>[!info] Komentarz >Od roku edytuje ten wpis i wciąż twierdzę, że jest niegotowy z racji rozległości i wszechstronności tematu. Czytelniku, pamiętaj, że to mój indywidualny - pewien wycięty fragment świata AI. Sztuczna inteligencja (AI) to dynamicznie rozwijająca się dziedzina technologii, która ma szerokie zastosowanie w różnych sektorach. AI obejmuje zaawansowane algorytmy i systemy zdolne do uczenia się, adaptacji i podejmowania decyzji, które wcześniej były domeną ludzkiego intelektu i idącego za tym poziomu zatrudnienia. Kluczowe grupy referencyjne w kontekście AI to akademicy, menadżerowie biznesów, eksperci od bezpieczeństwa oraz entuzjaści technologii, ale tak naprawdę, to rewolucja dotyczy absolutnie każdej żyjącej osoby, które żyje z duchem cywilizacji. AI ma potencjał do rewolucjonizowania różnych branż przez automatyzację procesów, optymalizację kosztów i zwiększenie efektywności. # Filozofia i etyka W kontekście filozoficznym AI jest ściśle związana z [[Transhumanizm|transhumanizmem]] który dąży do przekraczania ludzkich ograniczeń za pomocą właśnie m.in. dzięki technologii. Transhumanizm zakłada, że AI może prowadzić do fundamentalnych zmian w ludzkiej kondycji, długowieczności i jakości życia. Rozwój AI wiąże się również z poważnymi etycznymi i społecznymi dylematami, takimi jak ryzyko zastępowania miejsc pracy przez maszyny, kwestie ochrony danych oraz wpływ na struktury społeczne i ekonomiczne. Konferencje i spotkania branżowe są kluczowe dla wymiany wiedzy i doświadczeń, a także dla dyskusji nad przyszłością AI i jej wpływem na społeczeństwo. Ale i to, tak naprawdę jest względnie powierzchownym spojrzeniem na problem, otóż sztuczna inteligencja niesie pewną łatwość, która prowadząc do utraty wielu fundamentalnych zdolności twórczych, intelektualnych, koncepcyjnych człowieka, może wepchnąć cywilizację pośrednio w istotne problemy skutkujące zacofaniem. Taki paradoks stałego rozwoju i wzrostu. # Możliwości Z punktu widzenia osoby, która się tą sferą praktycznie zajmuje, widzę ogromną rewolucję, która w odpowiednich warunkach da — nie 20-30% wzrost efektywności procesów, a 200-300%. Oczywiście po drodze czeka nas wiele burz — technologicznych, gospodarczych, politycznych, jednak potencjał związany z przetwarzaniem procesów jest tak duży, że szczytem ignorancji jest przejść obok tej rewolucji obojętnie, jako osoba pracująca. Możliwości zatem są ciężkie do jakiegoś klarownego opisania, mało powiedzieć, że usprawnienie procesów może nastąpić niemal w każdej wymyślonej branży, a co więcej — powstanie wiele nowych sektorów, ludzkich potrzeb, problemów i rozwiązujących je produktów. Pod wieloma względami cywilizacja już to widziała, chwilę temu, podczas usprawniania procesów w trakcie rewolucji przemysłowej, czy podczas przechodzących przez świat i Europę — wojen w XX wieku. Żeby zrozumieć, jaki potencjał ma AI w biznesie i w ogóle — w świecie nam znanym, warto zrozumieć, jaką wartość ma [[Informacja|informacja]] i na czym opiera się ekonomia w [[Społeczeństwo informacyjne|społeczeństwie informacyjnym]]. Ktoś powie - "beton". Cóż „beton leją” dziś sprzęty, zautomatyzowane, obsługiwane przez procesory — przetwarzając informacje. I to właśnie potencjał przetwarzania informacji przez sztuczną inteligencję (już nawet całkowicie abstrahując od sfery "kreatywnej") jest tym, co definiuje potencjał tej technologii. W wielu obszarach już dziś jest to potencjał po stokroć wydajniejszy od człowieka, biorąc pod uwagę tylko czas, a jest w tym wszystkim jakość. I tutaj są schody — bo jakość wynika z danych. A tych jest dużo — ale nie są tak dobrze zorganizowane. I tutaj tak naprawdę całe AI się obecnie „rozgrywa". I ponownie wracamy do koncepcji, w której informacja jest szczególną wartością, większą nawet od kapitału. Takie czasy. ## Moje narzędzia Tutaj planowałem zawrzeć wpis dotyczący polecanych narzędzi, ale ten obszar rozwija się tak dynamicznie, że szybko się deaktualizuje. Dlatego więc opiszę kilka rozwiązań, z których korzystam osobiście, jak i zawodowo — a także produktowo. ### Modele językowe Modele językowe — absolutna podstawa każdego projektu, czy produktu AI. Model językowy to silnik rozmaitych narzędzi AI. Choć często testuje różne modele, regularnie korzystam z: 1. OpenAI via API (cały przekrój modeli) 2. Gemini via WWW 3. Azure OpenAI via API (głównie usługi Bing) 4. Cohere via API (rerank) 5. Nomic (modele osadzające - embedding model) 6. SpeakLeash Bielik via Cloudferro API (polski model) 7. PLLuM via API (polski model) ### Narzędzia Tu zaczynają się schody, bo mając w rękach klucz API i kilka $ na karcie debetowej można dziś w zasadzie zostać deweloperem i stworzyć jakieś narzędzie — rozwiązanie. Część z nich nawet jest dość dobra. Taki stan rzeczy powoduje jednak, że ocean narzędzi jest głęboki. A końca nie widać. Mając duszę developera postanowiłem więc sam zrobić wszystkie narzędzia dla siebie, które były mi potrzebne. Dlatego korzystam głównie z modeli językowych via API — które zasilają mi kilka narzędzi (głównie RAG). Czym jest RAG? #### RAG Najprościej mówiąc - RAG, czyli Retrieval-Augmented Generation, to interfejs zaprojektowany w celu optymalizacji rozwiązań i narzędzi AI. Głównym celem jest tworzenie narzędzi i agentów dostosowanych do konkretnych zadań. Przykładami, takich interfejsów jest **Dify** lub **FlowiseAI**, z których osobiście korzystam, i które pozwalają mi tworzyć kompletne narzędzia, chatboty, agentów i workflow pracy z wykorzystaniem różnych modeli AI do jednego zadania. RAG pozwala łączyć różne modele językowe, instrukcje, narzędzia, zewnętrzne interfejsy, w celu stworzenia jednego kompletnego narzędzia — dostosowane pod indywidualne potrzeby, mającego dostęp do indywidualnych baz, mającego precyzyjne indywidualne instrukcje. Z systemów RAG polecam: 1. **Dify** (za interfejs i dynamiczny rozwój) 2. **FlowiseAI** (za kompleksowość rozwiązań) 3. **AnythingLLM** (to znacznie prostszy system, ale świetna aplikacja jako baza produktowa do hubu agentów) #### Wtyczki Obsidian Jako że pracuje wiele w [[Obsidian|Obsidianie]], wspieram tę pracę narzędziami AI zainstalowanymi jako pluginy — wykorzystujące również wspomniane wyżej usługi via API. Są to głównie narzędzia, które dynamicznie pozwalają mi przetwarzać różne treści, często w zdefiniowany sposób. Nie jest to wielce odkrywcze dla osób zaznajomionych z AI, ale narzędzia podpięte bezpośrednio do bazy materiałowej, z którą na co dzień pracujemy, to potężne narzędzie, która oszczędza mnóstwo czasu. Na uwagę zasługują: 1. **[[Smart Connections]]** (do pracy z zasobem wykorzystując lokalny model osadzający) 2. **TextGenerator** (do generowania treści i przetwarzania danych) 3. **AICommander** (jw. + integracja zasobów web korzystając z Bing Web AI) 4. **Whisper** (integracja modelu głosowego do transkrypcji i rozpoznania mowy) #### Wizualizacje Jednym z moich ulubionych rozwiązań jest wizualizowanie danych z pomocą AI. Duże zasoby, jakimi od pewnego czasu dysponujemy, niosą wiele informacji, których jeszcze nawet nie dostrzegliśmy. Dlatego właśnie wykorzystywanie LLM/AI do dużych zbiorów w kontekście ich wizualizacji, tak mnie intryguje. Warto w tej materii zajrzeć do rozwiązania Atlas od Nomic. [Mój wpis na X na temat wizualizacji danych](https://x.com/lenki_a/status/1853801566345605173)