Zawsze uważałem, że ludzie popełniają błąd, przekazując swoje dane - czy to w chmurze, czy za pośrednictwem aplikacji lub jakichkolwiek „darmowych“ usług. Dla mnie suwerenność danych nigdy nie była modnym hasłem, ale kwestią szacunku do samego siebie. Każdy, kto korzysta z technologii bez rozważenia konsekwencji, wchodzi w zależność, która często staje się zauważalna dopiero po latach - ale wtedy ma jeszcze głębszy wpływ.
Systemy sztucznej inteligencji
W tej kategorii znajdziesz artykuły dotyczące Systemy sztucznej inteligencji z dużymi modelami językowymi (LLM) i ich możliwymi zastosowaniami w sektorze biznesowym i kreatywnym. Omawiane tematy obejmują lokalne instalacje AI, Integracja z istniejącym oprogramowaniem, Przypadki użycia w publikowaniu lub Automatyzacja procesów dzięki sztucznej inteligencji. Artykuły techniczne pokazują w praktyczny sposób, w jaki sposób LLM, takie jak GPT, Mistral lub Mixtral Korzyści, jakie oferują w codziennym życiu i zasady techniczne wymagane do ich efektywnego wykorzystania. Czy to dla Tworzenie tekstu, Zarządzanie wiedzą, Integracja ERP lub Obsługa klienta - Tutaj znajdziesz spostrzeżenia, wskazówki i raporty z doświadczeń dotyczących profesjonalnego wykorzystania modeli językowych.
gFM-Business i przyszłość ERP: lokalna inteligencja zamiast zależności od chmury
Od ponad dekady oprogramowanie gFM-Business jest synonimem czegoś wyjątkowego na niemieckim rynku ERP: nie jest oparte na uciążliwym, trudnym w utrzymaniu systemie, ale na lekkiej, konfigurowalnej i wizualnie modelowanej platformie FileMaker. Ma to wiele zalet: gFM-Business może być indywidualnie rozbudowywany, działa w systemach Windows, macOS i iOS i może być dostosowywany zarówno przez programistów, jak i ambitnych użytkowników.
Wraz z pojawieniem się sztucznej inteligencji (AI) - w szczególności dzięki tak zwanym modelom językowym, takim jak ChatGPT - pojawiają się nowe możliwości, które wykraczają daleko poza tradycyjną automatyzację. gFM-Business aktywnie przygotowuje się na tę przyszłość: w celu nie tylko zarządzania danymi, ale także odblokowywania wiedzy.
Sztuczna inteligencja: które miejsca pracy są zagrożone i jak możemy się teraz uzbroić?
Żadna inna zmiana technologiczna nie wkradła się do naszego codziennego życia tak szybko jak sztuczna inteligencja. To, co wczoraj uważano za wizjonerską technologię przyszłości, dziś jest już rzeczywistością - czy to w pisaniu SMS-ów, programowaniu, diagnozowaniu, tłumaczeniu, czy nawet tworzeniu muzyki, sztuki lub briefów prawnych.
Konferencja FileMaker 2025: Sztuczna inteligencja, społeczność i nieoczekiwany incydent
Konferencja FileMaker 2025 w Hamburgu dobiegła końca - i był to szczególny kamień milowy pod wieloma względami. Nie tylko dlatego, że tegoroczna konferencja koncentrowała się na wielu tematach związanych ze sztuczną inteligencją, wydajnością i nowoczesnymi przepływami pracy - ale także dlatego, że osobista wymiana i „rodzinna atmosfera“ społeczności FileMaker po raz kolejny dały o sobie znać. Dla mnie osobiście był to intensywny, inspirujący i wszechstronnie wzbogacający czas - już od pierwszego wieczoru.
Integracja MLX w FileMaker 2025: Lokalna sztuczna inteligencja jako nowy standard
Podczas gdy MLX został pierwotnie uruchomiony jako eksperymentalny framework przez Apple Research, w ostatnich miesiącach nastąpił cichy, ale znaczący rozwój: Wraz z wydaniem FileMaker 2025, Claris mocno zintegrował MLX z serwerem jako natywną infrastrukturę AI dla Apple Silicon. Oznacza to, że każdy, kto pracuje z komputerem Mac i korzysta z Apple Silicon, może nie tylko uruchamiać modele MLX lokalnie, ale także używać ich bezpośrednio w FileMaker - z natywnymi funkcjami, bez żadnych warstw pośrednich.
MLX na Apple Silicon jako lokalna sztuczna inteligencja w porównaniu z Ollama & Co.
W czasach, gdy scentralizowane usługi AI, takie jak ChatGPT, Claude czy Gemini, dominują na pierwszych stronach gazet, wielu profesjonalnych użytkowników ma rosnące zapotrzebowanie na alternatywę - lokalną, samokontrolującą się infrastrukturę AI. Zwłaszcza w przypadku procesów kreatywnych, wrażliwych danych lub powtarzających się przepływów pracy, lokalne rozwiązanie jest często bardziej zrównoważoną i bezpieczną opcją.
Każdy, kto pracuje z komputerem Mac - zwłaszcza z Apple Silicon (M1, M2, M3 lub M4) - może teraz znaleźć niesamowicie potężne narzędzia do uruchamiania własnych modeli językowych bezpośrednio na urządzeniu. W centrum tego wszystkiego znajduje się nowy, w dużej mierze nieznany komponent: MLX, platforma uczenia maszynowego opracowana przez Apple, która prawdopodobnie będzie odgrywać coraz większą rolę w ekosystemie sztucznej inteligencji firmy w nadchodzących latach.
RAG z Ollama i Qdrant jako uniwersalna wyszukiwarka własnych danych
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:
Ollama spotyka Qdrant: lokalna pamięć dla sztucznej inteligencji na Macu
Lokalna sztuczna inteligencja z pamięcią - bez chmury, bez subskrypcji, bez przekierowań
W poprzednie artykuły Wyjaśniłem, jak skonfigurować Ollama na Macu install. Jeśli wykonałeś już ten krok, masz teraz potężny lokalny model językowy - taki jak Mistral, LLaMA3 lub inny kompatybilny model, do którego można się odwołać za pośrednictwem interfejsu API REST.
Model „wie“ jednak tylko to, co znajduje się w bieżącej podpowiedzi. Nie pamięta poprzednich rozmów. Brakuje tylko pamięci.