net zo dynamisch aanvoelt als een rij bij de autoriteiten op vrijdagmiddag.

Meer lezen

↑