Kako postaviti laboratorij umjetne inteligencije na računalo

Alpha vodič » Igre » Kako postaviti laboratorij umjetne inteligencije na računalu

Ideja o postavljanju laboratorija za umjetnu inteligenciju na vlastitom računalu prešla je put od sna za geekovce do nečeg sasvim realnog za gotovo svakoga s modernim računalom. Danas vam ne treba farma servera ili mjesečne pretplate da biste se petljali s modelima poput ChatGPT-a, Geminija ili DeepSeeka: možete ih pokretati kod kuće, izvan mreže i s podacima sigurno pohranjenim na tvrdom disku.

U ovom ćemo članku vidjeti kako pretvoriti svoje računalo u lokalni AI laboratorij , pregledavajući hardverske zahtjeve, najbolje aplikacije (LM Studio, Ollama, AnythingLLM, GPT4All, Jan, llama.cpp, NextChat, Llamafile…), a također i naprednija rješenja poput stvaranja kućnog klastera s EXO-om ili generiranja visokokvalitetnih slika s HART-om. Sve je objašnjeno korak po korak, jasnim jezikom i utemeljeno na stvarnosti stolnog ili prijenosnog računala.

Osnovni zahtjevi za PC-bazirani AI laboratorij

Prije nego što počnete instalirati AI modele , dobro je provjeriti ispunjava li vaše računalo razumne minimalne zahtjeve. Iako su mnogi modeli komprimirani i optimizirani, i dalje su zahtjevni u pogledu memorije i pohrane te uvelike imaju koristi od dobrog CPU-a i, ako ga imate, pristojne GPU-a.

Također je važno shvatiti da mnogi originalni modeli velikog formata (poput nekih sa stotinama milijardi parametara) lako mogu premašiti veličinu od 400 GB i zahtijevaju više od 1 TB VRAM-a za funkcioniranje punim kapacitetom, što je potpuno izvan mogućnosti tipičnog kućnog računala. Srećom, postoje pojednostavljene i kvantizirane verzije koje drastično smanjuju te zahtjeve.

Zahtjevi za LM Studio na macOS-u

LM Studio je jedan od najlakših načina za lokalno testiranje jezičnih modela pomoću grafičkog sučelja . Međutim, na macOS-u nisu sva računala jednako kompatibilna. Zapravo, podrška je očito usmjerena na Macove s Apple Silicon čipovima.

• ProcesorPreporučuje se korištenje računala s Apple Silicon M1, M2, M3 ili M4 procesorima. Mac računala s Intel procesorima nisu najbolja opcija za trenutne verzije LM Studija.
• OS: Morate imati barem macOS 13.4 ili noviju verziju.
• Memorija i pohranaIdealno bi bilo imati 16 GB RAM-a za stabilan rad i rezervirati između 10 i 30 GB SSD prostora za različite modele. Ova količina može se znatno povećati ovisno o broju i veličini modela koje želite instalirati.
• Namjenski GPUNije potrebna posebna grafička kartica; Apple Silicon čipovi već integriraju vrlo sposoban GPU za ove zadatke.

Zahtjevi za LM Studio na Windowsima

Na Windowsima, LM Studio radi vrlo dobro na relativno modernim 64-bitnim računalima , pod uvjetom da CPU podržava određene napredne instrukcije potrebne za ubrzavanje izračuna.

• CPU64-bitni procesor s podrškom za AVX2 skup instrukcija.
• RAMZa ugodan rad s modelima od 7-8 GB preporučuje se 16 GB. Lakše modele (3-4 GB) moguće je pokrenuti s 8 GB, ali s kraćim vremenom pokretanja i određenim ograničenjima.
• GPUNije obavezno, iako grafička kartica s dovoljno VRAM-a uvelike ubrzava generiranje teksta.
• SkladištenjeSvaki model zauzima od oko 2 GB do preko 20 GB, ovisno o veličini i kvantizaciji. Da bi bilo dostupno nekoliko modela, Vrijedi rezervirati barem 20 GB prostora samo za njih.

Zahtjevi za LM Studio na Linuxu

Na Linuxu također možete postaviti svoj lokalni AI laboratorij pomoću LM Studija , pod uvjetom da su vaša distribucija i hardver kompatibilni. Obično se distribuira kao AppImage radi lakše instalacije.

• DistribuciónPaketi AppImage dostupni su za x64 i dobro rade na distribucijama poput Ubuntu 20.04 i novijim. Ako vaš procesor ne podržava AVX2, iskustvo će biti ograničenije i modeli će raditi sporije.
• Memorija i prostorZahtjevi su ekvivalentni onima za Windows: preporučuje se 16 GB RAM-a za modele srednje veličine i oko 20 GB SSD-a ako želite hostirati nekoliko modela.
• Dozvole za izvršenjeU nekim distribucijama morat ćete označiti AppImage kao izvršnu datoteku i dopustiti njezinu integraciju u sustav.

Instalirajte i pokrenite LM Studio na svom računalu

LM Studio se ističe po tome što nudi objedinjeno sučelje za pretraživanje, preuzimanje i pokretanje modela bez potrebe za zaglavljivanjem u naredbenim linijama. Proces instalacije je prilično jednostavan, posebno na Windowsima, gdje se distribuira kao standardni instalacijski program.

Preuzimanje i instalacija na Windows

Za preuzimanje LM Studia na Windowsima, jednostavno posjetite njegovu službenu web stranicu i odaberite instalacijski program za svoj sustav . Datoteka je obično velika oko 500 MB (na primjer, oko 516 MB u spomenutoj verziji), a preuzet će se standardna .exe datoteka.

Kada otvorite instalacijski program, možete odabrati želite li ga instalirati samo za svoj korisnički račun ili za sve korisnike na računalu . Zatim odaberete odredišnu mapu, gdje će vas sam program upozoriti da će za instalaciju trebati otprilike 1,7 GB. Nakon što potvrdite, kliknite "Instaliraj" i pričekajte da se završi.

Kada završite, preporučuje se da ostavite označenu opciju "Pokreni LM Studio" i kliknete "Završi". Time će se program automatski otvoriti i prikazati njegovo glavno sučelje preko cijelog zaslona, ​​spremno za početak korištenja.

Prvi koraci: promjena jezika i razumijevanje sučelja

Kada prvi put otvorite LM Studio, vidjet ćete da je prema zadanim postavkama engleski . Promjena na španjolski je jednostavna: u donjem desnom kutu nalazi se ikona zupčanika koja otvara ploču s postavkama.

Nakon što uđete unutra, izbornik s opcijama je dobro organiziran u središnjem stupcu s različitim odjeljcima. Jednostavno se pomaknite prema dolje dok ne pronađete odjeljak "Jezik" . Kliknite na birač, odaberite "Španjolski (Beta)" i to je to - cijelo sučelje će se prilagoditi vašem jeziku.

Kada zatvorite prozor s opcijama, vratit ćete se na glavni zaslon. Pogledajte lijevu bočnu traku gdje se pojavljuju četiri obojene ikone koje predstavljaju ključna područja programa :

• Žuta poruka – „Razgovori“Ovdje ćete razgovarati s modelima, ali tek nakon što ih preuzmete i prenesete.
• Zeleni prozor – „Programer“: omogućuje vam postavljanje lokalnog poslužitelja kompatibilnog s OpenAI API-jem, pregled krajnje točke i njezino korištenje iz vanjskih aplikacija.
• Crvena mapa – „Moji modeli“: služi kao pohrana, prikazujući sve modele koje ste preuzeli unutar LM Studija.
• Ljubičasto povećalo – „Otkrijte“: je tražilica za integrirane modele, gdje možete istražiti i odabrati koju umjetnu inteligenciju želite preuzeti i pokrenuti na svom računalu.

Istražite i odaberite modele u LM Studiju

Odjeljak "Otkrij", dostupan putem ljubičaste ikone povećala, pravi je katalog dostupnih otvorenih AI modela . Ovdje ćete pronaći vrlo popularne modele koje možete sortirati prema broju preuzimanja, "sviđanja" ili datumu ažuriranja.

Među obiteljima koje se obično navode su Qwen3, Lfm2, Ernie 4.5, Gemma 3n, Mistral, DeepSeek, Phi 4, Granite, Gemma 2, Codestral i mnoge druge. Svaka modelna kartica uključuje osnovne specifikacije i opcije preuzimanja, a općenito postoje verzije s različitim veličinama i kvantizacijama koje odgovaraju vašem hardveru.

Neke od najzanimljivijih opcija koje možete pronaći su:

• OpenAI gpt-oss 20BModel otvorenog koda od kreatora ChatGPT-a, licenciran pod Apache 2.0. Usredotočuje se na praćenje uputa i zaključivanje, s mogućnošću prilagodbe računalnog napora. U biti je to, „lokalna“ alternativa usklađena s iskustvom ChatGPT-a, spreman za pokretanje u formatima kao što su GGUF ili MLX, ovisno o vašem računalu.
• DeepSeek R1 Distill Qwen 7Bdestilacija DeepSeek modela zaključivanja temeljenog na Qwen 7B. Nudi odličan odnos između performansi i zahtjevaPodržava kvantizaciju Q4-Q6 i dugi kontekst. Dobra je početna točka ako imate 16 GB RAM-a.
• Gemma 3n E4BVerzija otvorenog koda inspirirana Geminijem, s GGUF verzijama već pripremljenim za LM Studio. To je multimodalni model sposoban za rad u Računala, mobiteli, tableti i prijenosna računala, s podrškom za kontekste do 32 000 tokena.
• Qwen 3B i 4B razmišljanjeOptimizirane varijante za računala s manje resursa. Njihove "Thinking" verzije dizajnirane su da ponude odgovori razvijeni s relativno malom potrošnjom memorije, i tipični konteksti od oko 8.000 tokena, savršeni za duge razgovore bez prevelikog opterećenja hardvera.
• Magistral Small 2509Lagani model temeljen na Mistral AI-u, fino podešen za razumijevanje instrukcija i opće zaključivanje na uređajima niske snage. Ima približno 2,5 milijardi parametara, što se prevodi u velika brzina i niži zahtjevi za RAM-omRadi prilično dobro od 8 GB naviše, namijenjeno za pisanje, sažetke i tehničku podršku.
• Mistral 7BVodeći model tvrtke Mistral AI, poznat po svojim performansama na španjolskom i dobrim rezultatima u logički i matematički zadaciIma fino podešene GGUF verzije za LM Studio, s kontekstnim prozorima koji dosežu do 32 000 tokena.
• Fil 4Microsoftov kompaktni model usmjeren na jasni, koncizni i prirodni odgovoriS otprilike 1,7 milijardi parametara, zauzima malo prostora i može se pokrenuti na gotovo svakom modernom računalu. Posebno je prikladan za kratke upute, brza pitanja i kratke tekstove.

Kako preuzeti model iz LM Studija

Nakon što odlučite koji vas model zanima, jednostavno kliknite na njegov popis u odjeljku "Otkrij" . Otvorit će se detaljan prikaz s ključnim informacijama s desne strane i zelenim gumbom "Preuzmi" na dnu koji prikazuje veličinu datoteke u GB.

Kada kliknete "Preuzmi", LM Studio pokreće vlastiti interni upravitelj preuzimanja . Odatle možete vidjeti napredak, brzinu i procijenjeno vrijeme. Ne morate učiniti ništa posebno: kada završi, model će biti dostupan na vašem popisu "Moji modeli" i možete prijeći na fazu konfiguracije i učitavanja.

Konfigurirajte i učitajte model za korištenje u chatu

Nakon što je preuzimanje dovršeno, idite u lijevi stupac i uđite u odjeljak "Razgovori" (žuta ikona) . U središnjoj ploči vidjet ćete opciju koja kaže nešto poput "Odaberi model za prijenos", zajedno s padajućim izbornikom dostupnih modela.

Kada odaberete jedan (na primjer, DeepSeek R1 0528 Qwen 3 8B), pojavit će se ploča s nekoliko opcija konfiguracije prije pokretanja. To uključuje:

• Datoteka modelaTo vam omogućuje odabir točne datoteke modela, što je korisno ako imate nekoliko varijacija. Ako imate samo jedan model, možete ga ostaviti kakav jest.
• Duljina kontekstaOvo definira koliko tokena umjetna inteligencija može "zapamtiti" tijekom razgovora ili zadatka. Povećanje ove vrijednosti poboljšava dugoročnu dosljednost, ali Povećavate potrošnju RAM-a i VRAM-aNa sustavima s 8-12 GB RAM-a/VRAM-a, najbolje je ne pretjerivati ​​kako biste izbjegli pogreške ili pad performansi.
• Opterećenje na GPU-uOva postavka vam omogućuje da odlučite koliko slojeva modela obrađuje GPU. Veće opterećenje GPU-a ubrzava renderiranje, posebno na modelima 7B-20B i novijim, po cijenu korištenja veće količine VRAM-a. Ako prekoračite ograničenje, performanse će naglo pasti, stoga je najbolje postupno ga prilagođavati.

U slučaju DeepSeek R1 0528 Qwen 3 8B, modela visoko optimiziranog za kućnu upotrebu, općenito se preporučuje započeti s kontekstima od 8-16K tokena . Iako podržava do 128K, najbolji rezultati kvalitete/brzine na standardnom hardveru postižu se ostankom unutar raspona od 16-32K. Što se tiče opterećenja GPU-a, razumna je strategija započeti sa srednjom vrijednošću (na primjer, 20 od 36) i testirati odatle.

Nakon što ste sve konfigurirali po svojoj želji, kliknite na "Učitaj model" . LM Studio će izvršiti proces inicijalizacije i, čim završi, otvorit će prozor za chat spreman za tipkanje.

Koristite lokalnog chatbota kao bilo koju drugu umjetnu inteligenciju

S učitanim modelom, sučelje za chat izgleda vrlo slično uslugama u oblaku poput ChatGPT-a, Geminija ili DeepSeeka . Možete upisivati ​​svoja pitanja, pisane zadatke, sažetke, programerske vježbe itd. i primati generirani odgovor u stvarnom vremenu.

U slučaju određenih modela zaključivanja, poput varijanti DeepSeek R1, možete čak promatrati kako demonstriraju svoj unutarnji "misaoni proces" prije generiranja konačnog odgovora. Na primjer, ako ih zamolite da prepričaju povijesni događaj (poput onoga što se dogodilo u Hirošimi tijekom Drugog svjetskog rata), mogu raščlaniti korake: identificiranje godine, organiziranje objašnjenja u faze (prije, tijekom i poslije), odlučivanje hoće li uključiti anegdote, odabir informativnog, ali refleksivnog tona i tako dalje.

Ovaj proces može potrajati nekoliko sekundi (na primjer, više od 30 sekundi na kućnom računalu) prije nego što vidite gotov tekst. Na kraju poruke, LM Studio obično prikazuje metrike kao što su tokeni generirani u sekundi i ukupan broj tokena , što vam pomaže u procjeni jesu li model i konfiguracija prikladni za vaš sustav.

Ostali ključni alati za vaš PC AI laboratorij

LM Studio je samo jedan dio slagalice. Za postavljanje doista cjelovitog laboratorija za umjetnu inteligenciju na vašem računalu, korisno je biti upoznat s drugim alatima koji pokrivaju različite potrebe: komandna linija, lokalni poslužitelji, chat s dokumentima, integracija s vanjskim uslugama i tako dalje.

Ollama: modeli iz terminala na Windowsima, macOS-u i Linuxu

Ollama je projekt otvorenog koda koji vam omogućuje preuzimanje i pokretanje LLM modela izravno iz naredbenog retka . Radi na Windowsima, macOS-u i GNU/Linuxu, a jednostavno je kao pokretanje jedne naredbe za instalaciju i druge za pokretanje modela.

Na Linuxu, na primjer, možete ga instalirati otvaranjem terminala i pokretanjem:

curl -fsSL https://ollama.com/install.sh | sh

Nakon instalacije, za pokretanje optimiziranog modela izvedenog iz DeepSeeka, jednostavno:

ollama run deepseek-r1:1.5b

Ollama automatski preuzima i pokreće model . Njegova službena web stranica (https://ollama.com/search) nudi katalog s mnogim drugim modelima i potrebnim naredbama za njihovo pokretanje. Naći ćete sve, od laganih verzija do težih varijanti poput deepseek-r1:32b, koja zahtijeva minimalno 30 GB VRAM-a.

AnythingLLM: sveobuhvatni alat za razgovor s dokumentima i agentima

AnythingLLM je program otvorenog koda namijenjen onima koji žele lokalno raditi s dokumentima, AI agentima i složenim zadacima . Omogućuje vam chat s vlastitim datotekama, pokretanje automatiziranih agenata, a ako vaše računalo nije dovoljno snažno, nudi čak i opciju pretplate u oblaku.

Njegova arhitektura kombinira nekoliko surađujućih komponenti, a osim što radi s otvorenim modelima lokalno, može se povezati i s privatnim servisima poput OpenAI-a, Azurea i drugih . Fokus je na privatnosti i prilagodbi, s brojnim kontrolama za prilagodbu ponašanja alata vašim potrebama.

GPT4All: Stotine modela u jednoj desktop aplikaciji

GPT4All je još jedno rješenje otvorenog koda dizajnirano za jednostavnu instalaciju i korištenje LLM modela na vašem računalu . Može koristiti i CPU i GPU te pruža pristup ogromnom katalogu od čak 1.000 različitih modela otvorenog koda, uključujući DeepSeek R1, LLaMa, Mistral, Nous-Hermes i druge.

Iako ima plaćenu verziju, postoji i besplatno izdanje s ograničenim tokenima koje je obično dovoljno za svakodnevnu osobnu upotrebu. Dostupno je za Windows (uključujući ARM verziju), macOS i Ubuntu, te ima prilično jednostavno korisničko sučelje.

Siječanj: Lokalna umjetna inteligencija s proširenjima i podrškom za više grafičkih procesora

Jan je program otvorenog koda namijenjen onima koji žele centralizirati lokalne modele i usluge u oblaku . Može raditi s Llama, Gemma, Mistral i drugim obiteljima, a po potrebi vam omogućuje i povezivanje s vanjskim API-jima poput OpenAI-ja ili Anthropica.

Jedna od njegovih najvećih prednosti je sustav proširenja koji omogućuje prilagodbu i proširenu funkcionalnost. Također ima verzije za Windows, macOS i Linux te podržava različite GPU tehnologije: NVIDIA (CUDA), AMD (Vulkan) i Intel Arc. Sve to predstavljeno je s laganim i uglađenim sučeljem.

llama.cpp: tehnička osnova za LLaMa modele i derivate

llama.cpp je aplikacija niže razine, ali je temelj mnogih lokalnih AI projekata . To je C/C++ implementacija dizajnirana za pokretanje Metinih LLaMa-baziranih modela, koristeći i CPU i GPU resurse.

Nije baš najprilagođenija opcija za početnike, ali njegova učinkovitost i ogromna zajednica koja ga okružuje doveli su do toga da se na njemu izgrade mnogi drugi alati (poput Llamafilea ili nekih grafičkih sučelja) . Ako ste zainteresirani za udubljivanje u tehničke detalje, praktički ga morate imati.

NextChat i Llamafile: upravljajte svojim podacima i modelima paketa

NextChat je web i desktop aplikacija koja rekreira ChatGPT iskustvo pod vašom kontrolom . Izravno se povezuje s vanjskim uslugama (Google, OpenAI, Claude i drugima), ali pohranjuje informacije lokalno u vašem pregledniku ili računalu.

Uključuje sustav "Mask", sličan prilagođenim GPT-ovima, koji vam omogućuje definiranje čarobnjaka sa specifičnim kontekstima i konfiguracijama . Radi na Windowsima, macOS-u i GNU/Linuxu, nudeći dodatni sloj prilagodbe uz komercijalne API-je.

Llamafile, projekt koji pokreće Mozilla Builders, pretvara AI modele u pojedinačne izvršne datoteke . Kombinira llama.cpp s Cosmopolitan Libc-om kako bi stvorio prenosive binarne datoteke koje mogu raditi na Windowsima, Linuxu, macOS-u i BSD-u bez složenih instalacija.

Korak dalje: kućni AI klaster, napredno snimanje i dodatne aplikacije

Ako vam jedno računalo nije dovoljno ili želite eksperimentirati s moćnim vizualnim modelima, svoj lokalni AI laboratorij možete proširiti i naprednijim projektima , kao što su EXO, HART ili Alpaca.

EXO: Stvorite AI klaster s više kućnih uređaja

EXO, tvrtke Exo Labs, je softver otvorenog koda koji vam omogućuje postavljanje kućnog AI klastera pomoću uobičajenih uređaja (osobna računala, Macovi, tableti, Raspberry Pi itd.) spojenih na istu mrežu. Ideja je udružiti njihove računalne resurse i VRAM putem P2P veze.

U Linuxu, tipičan proces bi bio:

git clone https://github.com/exo-explore/exo.git
cd exo
pip install -e .

Zatim, na svakom uređaju na mreži, pokrećete:

exo

Sustav Automatski detektira povezane uređaje i raspoređuje opterećenjeIz svog preglednika možete pristupiti sučelju tipa ChatGPT posjetom http://localhost:52415Odaberite željeni model i počnite s njim komunicirati, koristeći prednosti kombiniranih resursa svih timova.

HART: Učinkovito generiranje slika pomoću umjetne inteligencije

Ako želite da vaš AI laboratorij ide dalje od teksta i generira visokokvalitetne slike , HART projekt (Učinkovita vizualna generacija s hibridnim autoregresivnim transformatorom) vrlo je zanimljiva opcija.

HART koristi hibridni tokenizator za renderiranje slika, što mu omogućuje generiranje sadržaja visoke rezolucije (1024x1024) s dobrom ravnotežom kvalitete, brzine i potrošnje resursa. Dizajniran je da bude učinkovit bez žrtvovanja rezultata usporedivih s težim modelima emitiranja.

Njegova instalacija uključuje malo više tehničkog rada . Općenito govoreći, koraci u Linuxu bi bili:

• Klonirajte repozitorij i stvorite conconda okruženje (na primjer, s Pythonom 3.10).
• Instalirajte CUDA ako imate NVIDIA grafičku karticu. ubrzati generiranje GPU-a.
• Instalirajte HART u načinu rada za uređivanje i kompajlirajte kernele.
• Preuzmite potrebne predloške s Hugging Facea (na primjer, Qwen2-VL-1.5B-Instruct i hart-0.7b-1024px).

Nakon konfiguracije, možete pokrenuti grafičko sučelje s HART-om pomoću naredbe poput ove:

python app.py --model_path /ruta/al/modelo --text_model_path /ruta/a/Qwen2

Ili generirajte slike izravno iz terminala:

python sample.py --model_path /ruta/al/modelo \
--text_model_path /ruta/a/Qwen2 \
--prompt "DESCRIPCIÓN DE LA IMAGEN" \
--sample_folder_dir /ruta/para/guardar/imagenes \
--shield_model_path /ruta/a/ShieldGemma2B

Na primjer, mogli biste tražiti nešto poput „Mala mačka i pas koji se igraju u sunčanom parku sa šarenim cvijećem i vedrim nebom“ i spremiti rezultat u izlaznu mapu, imajući potpunu kontrolu nad procesom i korištenim resursima.

Alpaka: jednostavna grafička aplikacija o Ollami

Još jedan vrlo praktičan način lokalnog pokretanja LLM-ova je korištenje Alpace, aplikacije otvorenog koda koja se oslanja na Ollamu za upravljanje modelima . Njezin je cilj ponuditi jednostavno i privatno iskustvo chata na Linux uređajima.

Među njegovim najznačajnijim funkcijama su:

• Interakcija s više AI modela u istom razgovoru.
• Upravljajte preuzimanjem i brisanjem modela iz same aplikacije.
• Prepoznaj slike (ako model to podržava).
• Obrada običnih tekstualnih dokumenata i PDF-ova.
• Uvoz i izvoz chatova.
• Integrirajte YouTube transkripte i web sadržaj u razgovore.

Može se jednostavno instalirati s Flathuba pomoću:

flatpak install flathub com.jeffser.Alpaca

A zatim ga pokrenite sa:

flatpak run com.jeffser.Alpaca

Sva obrada se obavlja na vašem uređaju, bez oslanjanja na usluge u oblaku , što jača privatnost.

Iznad računala: virtualni laboratoriji i znanstvene primjene

Koncept „laboratorija umjetne inteligencije“ nije ograničen samo na osobnu upotrebu na računalu. Pojavljuju se i virtualni laboratoriji temeljeni na više AI agenata koji surađuju na istraživanju i otkrivanju novih znanstvenih spoznaja.

Nedavni primjer je rad tima na Sveučilištu Stanford, koji je razvio virtualni laboratorij za umjetnu inteligenciju sposoban koordinirati različite specijalizirane modele (u imunologiji, računalnoj biologiji, strojnom učenju itd.) pod nadzorom virtualnog „glavnog istraživača“.

Ovaj sustav je pokazao svoj potencijal dizajniranjem 92 nanotijela protiv SARS-CoV-2 , s preko 90% učinkovitosti protiv originalne varijante i nekim sposobnim ciljati naknadne varijante. U usporedbi s tradicionalnim istraživanjima u fizičkim laboratorijima, ovi virtualni pristupi dramatično ubrzavaju ciklus pokušaja i pogrešaka.

Nadalje, ovi laboratoriji uključuju „znanstvenog kritičara“ temeljenog na umjetnoj inteligenciji koji pregledava i ispravlja rezultate kako bi se smanjile pogreške i povećala pouzdanost. Unatoč tome, studije naglašavaju da uloga ljudskih znanstvenika ostaje nezamjenjiva u praćenju, validaciji i kontekstualizaciji nalaza.

Ista filozofija mogla bi se primijeniti i na druga područja: dizajn novih materijala, modeliranje klimatskih promjena, razvoj energetskih tehnologija … Transformativni potencijal je ogroman, ali se javljaju i ozbiljni izazovi u pogledu transparentnosti, etike, dostupnosti i ulaganja u infrastrukturu.

Paralelno s tim, mnogi korporativni laboratoriji i privatni istraživački centri kontinuirano istražuju ove tehnike, kombinirajući višeagentne arhitekture, generativnu umjetnu inteligenciju, duboko učenje i evolucijsku umjetnu inteligenciju kako bi izgradili sofisticirane sustave donošenja odluka koji potiču gospodarski i društveni napredak.

S obzirom na sve navedeno, jasno je da umjetna inteligencija više nije ekskluzivna za tehnološke divove ili udaljena superračunala . S pravim alatima možete postaviti mali osobni laboratorij na svom računalu sposoban za pokretanje tekstualnih i slikovnih modela, rad s vlastitim dokumentima, stvaranje specijaliziranih agenata, pa čak i kombiniranje snage nekoliko uređaja kod kuće. Ključ je u odabiru pravih aplikacija (LM Studio, Ollama, AnythingLLM, GPT4All, Jan, llama.cpp, NextChat, Llamafile, EXO, HART, Alpaca…), razumijevanju ograničenja vašeg hardvera i, prije svega, neustrašivom eksperimentiranju kako biste pronašli kombinaciju koja najbolje odgovara vašim potrebama.