LLM

Artikelen over grote taalmodellen (LLM) zoals GPT, Mistral of Mixtral. Ze tonen use cases, technische basisprincipes en praktische tips voor gebruik in het bedrijfsleven.

LLMS.txt voor WordPress: je website voorbereiden op AI-systemen met een gratis plug-in

door
llms.txt WordPress-plug-in

Jarenlang was zoekmachineoptimalisatie (SEO) voor websitebeheerders de maatstaf bij uitstek. Wie goed gevonden wilde worden op Google, zorgde voor treffende koppen, hoogwaardige inhoud, snelle laadtijden en een strakke technische structuur. Deze basisregels gelden ook vandaag de dag nog en zullen naar verwachting nog lang belangrijk blijven. Tegelijkertijd verandert het internet echter in een tempo dat enkele jaren geleden nog nauwelijks voorstelbaar was. Steeds meer mensen stellen hun vragen niet meer uitsluitend aan een zoekmachine, maar rechtstreeks aan kunstmatige intelligentie. Of het nu gaat om ChatGPT, Claude, Gemini of andere AI-systemen – vaak volstaat tegenwoordig één enkele vraag om een uitgebreid antwoord te krijgen, zonder eerst een pagina met zoekresultaten te hoeven doorzoeken.

Voor websitebeheerders rijst hierdoor een nieuwe vraag: hoe komen deze AI-systemen eigenlijk aan de juiste informatie? En hoe herkennen ze welke inhoud op een website bijzonder belangrijk is?

Meer lezen

Van FileMaker naar de cloud: hoe SchallOS bedrijfssoftware combineert met AI, runtime en updates

door
SchallOS - Intelligent Application Platform

Bij de ontwikkeling van een bedrijfsapplicatie staan in eerste instantie de zichtbare taken centraal. Er worden tabellen aangemaakt, relaties gedefinieerd, invoerformulieren ontworpen en bedrijfsprocessen geautomatiseerd. Zodra de eerste gebruikers met de oplossing aan de slag kunnen, lijkt een groot deel van het project voltooid te zijn. In de praktijk begint dan echter de fase die op de lange termijn veeleisender is. Een bedrijfsapplicatie moet worden onderhouden, uitgebreid en aangepast aan nieuwe eisen. Wijzigingen moeten worden gedocumenteerd, nieuwe versies moeten worden uitgerold en bestaande gegevens moeten veilig worden overgezet. Daarbij komen nog verschillende gebruikersrechten, back-ups, foutanalyses en de vraag of een oplossing lokaal, op een eigen server of in de cloud moet worden gehost.

Veel ontwikkelingsplatforms richten zich vooral op het bouwen van de eigenlijke applicatie. Voor updates, documentatie, implementatie en beheer worden later aanvullende tools en individuele procedures toegevoegd. Na verloop van tijd ontstaat er een technische omgeving die bestaat uit veel losstaande onderdelen, die alleen met aanzienlijke inspanning bij elkaar kunnen worden gehouden. SchallOS hanteert daarom een meer omvattende aanpak. Het platform moet een bedrijfsapplicatie niet alleen tijdens de ontwikkeling begeleiden, maar gedurende de gehele levenscyclus: van ontwikkeling en documentatie tot implementatie, updates en continu beheer.

Meer lezen

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

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

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

↑