Szwedzki inżynier tworzy Marginalia: niezależną wyszukiwarkę bez Google i Bing
Victor Lövgren uruchomił Marginalię, wyszukiwarkę opartą na własnym crawlerze i indeksie, która nie korzysta z danych Google ani Bing. Projekt koncentruje się na stronach tekstowych i transparentności, pozostając open-source na licencji AGPL.
Victor Lövgren ze Szwecji stworzył wyszukiwarkę, która nie działa w oparciu o infrastrukturę Google czy Bing. Projekt istnieje od 2021 roku, a jego utrzymanie kosztuje około 200 dolarów miesięcznie.
Lövgren argumentuje, że większość alternatywnych wyszukiwarek w rzeczywistości polega na danych Google lub Bing, albo systemach pochodzących z państw autorytarnych, takich jak Rosja i Chiny. Jego wyszukiwarka, Marginalia, wykorzystuje własny crawler oraz własny indeks. Nie zawiera reklam, nie ma kredytu bankowego ani inwestorów.
Jego rozumowanie jest proste. Gdy niemal całe wyszukiwanie przechodzi przez kilka amerykańskich firm, cenzura staje się zbyt łatwa, nawet przypadkowo. A specyfika kulturowa jednego kraju zaczyna determinować to, co znajduje reszta świata.
Nie próbuje on zastąpić Google. Chce, aby Marginalia była alternatywnym punktem widzenia, który zapobiega całkowitej kontroli wyników przez głównych graczy rynkowych.
Dlatego Marginalia eksponuje to, co inni zwykle chowają głębiej: osobiste blogi, stare strony uniwersyteckie oraz witryny składające się głównie z tekstu, które niczego nie sprzedają.
Kluczowe funkcje:
- Transparentność: Dla każdego wyniku pokazuje, czy strona używa linków afiliacyjnych lub JavaScript. Te elementy można filtrować.
- Tryb Eksploracji: Tryb, który po prostu wyświetla losowe strony z indeksu.
- Oparta na słowach kluczowych: Wyszukiwanie jest specyficznie zbudowane wokół fraz kluczowych. Lövgren uważa, że im lepiej wyszukiwarka radzi sobie z odpowiadaniem na pytania, tym gorzej wypada w znajdowaniu samych stron internetowych.
Projekt jest otwarty na licencji AGPL, więc możesz hostować własną kopię.
Dlaczego to ważne
AnalizaW erze, gdy kilku technologicznych gigantów dominuje dostęp do informacji, niezależne wyszukiwarki open-source zapewniają niezbędną różnorodność, opierając się ukrytej cenzurze i komercyjnym uprzedzeniom w wynikach wyszukiwania.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Otwarte wagi vs. zamknięte API (Open vs Closed AI)
Porównanie dwóch fundamentalnych filozofii udostępniania sztucznej inteligencji: otwartych wag (Open Weights – Llama, Mistral, DeepSeek), które można pobrać i uruchomić na własnym serwerze, versus zamkniętych chmurowych API (Closed API – OpenAI, Anthropic, Google), gdzie dostęp jest przyznawany wyłącznie poprzez subskrypcję.
Harvard udostępnia darmowy kurs o inżynierii systemów ML
Harvard udostępnił kurs CS249r, poświęcony infrastrukturze potrzebnej do trenowania, wnioskowania i wdrażania modeli AI. Materiały obejmują TinyTorch, interaktywne laboratoria, MLSys·im oraz slajdy wykładów.
Jev i System One AI: Kompletny praktyczny przewodnik po modelu decyzyjnym od TypeSafe
Głęboka analiza inżynieryjna flagowego modelu Jev: architektura System One w kontraście do LLM, prymitywy Choice/Score/Noul, równoległość zapytań, matematyka pewności, przypadki użycia wideo, kod oraz przegląd lokalnych alternatyw open-weight (Laya, GLiNER2.5, CLM-8B).
Machine Unlearning
Technology for surgically removing specific knowledge, private user data, or copyright-restricted materials from the weights of an already trained neural network. It allows companies to comply with 'Right to be Forgotten' (GDPR) requirements without the prohibitively expensive cost of full model retraining.