gemma

Artykuły o gemma, modelu językowym LLM. Chodzi o pomysły, podstawy i praktyczne zastosowania w życiu codziennym i biznesie.

Sztuczna inteligencja w chmurze jako dyrektor szkoły: dlaczego przyszłość pracy leży w lokalnej sztucznej inteligencji?

przez
Sztuczna inteligencja w chmurze zostaje dyrektorem szkoły

Kiedy duże modele językowe rozpoczęły swój triumfalny marsz kilka lat temu, wydawały się niemal powrotem do starych cnót technologii: narzędzia, które robi to, co mu się każe. Narzędzie, które służy użytkownikowi, a nie odwrotnie. Pierwsze wersje - od GPT-3 do GPT-4 - miały słabości, owszem, ale były niesamowicie pomocne. Wyjaśniały, analizowały, formułowały i rozwiązywały zadania. I robiły to w dużej mierze bez pedagogicznego balastu.

Rozmawiało się z tymi modelami tak, jakby rozmawiało się z erudytą, który czasami mylił się w słowach, ale zasadniczo po prostu działał. Każdy, kto pisał kreatywne teksty, generował kod programu lub tworzył dłuższe analizy w tamtych czasach, doświadczył, jak płynnie to działało. Istniało poczucie wolności, otwartej przestrzeni twórczej, technologii, która wspierała ludzi, zamiast ich poprawiać.

Czytaj więcej

AI Studio 2025: Który sprzęt naprawdę się opłaca - od Mac Studio do RTX 3090

przez
Sprzęt 2025 dla studia AI

Każdy, kto pracuje dziś ze sztuczną inteligencją, jest niemal automatycznie wypychany do chmury: OpenAI, Microsoft, Google, wszelkie interfejsy internetowe, tokeny, limity, warunki. Wydaje się to nowoczesne - ale zasadniczo jest to powrót do zależności: inni określają, z których modeli możesz korzystać, jak często, z jakimi filtrami i za jaką cenę. Celowo idę w drugą stronę: obecnie buduję własne małe studio AI w domu. Z własnym sprzętem, własnymi modelami i własnymi przepływami pracy.

Mój cel jest jasny: lokalna sztuczna inteligencja tekstu, lokalna sztuczna inteligencja obrazu, uczenie się własnych modeli (LoRA, dostrajanie), a wszystko to w taki sposób, abym jako freelancer, a później także klient MŚP, nie był zależny od codziennych kaprysów jakiegoś dostawcy chmury. Można powiedzieć, że to powrót do starej postawy, która kiedyś była całkiem normalna: „ważne rzeczy robisz sam“. Tyle, że tym razem nie chodzi o własny warsztat pracy, ale o moc obliczeniową i suwerenność danych.

Czytaj więcej

RAG z Ollama i Qdrant jako uniwersalna wyszukiwarka własnych danych

przez
Rozszerzenie lokalnej sztucznej inteligencji o bazy danych przy użyciu RAG, Ollama i Qdrant

W coraz bardziej zagmatwanym świecie informacji coraz ważniejsze staje się umożliwienie przeszukiwania własnych baz danych w ukierunkowany sposób - nie poprzez klasyczne wyszukiwanie pełnotekstowe, ale poprzez semantycznie istotne odpowiedzi. Właśnie w tym miejscu do gry wkracza baza danych RAG - rozwiązanie wyszukiwania wspierane przez sztuczną inteligencję, składające się z dwóch centralnych komponentów:

Czytaj więcej

Lokalna sztuczna inteligencja na Macu: jak installiere model językowy z Ollama

przez

Lokalna sztuczna inteligencja na komputerach Mac od dawna jest praktyczna - zwłaszcza na komputerach Apple-Silicon (seria M). Wraz z Ollama otrzymujemy odchudzone środowisko uruchomieniowe dla wielu modeli językowych open source (np. Llama 3.1/3.2, Mistral, Gemma, Qwen). Aktualna wersja Ollama jest teraz również dostarczana z przyjazną dla użytkownika aplikacją, która pozwala skonfigurować lokalny model językowy na komputerze Mac jednym kliknięciem myszy. W tym artykule znajdziesz pragmatyczny przewodnik od instalacji do pierwszego monitu - z praktycznymi wskazówkami na temat tego, gdzie rzeczy tradycyjnie idą źle.

Czytaj więcej

↑