Ollama

Yerel yapay zeka modelleri için bir platform olan Ollama hakkında yayınlar. Burada günlük yaşamda ve iş dünyasında kullanım için talimatlar, deneyimler ve ipuçları bulacaksınız.

ChatGPT veri aktarımından kendi bilgi yapay zekanıza: Ollama ve Qdrant ile adım adım

yazar
Kendi yapay zeka belleğinize giden yol

Bu yazı dizisinin ilk bölümünde ChatGPT veri aktarımının teknik bir işlevden çok daha fazlası olduğunu gördük. Dışa aktarılan verileriniz, uzun bir süre boyunca biriken düşünceler, fikirler, analizler ve konuşmalardan oluşan bir koleksiyon içerir. Ancak bu veriler sabit diskinizde yalnızca bir arşiv olarak saklandığı sürece, yalnızca bir arşiv olarak kalır. Önemli olan adım, bu bilgileri tekrar kullanılabilir hale getirmektir. Kişisel bilgi yapay zekasının geliştirilmesi tam da bu noktada başlar.

Fikir aslında şaşırtıcı derecede basit: bir yapay zeka yalnızca genel bilgilerle çalışmamalı, aynı zamanda kendi verilerinize de erişebilmelidir. Önceki konuşmalar arasında arama yapabilmeli, uygun içeriği bulabilmeli ve bunu yeni cevaplara dahil edebilmelidir. Bu, sıradan bir YZ'yi bir tür dijital belleğe dönüştürür. Bu, yazı dizisinin ikinci bölümüdür ve şimdi işin pratik yönüne bakmaktadır.

Devamını oku

ChatGPT veri aktarımı açıklandı: Yapay zeka sohbetleriniz nasıl kişisel bir bilgi sistemine dönüşür?

yazar
ChatGPT veri aktarımı

Eğer düzenli olarak bir yapay zeka ile çalışıyorsanız, muhtemelen şunu biliyorsunuzdur: bir düşünce diğerine yol açar. Bir soru sorarsınız, bir cevap alırsınız, yeniden formüle edersiniz, bir fikri daha da geliştirirsiniz. Kısa bir soru aniden daha uzun bir diyaloğa dönüşür. Hatta bazen tüm projelere yol açar.

Ancak bu konuşmaların çoğu tekrar kaybolur. Sohbet listesinde bir yerde dururlar, aşağı kayarlar ve zamanla unutulurlar. Bu tam da modern yapay zeka sistemlerinin en büyük özelliklerinden biridir: Meslektaşlarımız, arkadaşlarımız veya danışmanlarımızla yaptığımız önceki konuşmalar sadece hafızamızda yer alırken, YZ diyalogları tamamen korunur.

Bunun çok önemli bir anlamı var: Her konuşmada, düşüncelerinizin dijital bir arşivi oluşturulur. Bu, sohbet geçmişinizi ChatGPT'den dışa aktarmanıza ve yerel yapay zeka sisteminizle kişisel bir bilgi hazinesi olarak etkili bir şekilde kullanmanıza olanak tanıyacak küçük bir makale serisinin ilk bölümüdür.

Devamını oku

Abartılı olmayan yapay zeka: neden daha az yapay zeka aracı daha iyi iş anlamına geliyor?

yazar
Abartılı olmayan yapay zeka

Bugün yapay zeka konusuyla ilgilenen herkes neredeyse kaçınılmaz olarak garip bir duyguyla karşılaşıyor: sürekli huzursuzluk. Bir araca alışır alışmaz bir sonraki on araç ortaya çıkıyor. YouTube'da bir video diğerini takip ediyor: „Bu yapay zeka aracı her şeyi değiştiriyor“, „Bunu kesinlikle şimdi kullanmalısın“, „Kaçıranlar geride kalır“. Ve her seferinde, aynı mesaj bilinçaltında yankılanıyor: Çok geç kaldınız. Diğerleri daha ileride. Yakalamak zorundasın.

Bu durum sadece BT çalışanlarını etkilemiyor. Serbest meslek sahipleri, yaratıcı profesyoneller, girişimciler ve sıradan çalışanlar da bu baskıyı hissediyor. Birçoğu bu araçların gerçekte ne işe yaradığını bile tam olarak bilmiyor - ama bir şeyleri kaçırıyor olabilecekleri hissine kapılıyorlar. İşte strese neden olan da tam olarak bu.

Devamını oku

Başöğretmen olarak bulut yapay zeka: İşin geleceği neden yerel yapay zekada yatıyor?

yazar
Bulut yapay zekası başöğretmen oluyor

Büyük dil modelleri birkaç yıl önce zafer yürüyüşüne başladığında, neredeyse teknolojinin eski erdemlerine bir dönüş gibi görünüyorlardı: kendisine söyleneni yapan bir araç. Kullanıcıya hizmet eden bir araç, tam tersi değil. İlk versiyonların - GPT-3'ten GPT-4'e - zayıf yönleri vardı, evet, ama inanılmaz derecede yardımcı oluyorlardı. Görevleri açıklıyor, analiz ediyor, formüle ediyor ve çözüyorlardı. Ve bunu büyük ölçüde pedagojik destek olmadan yapıyorlardı.

Bu modellerle, bazen kelimeleri yanlış anlayan ama esasen sadece çalışan bilgili bir çalışanla konuşur gibi konuşuyordunuz. O dönemde yaratıcı metinler yazan, program kodu üreten ya da uzun analizler üreten herkes teknolojinin ne kadar sorunsuz çalıştığını deneyimlemişti. Bir özgürlük hissi, açık bir yaratıcı alan, insanları düzeltmek yerine destekleyen bir teknoloji vardı.

Devamını oku

Apple MLX vs. NVIDIA: Mac'te yerel yapay zeka çıkarımı nasıl çalışır?

yazar
Apple Mac ile Silicon üzerinde yerel yapay zeka

Günümüzde yapay zeka ile çalışan herkesin aklına ilk olarak ChatGPT veya benzeri çevrimiçi hizmetler geliyor. Bir soru yazıyorsunuz, birkaç saniye bekliyorsunuz - ve sanki hattın diğer ucunda çok iyi okumuş, sabırlı bir diyalog ortağı oturuyormuş gibi bir cevap alıyorsunuz. Ancak kolayca unutulan şey: Her girdi, her cümle, her kelime internet üzerinden harici sunuculara gider. Asıl iş burada yapılır - sizin asla göremeyeceğiniz devasa bilgisayarlarda.

Prensip olarak, yerel dil modeli de aynı şekilde çalışır - ancak internet olmadan. Model, kullanıcının kendi bilgisayarında bir dosya olarak saklanır, başlangıçta çalışma belleğine yüklenir ve soruları doğrudan cihaz üzerinde yanıtlar. Arkasındaki teknoloji aynı: dili anlayan, metinler üreten ve kalıpları tanıyan bir sinir ağı. Tek fark, tüm hesaplamanın şirket içinde kalmasıdır. Şöyle de diyebilirsiniz: Bulut olmadan ChatGPT.

Devamını oku

Yapay zeka: hangi işler risk altında ve şimdi kendimizi nasıl silahlandırabiliriz

yazar
Gelecekte hangi işler yapay zeka tarafından ortadan kaldırılacak?

Neredeyse hiçbir teknolojik değişim yapay zeka kadar hızlı bir şekilde günlük hayatımıza girmedi. Dün geleceğin vizyoner teknolojisi olarak görülen şey bugün artık bir gerçek - ister mesajlaşmada, ister programlamada, ister teşhis koymada, ister çeviride, hatta ister müzik, sanat ya da hukuk özetleri yaratmada olsun.

Devamını oku

Ollama & Co. ile karşılaştırıldığında yerel AI olarak Apple Silicon üzerinde MLX.

yazar
MLX ile Mac'te Yerel Yapay Zeka

ChatGPT, Claude veya Gemini gibi merkezi yapay zeka hizmetlerinin manşetlere çıktığı bir dönemde, birçok profesyonel kullanıcının yerel, kendi kendini kontrol edebilen bir yapay zeka altyapısı gibi bir alternatife olan ihtiyacı giderek artıyor. Özellikle yaratıcı süreçler, hassas veriler veya yinelenen iş akışları için yerel bir çözüm genellikle daha sürdürülebilir ve güvenli bir seçenektir.

Mac ile çalışan herkes - özellikle Apple Silicon (M1, M2, M3 veya M4) ile - artık kendi dil modellerini doğrudan cihaz üzerinde çalıştırmak için inanılmaz güçlü araçlar bulabilir. Bunun merkezinde büyük ölçüde bilinmeyen yeni bir bileşen var: MLX, Apple tarafından geliştirilen ve önümüzdeki yıllarda şirketin yapay zeka ekosisteminde giderek daha merkezi bir rol oynaması muhtemel bir makine öğrenimi çerçevesi.

Devamını oku

Kendi verileri için evrensel bir arama motoru olarak Ollama ve Qdrant ile RAG

yazar
RAG, Ollama ve Qdrant kullanarak yerel yapay zekayı veritabanlarıyla genişletin

Giderek karmaşıklaşan bilgi dünyasında, kendi veritabanlarınızı hedefe yönelik bir şekilde aranabilir hale getirmek giderek daha önemli hale geliyor - klasik tam metin aramaları yoluyla değil, anlamsal olarak alakalı yanıtlar yoluyla. İşte tam da bu noktada RAG veritabanı prensibi devreye giriyor - iki temel bileşenden oluşan yapay zeka destekli bir arama çözümü:

Devamını oku

↑