Jeg har bygget en personlig AI-agent, der samler dagens vigtigste informationer i en morgenavis.
Den kører hver dag kl. 06.30 – også i weekenden.
Avisen giver et hurtigt overblik over dagen, uden at jeg behøver åbne flere forskellige apps.
Kalender
Avisen viser dagens aftaler fra Google Kalender for min personlige konto.
Den tager også højde for delte kalendere, så aftaler fra flere kalendere kommer med i overblikket.
Vigtige e-mails
Agenten laver en kort oversigt over de vigtigste mails, så jeg hurtigt kan se, om der er noget, jeg bør reagere på. E-mailoversigten er holdt kort, så den kan være på én side.
Vejret
Vejrudsigten dækker både Taastrup og Marielyst. Den viser de vigtigste oplysninger, så jeg hurtigt kan se, hvad jeg kan forvente hjemme og ved sommerhuset.
Nyheder
Nyhedsafsnittet indeholder et udvalg af de seneste nyheder fra Reuters. Det giver mig et hurtigt overblik over aktuelle historier. Nyhederne vises med dato og tidspunkt, så det er tydeligt, hvornår oplysningerne er fra, samt et link hvis jeg vil læse mere.
Dagens vittighed
Avisen slutter med en vittighed fundet på nettet. Målet er at finde en god, frisk vittighed, der giver en lidt sjovere start på dagen. En tegneseriestribe kan også indgå som et ekstra indslag.
På den måde samler morgenavisen kalender, vigtige mails, vejr, nyheder og lidt underholdning i én overskuelig briefing, klar fra klokken 06.30 hver dag.
Af René Rasch
Lokal AI med Ollama: Qwen og Mistral
Jeg har prøvet at køre AI-modeller lokalt med Ollama. Jeg testede Qwen, den kinesiske model, og Mistral, som kommer fra Frankrig.
Det var spændende at hente modellerne og prøve dem direkte på min egen computer.
Lokal AI giver mulighed for at stille spørgsmål og afprøve modeller uden at bruge en almindelig, internetbaseret AI-tjeneste.
Det giver mere kontrol over brugen af data, men oplevelsen afhænger også af computerens hardware.
Modellernes størrelse har betydning for både hastighed og hvor godt de svarer.
Det har været en god introduktion til lokal AI og til, hvordan Ollama gør det muligt at hente og skifte mellem forskellige modeller.
Jeg vil gerne fortsætte med at udforske, hvad de forskellige modeller kan bruges til derhjemme. F.eks. integration til mit smarte hjem - Home Assistant
Af René Rasch
AI og modeller.
Lige siden ChatGPT kom frem den 30. november 2022 har jeg nysgerrigt fulgt med i udviklingen.
Man kan slet ikke forestille sig hvordan de tidligere modeller var, men de var faktisk ret gode til at skabe kode, og hvis man var programmør, fandt man hurtig ud af genveje ved at bruge ChatGPT istedet for at Google sig frem til svaret og gennemlæse tonsvis af artikler på Stack Overflow.
Nu går udviklingen så stærkt indenfor modellerne, at det er svært for selv de professionelle at følge med.
Jeg har lyttet til mange AI professionelle, som har integreret AI i deres løsninger, men ikke har ressourcerne til at teste de nye modeller, inden man lægger dem i produktion.
Det er en reel vurdering og fare, hvis man er først med at implementere de helt store OpenSource AI modeller.
De så kraftfulde, at man skal have mange ressourcer og GPU kraft for overhovedet at køre dem.
Man fandt hurtigt ud af, at de er gode til at skrive tekster, formuleringer og festsange.
I dag her knap 4 år efter lanceringen, taler man om AI slop og at AI genererede tekster er irriterende, og de kan spottes på lang afstand, når der bruges den lange tankestreg, når der bruges emoji's og formuleringer og sammenligninger i sproget.
Brug altid din sunde fornuft, og benyt aldrig, som i aldrig, en tekst fra en AI kilde, uden selv at have gennemlæst den og gerne redigeret den til dit eget sprog.
Det er i sidste ende dig der er ansvarlig for hvad du sender ud, og kan ikke skyde skylden på en AI model.
