Twee eigen bouwprojecten en wat ze ons leerden: dGEN Visual Studio draait op echte modellen en maakt onze eigen beelden, en onze interne agent kreeg een geheugen dat verandering aankan plus een grens die niet stil terugvalt.
Wij bouwen niet alleen voor klanten, we bouwen ook voor onszelf. Dat is geen hobby: elk eigen product is een proef op de som van precies de techniek die we daarna aanraden. Als de keten stuk is, merken wij dat eerst, en niet een klant.
Deze maand stonden er twee dingen centraal. De beeldstudio draait nu op echte modellen en maakt het beeld voor onze eigen artikelen. En onze interne agent kreeg een geheugen dat verandering aankan, plus een grens rond het uitvoeren van opdrachten die niet stilletjes wegvalt.
dGEN Visual Studio is ons tweede eigen product: één scherm waarin de toonaangevende beeld- en videomodellen naast elkaar staan, met een rechtstreekse generator, een assistent die het model kiest, en een canvas waarop je een pijplijn bouwt en bewaart.
De stap van deze periode was de overgang van proefopstelling naar echte aanbieders. Sindsdien geldt bij ons een eigen regel: elk artikel op deze site krijgt zijn beeld uit onze eigen studio, via dezelfde koppeling die een klant zou gebruiken.
Dat is bewust omslachtiger dan rechtstreeks bij een aanbieder aankloppen. Het levert wel iets op wat anders pas bij een klant zichtbaar wordt: breekt er iets in de keten, dan merken wij het bij het eerstvolgende artikel. De studio zelf is nog besloten, met een wachtlijst op dgenvisual.com. Zie wat is dGEN Visual Studio.
Drie dingen, en ze gelden voor iedereen die beeld laat genereren in een productieproces.
Een mislukte aanroep kan een geslaagde lijken. De koppeling gaf keurig een positief antwoord met de mislukking erin verpakt. Wie alleen naar de status kijkt, schrijft een lege afbeelding weg en ontdekt dat pas als de pagina live staat.
Eén huisstijlregel achter elke prompt is het verschil tussen een reeks en een verzameling losse plaatjes. Zonder die regel lijken tien covers in hetzelfde overzicht niet uit dezelfde camera te komen.
En een beeld toont waar het stuk over gaat, niet een sfeer. Een artikel over de noodstop krijgt een noodstop. Sfeerbeelden zijn niet van een voorraadsite te onderscheiden, en dan had je ze net zo goed daar kunnen halen.
Onze interne agent had hetzelfde probleem als vrijwel elke assistent: hij vond wel terug wat er ooit gezegd was, maar niet wat er sindsdien veranderd was. Twee fragmenten over hetzelfde onderwerp uit verschillende maanden lijken allebei even relevant, en dan kiest het model er zelf een.
De oplossing was het geheugen omzetten naar een kennisgraaf: feiten met een richting en met een moment waarop ze waar werden, in plaats van losse stukken tekst. Een nieuw feit vervangt daarmee het oude in plaats van ernaast te gaan liggen.
Daar leerden we iets dat in geen handleiding stond: aanbieden en verwerken zijn twee verschillende momenten. Het systeem meldde dat een herinnering was doorgegeven terwijl hij pas in de wachtrij stond, en de verwerking duurde daarna nog minuten. Wie dat verschil niet kent, toetst zijn geheugen op iets dat nog niet bestaat. Zie het geheugen van een AI-agent.
Het tweede stuk werk ging over veiligheid. Onze agent kan opdrachten uitvoeren, en daarmee verschuift de vraag van hoe goed het model is naar wat het kan aanrichten als het zich vergist of misleid wordt.
De eerste opzet begrensde dat met de middelen van het besturingssysteem. Die bleek op de ene machine een toegangsfout te geven en op de andere helemaal niet beschikbaar te zijn. De grens werkte dus nergens, terwijl het systeem verder gezond meldde.
Nu draait het uitvoeren in een eigen afgesloten omgeving: geen sleutels, geen accounts, geen internet, geen schrijfrecht buiten een werkmap. En de belangrijkste regel die we eruit haalden: is die omgeving er niet, dan moet uitvoeren mislukken. Niet dan-maar-gewoon-hier, want dan draait het opeens naast alle sleutels en ziet niemand het. Zie de sandbox als grens.
Niet om te laten zien dat we iets gebouwd hebben. Wel omdat in beide gevallen de fout in dezelfde hoek zat: een systeem dat meldt dat het goed gaat terwijl het onderdeel dat ertoe doet niet werkt.
De studio meldde een geslaagde generatie die mislukt was. Het geheugen meldde een opgeslagen feit dat nog in de wachtrij stond. De uitvoering meldde een gezonde dienst terwijl de grens nergens actief was. Drie keer dezelfde les: toets wat het onderdeel moet doen, niet of het aan staat.
Sindsdien controleert ons uitrolscript niet of de dienst draait, maar of hij werkelijk een opdracht kan uitvoeren. Dat is een klein verschil in code en een groot verschil in wat je weet.
Drie dingen die we nu standaard meenemen. Een koppeling wordt getoetst op de inhoud van het antwoord en niet op de status. Een geheugen krijgt een manier om feiten te laten vervallen, anders geeft het over een half jaar verouderde antwoorden met volle overtuiging. En een agent die iets uitvoert, krijgt zijn grens in het systeem en niet in zijn instructies.
Dat zijn geen grote ingrepen. Ze bepalen wel of een systeem na zes maanden nog vertrouwd wordt. Zie van losse tools naar een AI-systeem.
Nog niet vrij. De studio is besloten en er staat een wachtlijst op dgenvisual.com. Wie zich inschrijft krijgt bericht zodra er plek is.
Nee, dat is ons eigen systeem. Wat we eruit leren, komt wel terecht in wat we voor klanten bouwen.
Nee. Voor documenten en achtergrond is zoeken op betekenis prima. Een graaf loont bij feiten die veranderen en bij vragen die een verband moeten volgen.
Omdat we dan dezelfde weg lopen die we een klant aanraden. Een keten die alleen in een demo werkt, is geen keten.
In wanneer mag AI zelf handelen staat waar de goedkeuring hoort te zitten.
Meer van hetzelfde, en dat is de bedoeling: elke maand een stuk eigen werk waarvan de lessen bruikbaar zijn voor klantprojecten. Wilt u weten wat hiervan op uw situatie van toepassing is, neem contact op.
dGEN Productions, AI agency en business-automation partner uit Eindhoven. info@dgenproductions.nl · 06-87413056