Mentionsy Mentionsy
FullStak
FullStak

DevRel, Open-Source AI i bazy wektorowe - Kacper Łukawski

17.05.2024 ·57 min 12 s · 9 rozdziałów · 1 sponsor

Czego się dowiesz z tego odcinka? praca jako DevRel, Dev Advocate, plusy minusy wektorowe bazy danych i ich zastosowania przyszłość modeli AI w open-source kiedy AI zastąpi programistów ulubione narzędzia Gość programu: Kacper Łukawski, DevRel w Qdrant https://www.linkedin.com/in/kacperlukawski/ https://twitter.com/LukawskiKacper https://www.embassy.ai/ Współpraca i więcej info na: https://fullstak.pl

1:33 · Zakres obowiązków DevRela 1

A teraz chciałbym Cię podpytać, jak w ogóle zaczęła się Twoja przygoda jako DevRel, no bo myślę, że taka częstsza ścieżka kariery to jest, że ktoś pracuje jako właśnie developer, project manager, Jakiś lider zespołu. Teraz też mamy do czynienia z różnymi gałęziami wokół AI, maszynowego uczenia. I właśnie chciałem podpytać, jak to było u Ciebie? Skąd się to wzięło właśnie, że dbasz tutaj o relacje z deweloperami? Jasne, dość naturalne przejście od programisty przez data science do właśnie tej pozycji w moim przypadku.

16:24 · Statystyki i zastosowania Qdrant 2

Myślę, że też jak wytłumaczyłeś, w jaki sposób podchodzicie do obsługi właśnie różnych przypadków użycia, to nasunęło mi się takie pytanie, jak to wygląda statystycznie u Was, czy Wasi klienci głównie korzystają tutaj z Quadranta pod takie przypadki właśnie związane z użyciem sztucznej inteligencji, czy tutaj raczej jesteście używani właśnie Do takiego wyszukiwania jakichś dużych serwisów, no bo przyznam szczerze, że ja na przykład o bazach wektorowych no to usłyszałem przy okazji teraz tego boomu na AI i ogólnie Large Language Models, od powstania ChatGPT, gdzieś tam się przewijają różne tutoriale, że można użyć bazy wektorową na przykład jak chce się właśnie

Kacper Łukawski, Qdrant. I właśnie zastanawiam się, jak to wyglądało w waszym przypadku wcześniej, czy po prostu zawsze jesteście używani w większości przez takie zapotrzebowania dla AI? Absolutnie nie mam gotowych statystyk, dlatego że Qdrant jest narzędziem typu Open Source I nie śledzimy tego, w jaki sposób nasi użytkownicy wykorzystują ten system. Biorąc jednak pod uwagę to, jak wiele pytań dotyczy właśnie wykorzystania wektorów w połączeniu z LLM-ami, wydaje się, że 90% zastosowań to są właśnie tego rodzaju systemy.

22:29 · Qdrant 2

Powiedzmy, organizacja pokroju OpenAI z tym, że jest rzeczywiście otwarta. Hugging Face jest trochę githubem dla machine learningu, mamy tam modele, zbiory danych, różne inne rzeczy. I osoby, które tam pracują, najczęściej mają też dość ciekawe spostrzeżenia czy też Same starają się publikować materiały, które wydają się im potrzebne. Ale to nie jest jakby jedyna organizacja. Śledzę też bardzo dużo innych osób i w jakiś sposób staram się to filtrować. Przyznam szczerze, że bardzo długi czas szukałem narzędzia, które pozwoliłyby mi to zautomatyzować, opartego na AI. Jeszcze nie znalazłem, więc nie mogę niestety nic polecić. Cały czas właśnie śledzenie tych wiadomości, ale też ograniczanie widoczności tych ludzi, którzy gdzieś starają się po prostu publikować cudze treści.

Dotknąłeś trochę teraz tematu Open Source, w zasadzie tego, że OpenAI jest open w zasadzie na ten moment głównie z nazwy. I chciałem się zapytać właśnie, jak widzisz przyszłość technologii Open Source w kontekście AI? Z jednej strony właśnie mamy wielkich graczy, którzy nie są zbyt otwarci, nie są zbyt w ruchu tej ideologii Open Source, ale z drugiej strony mamy takiego wielkiego gracza jak Meta i ich model Lama, który jest Open Source. Mamy różnego rodzaju modele, chyba jak Mistral. I parę jeszcze innych.

36:09 · Praca DevRela i wyzania 1

Kacper Łukawski, Kacper Łukawski, Qdrant. No i teraz pytanie, czy ty znalazłeś jakiś tutaj złoty środek, coś co u ciebie działa, żeby właśnie, tak jak sam wspomniałeś, masz też fundację związaną z AI, na pewno ten temat dużo wcześniej cię interesował, gdzieś tam poświęcałeś swój wolny czas, żeby te wszystkie tematy ogarnąć i myślę, że w jakiś sposób musisz sobie z tym radzić.

Pokazano wszystkie 6 dopasowań. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.