LLM og diffusions-modeller som kreative værktøjer

Anvendelse af diffusionsmodeller

Jeg anvender primært diffusionsmodeller til stemning og visuelt fyldstof, hvor jeg tidligere anvendte generiske stock-fotos. Modellerne er ideelle til bringe enten rigtige eller genererede billeder til liv - som i toppen af denne side, hvor fokus er stemning frem for kontinuitet. Derudover er teknologien fantastisk til at generere teksturer/mønstre til fx 3D-renderinger og grafiske elementer.

Det grafiske håndværk er fundamentet

Generativ AI er blot et redskab og har klare begrænsninger. For at sikre fuld visuel konsistens tegner og animerer jeg stadig alt 2D- og 3D-illustration manuelt. Modellerne er for uforudsigelige og upræcise til konsistent design - selv til stemningsbilleder og video kræves der ofte omfattende "seed-hunting" (adskillige billeder/videoer genereres og danner grundlag for slut-generering).

GDPR og fortrolighed

Gemini (Workspace) er min daglige driver til hurtige hverdagsspørgsmål, men når jeg arbejder med data, kode, rapporter, foretrækker jeg lokalt afviklede open source-modeller. Ved at køre modellerne direkte på min egen PC forlader data aldrig computeren. Det betyder, at jeg kan udføre dataanalyse og strukturere store tekstmængder lokalt - med garanti for, at data ikke lander på cloud-servere i USA eller bliver brugt som træningsdata af store AI-virksomheder.

Lokale open source værktøjer

Mine workflows er bygget op omkring open source-værktøjer. Billeder, video & lyd: nodebaserede workflows i ComfyUI med diffusionsmodeller som LTX, Minimax og Z-Image, kombineret med værktøjer til opskalering, lyd og soundscapes. Kode & Analyse: Lokale sprogmodeller som Qwen3.8 direkte i VS Code og AnythingLLM. Det gør det muligt at køre lokale AI-agenter, som kan analysere, strukturere og søge på tværs af store dokumenter og kodebaser med hurtig responstid og 100% kontrol over egne data.

Mit syn på AI & LLM'er

Jeg er tech-nørd og bruger sprogmodeller og diffusionsmodeller dagligt, jeg er fan. Dog foretrækker jeg at kalde det LLM frem for "AI". LLM er avanceret software og ikke reel intelligens eller vejen til singularitet.

Vi befinder os i en massiv hypet boble drevet af store tech-virksomheder. Jeg ser frem til, at markedet stabiliserer sig, så vi igen kan købe hardware til rimelige priser - og selvfølgelig fokusere på den reelle værdi, som værktøjerne skaber:)

Mit syn på LLM og datasikkerhed

Historien viser, at hvis data kan misbruges eller lække, sker det før eller siden. Hvad enten det gælder myndigheder eller virksomheder, er tillid ikke nok. Der er rigelig evidens for at udenlandske tech-giganter indsamler og sælger data i massivt omfang.

Data der i dag virker ufarlige, kan blive kritiske i fremtiden, ikke mindst i takt med at nye analyseværktøjer opstår. Min tilgang er derfor simpel: Den bedste måde at beskytte data på er at holde dem lokalt.