ChatGPT en andere Large Language Models

[Horse]

Het geld dat je met AI tools kan besparen (als je ze goed gebruikt) is immens. Voor de zoveelste keer heb ik een oplossing gevonden, terwijl ik dit vroeger gewoon een specialist zou betalen. Op verschillende fora vond ik geen antwoord, dan maar eens beginnen praten met chatGPT:

Spoiler

Systeemgegevens = 169,83 GB
Dat is extreem hoog.

Dus die 2,58 GB van Foto’s is totaal niet het probleem. Dat is bijna niets. Je echte opslagvreter zit hier:

systeemcache
Time Machine snapshots
iPhone backups
Xcode/dev files
macOS cachebestanden
Docker
Adobe cache
browsercache
lokale AI-modellen
oude updates


169 GB systeemgegevens is absoluut niet normaal op een Mac van 245 GB.

Daar moet je op focussen. Niet op Photos Library. Ik kan je stap voor stap tonen hoe je die 169 GB analyseert en meestal 50–120 GB terugwint zonder risico. De snelste manier om te weten wat het is:

Open:
Finder
Klik bovenaan:
Ga
Hou de Option/Alt-toets ingedrukt
Klik:
Bibliotheek


Daarna:

open map:
Caches
En kijk eens:

welke mappen tientallen GB groot zijn
Je zit momenteel in kolomweergave. Daar zie je geen mapgroottes. Doe dit:



Druk bovenaan rechts op het icoon met de lijstweergave
(de 3 horizontale lijntjes)
Daarna:
klik bovenaan in de menubalk op Weergave
Toon weergaveopties
Vink aan:
Bereken alle groottes
Dan begint macOS de mapgroottes te berekenen.



dit valt goed mee hoor, enkel spotify is 5GB, de rest is acceptabel

Klopt. Dit bevestigt eigenlijk dat jouw Caches-map niet de oorzaak is van die 169 GB systeemgegevens. Dus we kunnen cache grotendeels uitsluiten. Wat ik nu vermoed, in volgorde van waarschijnlijkheid:

lokale Time Machine snapshots
verborgen iPhone/iPad backups
swap/geheugenbestanden
Docker/VM bestanden
macOS bug in opslagberekening
lokale AI/modellen
developer data
En eerlijk: 169 GB systeemgegevens krijg je bijna nooit door gewone caches alleen. Nu gaan we doelgericht zoeken. Doe dit:

Open Finder
Klik links:
Mac mini van Dimitri
Dubbelklik:
Macintosh HD
Druk:
CMD + SHIFT + .
Dan toon je verborgen bestanden. Kijk dan of je ziet:

private
System
Users
Library
Vooral belangrijk:

private
Daar zitten vaak:

swapfiles
sleepimage
snapshots
verborgen rommel
Ga daarna naar:

private
var
vm
En stuur daar een screenshot van. Want ik vermoed bijna dat daar tientallen GB zitten.



in vm zit 0 bytes, in var zit 5GB
Interessant. Dan kunnen we alweer veel uitsluiten. Dus:

geen gigantische swapfiles
geen ontspoorde VM-geheugenbestanden
geen zware caches
Dat betekent dat macOS waarschijnlijk fout telt óf dat de ruimte elders verborgen zit. En nu zie ik iets belangrijk:

containers
developer/AI tooling
Claude
Homebrew
Adobe
Ik vermoed steeds sterker:

verborgen Application Support-data
lokale modellen
containers
syncbestanden
of snapshots
Nu volgende stap: Ga naar:

Gebruikers
jouw gebruiker
Bibliotheek
Application Support
En sorteer opnieuw op grootte.

deze is 20GB

Ja, en dat is eigenlijk normaal voor iemand die:



Adobe gebruikt
browsers gebruikt
AI-tools gebruikt
Dropbox/sync gebruikt
20 GB Application Support is stevig, maar verklaart nog altijd géén 170 GB systeemgegevens.

=> dit gesprek gaat verder en verder, dieper en dieper, tot we uiteindelijk een folder gevonden hebben van 80GB (oude Dropbox timestamp-map)
=> die map werd gevonden via de terminal opdracht "du -xhd 1 ~/Library/CloudStorage | sort -h"

ongelooflijk, voor zoiets kan je makkelijk €350 vragen als zelfstandige

En zo kan ik nog wel enkele verhalen vertellen waardoor ik bepaalde vakmannen niet meer moet betalen, ja zelfs de loodgieter moest onlangs niet meer komen omdat ik de oplossing gewoon voorgeschoteld kreeg.

Dit is aan de ene kant niet echt positief voor onze maatschappij, aan de andere kant zie ik niet iedereen die moeite doen, dat gaat echt nog jaren duren vooraleer iedereen deze werkwijze toepast, we hebben godzijdank nog heel veel boomers.

Op mijn werk heb ik al maanden de indruk dat ik omgeven ben door 7 specialisten, waar ik alles aan kan vragen, en dat terwijl ik alleen werk.
Ok, je moet je erin verdiepen, daar kruipt heel veel tijd in, maar het loont toch.

 

[ViperHD]

Hier toch ook al vaak heel gespecialiseerde problemen in no-time kunnen oplossen. Al denk dat het vaak ook gewoon een zeer veredelde google is, omdat de AI die oplossingen ook gewoon zelf online gevonden/geleerd heeft. Maar vroeger kostte het je vaak een uur of langer eer je online de oplossing vond, terwijl het nu een kwestie van minuten is.

Voor niet-IT problemen ook al gebruikt, maar toch ook al paar keer gehad dat wat ChatGPT voorstelde eigenlijk totaal niet bleek te kloppen.

 

[Loser]

Het geld dat je met AI tools kan besparen (als je ze goed gebruikt) is immens. Voor de zoveelste keer heb ik een oplossing gevonden, terwijl ik dit vroeger gewoon een specialist zou betalen. Op verschillende fora vond ik geen antwoord, dan maar eens beginnen praten met chatGPT:

Spoiler

Systeemgegevens = 169,83 GB
Dat is extreem hoog.

Dus die 2,58 GB van Foto’s is totaal niet het probleem. Dat is bijna niets. Je echte opslagvreter zit hier:

systeemcache
Time Machine snapshots
iPhone backups
Xcode/dev files
macOS cachebestanden
Docker
Adobe cache
browsercache
lokale AI-modellen
oude updates


169 GB systeemgegevens is absoluut niet normaal op een Mac van 245 GB.

Daar moet je op focussen. Niet op Photos Library. Ik kan je stap voor stap tonen hoe je die 169 GB analyseert en meestal 50–120 GB terugwint zonder risico. De snelste manier om te weten wat het is:

Open:
Finder
Klik bovenaan:
Ga
Hou de Option/Alt-toets ingedrukt
Klik:
Bibliotheek


Daarna:

open map:
Caches
En kijk eens:

welke mappen tientallen GB groot zijn
Je zit momenteel in kolomweergave. Daar zie je geen mapgroottes. Doe dit:



Druk bovenaan rechts op het icoon met de lijstweergave
(de 3 horizontale lijntjes)
Daarna:
klik bovenaan in de menubalk op Weergave
Toon weergaveopties
Vink aan:
Bereken alle groottes
Dan begint macOS de mapgroottes te berekenen.



dit valt goed mee hoor, enkel spotify is 5GB, de rest is acceptabel

Klopt. Dit bevestigt eigenlijk dat jouw Caches-map niet de oorzaak is van die 169 GB systeemgegevens. Dus we kunnen cache grotendeels uitsluiten. Wat ik nu vermoed, in volgorde van waarschijnlijkheid:

lokale Time Machine snapshots
verborgen iPhone/iPad backups
swap/geheugenbestanden
Docker/VM bestanden
macOS bug in opslagberekening
lokale AI/modellen
developer data
En eerlijk: 169 GB systeemgegevens krijg je bijna nooit door gewone caches alleen. Nu gaan we doelgericht zoeken. Doe dit:

Open Finder
Klik links:
Mac mini van Dimitri
Dubbelklik:
Macintosh HD
Druk:
CMD + SHIFT + .
Dan toon je verborgen bestanden. Kijk dan of je ziet:

private
System
Users
Library
Vooral belangrijk:

private
Daar zitten vaak:

swapfiles
sleepimage
snapshots
verborgen rommel
Ga daarna naar:

private
var
vm
En stuur daar een screenshot van. Want ik vermoed bijna dat daar tientallen GB zitten.



in vm zit 0 bytes, in var zit 5GB
Interessant. Dan kunnen we alweer veel uitsluiten. Dus:

geen gigantische swapfiles
geen ontspoorde VM-geheugenbestanden
geen zware caches
Dat betekent dat macOS waarschijnlijk fout telt óf dat de ruimte elders verborgen zit. En nu zie ik iets belangrijk:

containers
developer/AI tooling
Claude
Homebrew
Adobe
Ik vermoed steeds sterker:

verborgen Application Support-data
lokale modellen
containers
syncbestanden
of snapshots
Nu volgende stap: Ga naar:

Gebruikers
jouw gebruiker
Bibliotheek
Application Support
En sorteer opnieuw op grootte.

deze is 20GB

Ja, en dat is eigenlijk normaal voor iemand die:



Adobe gebruikt
browsers gebruikt
AI-tools gebruikt
Dropbox/sync gebruikt
20 GB Application Support is stevig, maar verklaart nog altijd géén 170 GB systeemgegevens.

=> dit gesprek gaat verder en verder, dieper en dieper, tot we uiteindelijk een folder gevonden hebben van 80GB (oude Dropbox timestamp-map)
=> die map werd gevonden via de terminal opdracht "du -xhd 1 ~/Library/CloudStorage | sort -h"

ongelooflijk, voor zoiets kan je makkelijk €350 vragen als zelfstandige

En zo kan ik nog wel enkele verhalen vertellen waardoor ik bepaalde vakmannen niet meer moet betalen, ja zelfs de loodgieter moest onlangs niet meer komen omdat ik de oplossing gewoon voorgeschoteld kreeg.

Dit is aan de ene kant niet echt positief voor onze maatschappij, aan de andere kant zie ik niet iedereen die moeite doen, dat gaat echt nog jaren duren vooraleer iedereen deze werkwijze toepast, we hebben godzijdank nog heel veel boomers.

Op mijn werk heb ik al maanden de indruk dat ik omgeven ben door 7 specialisten, waar ik alles aan kan vragen, en dat terwijl ik alleen werk.
Ok, je moet je erin verdiepen, daar kruipt heel veel tijd in, maar het loont toch.

Het probleem is veelzijdig, hè.
Ja, je hebt in jouw geval geld bespaard op dit moment. Is dat een betrouwbaar businessmodel dat echt bespaart, of is de huidige kost van de LLM nep? Verder is de vraag of je 350 een echte besparing is, want zou je daadwerkelijk een zelfstandige onder de arm hebben genomen? Heeft die nu echt werk verloren, of "hypothetisch werk": Als ik het zou doen, zou het zoveel kosten, maar ik zou ermee leren leven hebben. Ik denk dat laatste in dit geval.

En voor je het echt over besparingen kunt hebben, de reden dat bedrijven een specialist inhuren, is maar voor een stuk om het gedaan te krijgen. Het andere stuk is ook de garantie dat het gaat werken en veilig is, dat het de beste manier is én de eindverandwoordelijkheid voor als het fout gaat. Ik kan makkelijker een misstap aan mijn klant uitleggen als het een zeldzame en niet te voorziene uitzondering was die een erkend specialist zelfs niet had opgemerkt, dan als ik iets gevibecoded heb in Chat zonder kennis ter zake.

 

[Z3r0]

Het geld dat je met AI tools kan besparen (als je ze goed gebruikt) is immens. Voor de zoveelste keer heb ik een oplossing gevonden, terwijl ik dit vroeger gewoon een specialist zou betalen. Op verschillende fora vond ik geen antwoord, dan maar eens beginnen praten met chatGPT:

Spoiler

Systeemgegevens = 169,83 GB
Dat is extreem hoog.

Dus die 2,58 GB van Foto’s is totaal niet het probleem. Dat is bijna niets. Je echte opslagvreter zit hier:

systeemcache
Time Machine snapshots
iPhone backups
Xcode/dev files
macOS cachebestanden
Docker
Adobe cache
browsercache
lokale AI-modellen
oude updates


169 GB systeemgegevens is absoluut niet normaal op een Mac van 245 GB.

Daar moet je op focussen. Niet op Photos Library. Ik kan je stap voor stap tonen hoe je die 169 GB analyseert en meestal 50–120 GB terugwint zonder risico. De snelste manier om te weten wat het is:

Open:
Finder
Klik bovenaan:
Ga
Hou de Option/Alt-toets ingedrukt
Klik:
Bibliotheek


Daarna:

open map:
Caches
En kijk eens:

welke mappen tientallen GB groot zijn
Je zit momenteel in kolomweergave. Daar zie je geen mapgroottes. Doe dit:



Druk bovenaan rechts op het icoon met de lijstweergave
(de 3 horizontale lijntjes)
Daarna:
klik bovenaan in de menubalk op Weergave
Toon weergaveopties
Vink aan:
Bereken alle groottes
Dan begint macOS de mapgroottes te berekenen.



dit valt goed mee hoor, enkel spotify is 5GB, de rest is acceptabel

Klopt. Dit bevestigt eigenlijk dat jouw Caches-map niet de oorzaak is van die 169 GB systeemgegevens. Dus we kunnen cache grotendeels uitsluiten. Wat ik nu vermoed, in volgorde van waarschijnlijkheid:

lokale Time Machine snapshots
verborgen iPhone/iPad backups
swap/geheugenbestanden
Docker/VM bestanden
macOS bug in opslagberekening
lokale AI/modellen
developer data
En eerlijk: 169 GB systeemgegevens krijg je bijna nooit door gewone caches alleen. Nu gaan we doelgericht zoeken. Doe dit:

Open Finder
Klik links:
Mac mini van Dimitri
Dubbelklik:
Macintosh HD
Druk:
CMD + SHIFT + .
Dan toon je verborgen bestanden. Kijk dan of je ziet:

private
System
Users
Library
Vooral belangrijk:

private
Daar zitten vaak:

swapfiles
sleepimage
snapshots
verborgen rommel
Ga daarna naar:

private
var
vm
En stuur daar een screenshot van. Want ik vermoed bijna dat daar tientallen GB zitten.



in vm zit 0 bytes, in var zit 5GB
Interessant. Dan kunnen we alweer veel uitsluiten. Dus:

geen gigantische swapfiles
geen ontspoorde VM-geheugenbestanden
geen zware caches
Dat betekent dat macOS waarschijnlijk fout telt óf dat de ruimte elders verborgen zit. En nu zie ik iets belangrijk:

containers
developer/AI tooling
Claude
Homebrew
Adobe
Ik vermoed steeds sterker:

verborgen Application Support-data
lokale modellen
containers
syncbestanden
of snapshots
Nu volgende stap: Ga naar:

Gebruikers
jouw gebruiker
Bibliotheek
Application Support
En sorteer opnieuw op grootte.

deze is 20GB

Ja, en dat is eigenlijk normaal voor iemand die:



Adobe gebruikt
browsers gebruikt
AI-tools gebruikt
Dropbox/sync gebruikt
20 GB Application Support is stevig, maar verklaart nog altijd géén 170 GB systeemgegevens.

=> dit gesprek gaat verder en verder, dieper en dieper, tot we uiteindelijk een folder gevonden hebben van 80GB (oude Dropbox timestamp-map)
=> die map werd gevonden via de terminal opdracht "du -xhd 1 ~/Library/CloudStorage | sort -h"

ongelooflijk, voor zoiets kan je makkelijk €350 vragen als zelfstandige

En zo kan ik nog wel enkele verhalen vertellen waardoor ik bepaalde vakmannen niet meer moet betalen, ja zelfs de loodgieter moest onlangs niet meer komen omdat ik de oplossing gewoon voorgeschoteld kreeg.

Dit is aan de ene kant niet echt positief voor onze maatschappij, aan de andere kant zie ik niet iedereen die moeite doen, dat gaat echt nog jaren duren vooraleer iedereen deze werkwijze toepast, we hebben godzijdank nog heel veel boomers.

Op mijn werk heb ik al maanden de indruk dat ik omgeven ben door 7 specialisten, waar ik alles aan kan vragen, en dat terwijl ik alleen werk.
Ok, je moet je erin verdiepen, daar kruipt heel veel tijd in, maar het loont toch.

Dit is eigenlijk een voorbeeld van slecht AI gebruik

Want dit had je in 10 seconden kunnen vinden op google door gewoon de juiste opdracht in te geven bijvoorbeeld:

find largest folder on mac

Dus die besparing lijkt mij eerder 1 euro

Ik kreeg bij mijn google direct dit als oplossing:

Find folders larger than 1 GB:
du -ht 1G / 2>/dev/null | sort -nr

Je moet natuurlijk om dit te krijgen de juiste zoektermen gebruiken

 

[RealFlub]

Op Windows heb je bv 'SpaceSniffer' als programmatje, daar zie je dan visueel ook.

https://grandperspectiv.sourceforge.net/ dit is voor mac dan vergelijkbaar.

 

[Z3r0]

Beyong Gaming werkt eigenlijk beter dan AI

Dat is dan 150Euro nog altijd een stuk goedkoper dan die specialist waarover je sprak

 

[Horse]

Om gewoon gesprekken te noteren en eventueel (hoeft niet) samen te vatten: Notion gebruiken? Moet je hiervoor investeren in een goede microfoon of verstaat hij 95% van wat je zegt?

 

[the_fox]

=> die map werd gevonden via de terminal opdracht "du -xhd 1 ~/Library/CloudStorage | sort -h"

ongelooflijk, voor zoiets kan je makkelijk €350 vragen als zelfstandige

Eerste hit op google had u ook al die folder laten vinden + een mooi grafisch overzicht van alle folders en subfolders hun disk usage (waar denk je trouwens dat het du commando voor staat? ). Soortgelijke tools bestaan ook voor andere OSen. En ik heb geen enkel Apple product en heb nog nooit op een Mac gewerkt.

Je kan daar €350 voor vragen maar ik denk dat je daar geen klanten voor zult vinden

 

[Horse]

Ik zou nooit zomaar een Dropbox folder van 80GB verwijderen, omdat het hier gaat over belangrijke mappen van mijn werk + backups. ChatGPT heeft bevestigd dat het een oude Dropbox timestamp-map is. Zonder die info ga ik mijn werk en backups nooit verwijderen.

Dit is juist het leuke en positieve aan heel dit verhaal. Technische mensen zullen hun antwoorden wel vinden, maar de lokale dakwerker en loodgieter houdt zich hier niet mee bezig uiteraard. Godzijdank, anders wisten we alle antwoorden via chatGPT en mogen we allemaal ons btw nummer opdoeken.

Ik ben er zeker van dat ik ooit de batterij van mijn wagen zelf kan vervangen dankzij een AI tutorial, maar iets zegt mij dat ik hiervoor toch een garage zal inschakelen

Iemand hier ervaring mee trouwens?

Om gewoon gesprekken te noteren en eventueel (hoeft niet) samen te vatten: Notion gebruiken? Moet je hiervoor investeren in een goede microfoon of verstaat hij 95% van wat je zegt?

 

[Loser]

Ik zou nooit zomaar een Dropbox folder van 80GB verwijderen, omdat het hier gaat over belangrijke mappen van mijn werk + backups. ChatGPT heeft bevestigd dat het een oude Dropbox timestamp-map is. Zonder die info ga ik mijn werk en backups nooit verwijderen.

Dit is juist het leuke en positieve aan heel dit verhaal. Technische mensen zullen hun antwoorden wel vinden, maar de lokale dakwerker en loodgieter houdt zich hier niet mee bezig uiteraard. Godzijdank, anders wisten we alle antwoorden via chatGPT en mogen we allemaal ons btw nummer opdoeken.

Ik ben er zeker van dat ik ooit de batterij van mijn wagen zelf kan vervangen dankzij een AI tutorial, maar iets zegt mij dat ik hiervoor toch een garage zal inschakelen

Iemand hier ervaring mee trouwens?

Dus: een theoretische besparing, want die lokale dakwerker en loodgieter zou geen zelfstandige betalen voor 350€.

En juistheid is nog altijd een bijwerking van ChatGPT, dus wat jij doet, werkt in dit geval. Maar is geen goeie bedrijfspolicy. Want als je die nu deletet en plots start hij niet meer op, je gaat naar je chat in ChatGPT en zegt hem dat, wat zal hij zeggen? "Ja, je hebt gelijk. Dat is één van de valkuilen, sorry daarvoor. Je moet zeker letten op..." Fijn, maar te laat.

Net als met de batterij van je wagen. Met wat opzoekwerk zul je zeker goeie stappen vinden. Waarschijnlijk zal ChatGPT op diezelfde stappen uitkomen als je goed genoeg kunt prompten (wat dus al verkeerd gebruik is van een LLM: je gebruikt hem als zoekmachine om de resultaten te benaderen van het echte zoeken). Maar het is onbekend hoeveel fouten daarin zitten en of hij uit de juiste manuals van de juiste jaartallen zaken heeft gehaald.

Dus: Kan het? Waarschijnlijk wel. Nee. Is het beter dan googelen? Nee. Is het sowieso veilig? Nee.

 

[Creeping Death]

Hier toch ook al vaak heel gespecialiseerde problemen in no-time kunnen oplossen. Al denk dat het vaak ook gewoon een zeer veredelde google is, omdat de AI die oplossingen ook gewoon zelf online gevonden/geleerd heeft. Maar vroeger kostte het je vaak een uur of langer eer je online de oplossing vond, terwijl het nu een kwestie van minuten is.

Voor niet-IT problemen ook al gebruikt, maar toch ook al paar keer gehad dat wat ChatGPT voorstelde eigenlijk totaal niet bleek te kloppen.

Tijdje terug een Citrix issue. Relatief complex want we hebben een 3rd party die op een andere manier met onze Citrix omgeving moet verbinden. Die kregen een bepaalde error, Google leverde niet veel op. Eerste call met Citrix support was wat je er van kon verwachten (niet dus).

Dan AI ingeschakeld: situatie uitgelegd, technische info meegegeven, logs. Eerste antwoord: "dit is het issue, the smoking gun is xxx". Een instelling die compleet niets met de zaak te maken had. Benadrukt dat er inderdaad wel een probleem was met X maar dat dat los stond van dit issue.
Antwoord: "oh sorry, you're right".

Uiteindelijk wel het issue gevonden maar dan vooral omdat die veel sneller logs kan uitlezen en zaken uithalen die eruit springen.
Maar de hoeveelheid zooi die tussen de antwoorden zat is toch hoog. CLI commandos die niet werken, naar folders verwijzen die niet bestaan. Allemaal omdat die in oudere versies wel zaten en die op die data getrained is.

Maar al bij al wel tevreden over: logs uitlezen en verwerken, (Powershell) scripts schrijven: gaat allemaal een pak sneller. Maar blind vertrouwen heb ik er nog altijd niet in.

 

[Général Zantas]

Dus: een theoretische besparing, want die lokale dakwerker en loodgieter zou geen zelfstandige betalen voor 350€.

En juistheid is nog altijd een bijwerking van ChatGPT, dus wat jij doet, werkt in dit geval. Maar is geen goeie bedrijfspolicy. Want als je die nu deletet en plots start hij niet meer op, je gaat naar je chat in ChatGPT en zegt hem dat, wat zal hij zeggen? "Ja, je hebt gelijk. Dat is één van de valkuilen, sorry daarvoor. Je moet zeker letten op..." Fijn, maar te laat.

Net als met de batterij van je wagen. Met wat opzoekwerk zul je zeker goeie stappen vinden. Waarschijnlijk zal ChatGPT op diezelfde stappen uitkomen als je goed genoeg kunt prompten (wat dus al verkeerd gebruik is van een LLM: je gebruikt hem als zoekmachine om de resultaten te benaderen van het echte zoeken). Maar het is onbekend hoeveel fouten daarin zitten en of hij uit de juiste manuals van de juiste jaartallen zaken heeft gehaald.

Dus: Kan het? Waarschijnlijk wel. Nee. Is het beter dan googelen? Nee. Is het sowieso veilig? Nee.

Toevallig 2 weken op het terug Copilot suggestie gevolgd voor een mailbox issue, blijkt dat ik de mailbox data gewist heb door die command te volgen en als ik copilot erop aanspreek, was het inderdaad van "sorry, dat is inderdaad het gevolg van de command die ik gegeven heb en waarbij ik de risico's niet heb meegedeeld. Dit is mijn fout."

Ik haat Copilot nog meer sindsdien, letterlijk niks van wat die zegt, werkt. Terwijl ik overigens enkel Office-365 product gerelateerde info navraag.

 

[the_fox]

k zou nooit zomaar een Dropbox folder van 80GB verwijderen, omdat het hier gaat over belangrijke mappen van mijn werk + backups. ChatGPT heeft bevestigd dat het een oude Dropbox timestamp-map is. Zonder die info ga ik mijn werk en backups nooit verwijderen.

Uiteindelijk heb je het wel zomaar verwijderd want je bent afgegaan op info uit LLM-modellen (die bekend staan om te hallucineren en foute info te geven)...

Zie ook voorbeeld hierboven.

 

[JanusDR]

Al denk dat het vaak ook gewoon een zeer veredelde google is, omdat de AI die oplossingen ook gewoon zelf online gevonden/geleerd heeft. Maar vroeger kostte het je vaak een uur of langer eer je online de oplossing vond, terwijl het nu een kwestie van minuten is.

Intensief Claude Opus 4.7 adaptive gebruikt de afgelopen maanden, en ik kan dit sterk beamen.
Ik vind het een betere en veelzijdiger zoekmachine, maar niet voor kritische zaken waar fouten katastrofaal zijn.
In de handen van een specialist in de materie is het een grote productiviteitswinst, toch voor bepaalde toepassingen.
Het feit bv. dat je met een LLM tegelijkertijd in 5 talen naar een onderwerp kan zoeken, is uitermate productiviteitsverhogend in sommige niches.

Prompting is belangrijk (zie https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents ) , maar zelfs voor een leek zorgt het voor algemene onderwerpen doorgaans voor een veel gestructureerder en genuanceerder antwoord dan wanneer die zelf zou beginnen Googelen en op de eerste de beste random site terecht komt, om daarna verloren te lopen in irrelevante of gelijkaardige links.

Mijn conclusie is zowat:
Als uw job bestaat uit
- moeilijk vindbare informatie hebben of eenvoudig toepassen van die info (= specialism through obscurity)
- weinig analyse maar eerder cosmetische zaken (artistieke vormgeving in de breedste zin, visueel aantrekkelijke presentaties maken van data/analyses, ...)
- boilerplate zaken: facturen categoriseren, beeldherkenning (zie Spotwatch dermatologie), een groot aantal van de niet-gespecialiseerde vertalingen, ...
- grafische creativiteit (niet backend heavy websites, logo's, image/graphics generation, ...)
-> you're in trouble

Tenzij de vraag naar uw product in dezelfde mate stijgt als de productiviteitswinst, wat ik betwijfel in de meeste categorieën hierboven.

En juistheid is nog altijd een bijwerking van ChatGPT, dus wat jij doet, werkt in dit geval. Maar is geen goeie bedrijfspolicy. Want als je die nu deletet en plots start hij niet meer op, je gaat naar je chat in ChatGPT en zegt hem dat, wat zal hij zeggen? "Ja, je hebt gelijk. Dat is één van de valkuilen, sorry daarvoor. Je moet zeker letten op..." Fijn, maar te laat.

Dit is idd nog steeds een grote valkuil. LLM's zijn voorlopig goed in de handen van een specialist die de bullshit snel kan identificeren.
In de handen van een leek is het soms hit & miss. (wat in veel gevallen trouwens veel beter is dan enkel miss, toch bij niet-kritische zaken).

Waarschijnlijk zal ChatGPT op diezelfde stappen uitkomen als je goed genoeg kunt prompten (wat dus al verkeerd gebruik is van een LLM: je gebruikt hem als zoekmachine om de resultaten te benaderen van het echte zoeken). Maar het is onbekend hoeveel fouten daarin zitten en of hij uit de juiste manuals van de juiste jaartallen zaken heeft gehaald.

Dus: Kan het? Waarschijnlijk wel. Nee. Is het beter dan googelen? Nee. Is het sowieso veilig? Nee.

Wat is het juiste gebruik van een LLM, en waarom is googelen beter?

 

[Loser]

Toevallig 2 weken op het terug Copilot suggestie gevolgd voor een mailbox issue, blijkt dat ik de mailbox data gewist heb door die command te volgen en als ik copilot erop aanspreek, was het inderdaad van "sorry, dat is inderdaad het gevolg van de command die ik gegeven heb en waarbij ik de risico's niet heb meegedeeld. Dit is mijn fout."

Ik haat Copilot nog meer sindsdien, letterlijk niks van wat die zegt, werkt. Terwijl ik overigens enkel Office-365 product gerelateerde info navraag.

"Je prompt".
"Onderwerp A heeft een sterke correlatie met prompt, onderwerp B en onderwerp C komen ook redelijk vaak samen voor.
"Woord 1" staat centraal in "Zin 1", correlatie met "woord 2" omdat die 100% van de tijd samen voorkomen (de). Correlatie met "woord 3". Correlatie met "woord 4".
"Zin 2 over onderwerp B."

Dat is hoe een LLM werkt. In geen enkel van die stappen staat "klopt het wat ik zeg". Natuurlijk, dit is veel te vereenvoudigd en tegenwoordig werken ze al een heel pak beter. Beter in checks, maar aan het centrale stuk verandert niets omdat dat fundamenteel is: juistheid is een bijproduct. Zeker bij die basis-LLM's, die ook nog eens andere doelen hebben, zoals je zo lang mogelijk op de website houden. Waarom denk je anders dat het antwoord nooit het einde is van een gesprek? Het is nooit: voilà, dat was wat je gevraagd had! Nee, het is altijd: zal ik anders een mooi stappenplan in word maken? Of "maak ik een samenvatting om je manager te overtuigen?" of "als je het helemaal af wilt maken, kunnen we X en Y nog aan je script toevoegen, zeg maar als je dat wilt!"

Ik heb het hier misschien al eens geschreven, maar wij gebruiken AI en een LLM om AI-geschreven teksten te herkennen. Die dient daar specifiek voor, en wat die eigenlijk doet, is kijken "of hij het ook zo zou doen". Of de correlaties LLM-logisch zijn. Ga je dan naar een basis-LLM als Copilot of ChatGPT, dan merk je heel snel het verschil. Ik gaf een tekst in, en hij zei: Dit is 70% zeker door een mens geschreven. Ik zeg: Maar ik ben een mens, en volgens mij is dit echt wel door AI geschreven, zo emotieloos. "Je hebt gelijk, het is 60% zeker door AI geschreven, dat zie je aan de kille en koude toon van een machine". Er zijn geen percentages, er is geen berekening, er is geen juistheid. Er is een antwoord waarbij 60 een hoge correlatie heeft (en mogelijk een hoge tevredenheid van gebruikers, die blij zijn met hun antwoord).

 

[JanusDR]

Trouwens, rejoice fellow nerds!

De tijden dat je een goede analyse kon maken, maar het slechts beperkt kon overbrengen in tegenstelling tot de luchtverkopers zijn grotendeels voorbij!
"Skills" zoals mooie powerpoint presentaties, aantrekkelijk gestructureerde reading notes, keurig opgestelde emails, of bevlogen toespraken maken, zijn niet langer belemmeringen voor uw carrière

 

[Loser]

Wat is het juiste gebruik van een LLM, en waarom is googelen beter?

Er zijn veel juiste gebruiken van een LLM. In dit geval bijvoorbeeld: kun jij het stappenplan eens netjes voor mij uitschrijven?
In een ander geval kan een LLM heel goed coderen. Ik kan geen letter python. Ik kan aan Google wel gaan vragen hoe pythonexpressies eruitzien, en na weken studeren zal ik iets in elkaar kunnen knoeien. Of ik zeg tegen een LLM: ik wil dit-en-dit en schrijf eens een scriptje.

Ga ik dat scriptje gebruiken in mijn bedrijf? Nee. Is dat veilig? Nee. Gaat het van de eerste keer werken? Zeer zeker weten van niet, maar ik kan genoeg knutselen om vanuit die basis wel iets te maken. Dit gaat nooit lukken via Google op 2u tijd.

In het geval van Horse was Google beter, omdat wat hij wil bekomen, een stappenplan is voor zijn auto om een batterij te vervangen, dat meer dan waarschijnlijk bestaat (of door een combinatie van 2 zaken, een algemeen en de handleiding van zijn wagen). En hij gaat een LLM gebruiken die dan op het internet allerlei bronnen bij elkaar gaat zoeken, en het ultieme doel is... datzelfde stappenplan om je batterij te vervangen dat je had kunnen googelen. Alleen gaat de LLM dat niet overnemen, maar er zijn eigen samengestelde tekst van maken. Waar dus allerlei àndere stappenplannen van àndere automerken in elk woord kunnen sluipen.

Als je uiteindelijke doel een googlebaar document is van op een betrouwbare plek, google dan dat document. Dat is al gefactcheckt.

 

[Horse]

Uiteindelijk heb je het wel zomaar verwijderd want je bent afgegaan op info uit LLM-modellen (die bekend staan om te hallucineren en foute info te geven)...

Zie ook voorbeeld hierboven.

Wat was mijn alternatief dan? Het vragen aan een specialist en die vergoeden voor zijn kennis?

Bij de instellingen heb ik duidelijk geplaatst dat hij niet mag hallucineren, dat hij enkel zaken mag zeggen waarvan hij zeker is, enzovoort... dat, samen met de historiek dat hij weet wie ik ben en wat ik allemaal doe, zorgt er wel voor dat die LLM mijn partner is (of alleszins geen onbekende)

 

[Z3r0]

En in het geval van zijn batterij kan hij gewoon beter een filmpje op Youtube zoeken.
Hij gaat daar waarschijnlijk zelf eentje vinden van zijn specifieke auto.

 

[the_fox]

Wat was mijn alternatief dan? Het vragen aan een specialist en die vergoeden voor zijn kennis?

Het zelf opzoeken of gewoon laten staan?

Want weet je nu eigenlijk wat je verwijderd hebt? Ik heb geen idee wat een "oude Dropbox timestamp-map", waar jij het over hebt, is hoor...