Passa ai contenuti principali

Post

Un partner di peer-review

C'è un modo pigro di usare l'intelligenza artificiale: fare una domanda, leggere la risposta e fidarsi.  E c'è un modo emancipato: condurre un interrogatorio strutturato, in cui ogni prompt ha una funzione precisa e l'ultima parola spetta al tuo senso critico, non al modello. La differenza non è filosofica, è pratica. Un modello linguistico non è un database di fatti: è una mappa probabilistica di relazioni tra concetti.  Con una domanda generica, la risposta tende verso la media divulgativa — quella piena di analogie zoppe e semplificazioni che avete già letto e sentito mille volte.  Con un prompting strutturato, restringete lo spazio di campionamento verso i quadranti più densi e rigorosi di quella mappa. Ho messo alla prova per voi che mi seguite questo approccio su uno dei temi più maltrattati dalla divulgazione: l'entanglement quantistico. Ecco le sei mosse, in ordine, con il perché di ciascuna. Mossa 1 — Prima di costruire, bonifica il terreno Il primo prompt ...
Post recenti

Il polo protagonista

Chi non ha visto nella sua vita almeno una volta l'insieme di Mandelbrot: quella figura nera contornata di filamenti psichedelici che è diventata l'icona non ufficiale del caos matematico. E pensare che basta una piccolissina modifica nella formula del frattale per ottenere un risultato visivo completamente diverso — con un comportamento geometrico quasi opposto. Il Mandelbrot classico nasce da una regola semplicissima: z(n+1) = z(n)² + c Si parte da z₀ = 0, si itera, e si guarda se la successione esplode o resta limitata. Punto per punto sul piano complesso, questo produce l'insieme che tutti conoscono. Nella versione che qui vi propongo, il quadrato è finito al denominatore: z(n+1) = 1/z(n)² + c Sembra un dettaglio, ma cambia la natura matematica dell'oggetto: non è più un polinomio ma una funzione razionale, con un polo in z = 0 (dove la formula esplode, essendo una divisione per zero). Per questo la successione non può più partire da z₀ = 0 come nel Mandelbrot origi...

Dall'idea al prototipo giocabile in tempo record

C'è un momento, nello sviluppo di un videogioco, in cui un'idea brillante rischia di spegnersi.  Non perché sia sbagliata, ma perché la distanza tra “ce l'ho in testa” e “lo posso provare” è troppo lunga. Servono ore di setup, righe di codice ripetitivo, una UI da cablare, sistemi da collegare.  Quando finalmente il prototipo gira, l'entusiasmo iniziale si è già raffreddato. È proprio qui che l'accoppiata tra un'IA agentica e un motore come Unity sta cambiando le regole del gioco. Unity è il mondo. È il motore che trasforma asset, fisica, luci e input in un'esperienza giocabile e multipiattaforma, dallo smartphone al desktop. Ti dà la scena, gli oggetti, il ciclo di gioco e un ecosistema enorme di risorse pronte all'uso. L'IA agentica è l'acceleratore. La differenza rispetto a un semplice assistente che suggerisce sta tutta in quell'aggettivo: un'IA agentica non si limita a proporre frammenti di codice, ma pianifica, esegue pa...

Fine-tuning locale di un modello linguistico

Fine-tuning locale di un modello linguistico: successi, limiti e lezioni apprese Ho fatto un nuovo fine-tuning su un piccolo modello linguistico locale. Non volevo limitarmi a dire: “ho addestrato un modello”. Volevo capire una cosa più importante: il nuovo addestramento migliora davvero le risposte? Per verificarlo ho costruito una pipeline completa. Prima ho preparato una serie di prompt di test. Poi ho interrogato il modello base e ho salvato le sue risposte in un file. Successivamente ho costruito un dataset in formato JSONL, con coppie istruzione-risposta, e ho eseguito un fine-tuning leggero tramite adapter. La tecnica usata è stata quella del fine-tuning parametrico efficiente , cioè un adattamento che non modifica tutto il modello, ma addestra solo piccoli componenti aggiuntivi. In pratica, il modello di partenza resta quasi invariato, mentre viene creato un piccolo adapter specializzato. Questo rende l’esperimento molto più leggero, adatto anche a un laptop di fasc...

Il sogno dell'automazione

Il fermento attorno all'Intelligenza Artificiale ha alimentato un mito pericoloso: l'idea che basti premere un bottone per ottenere sistemi complessi, sicuri e personalizzati. Nel mondo delle soluzioni locali e protette — come le architetture RAG (Retrieval-Augmented Generation) — questa è un'illusione. La verità è che l'indipendenza digitale non si compra un tanto al chilo e non tollera la pigrizia intellettuale. Sviluppare una pipeline che colleghi la conoscenza privata al web in totale sicurezza richiede competenza, adattamento e, soprattutto, la volontà di studiare. Chi cerca la soluzione pronta senza sforzo è destinato a fallire al primo aggiornamento software. Costruire un assistente che elabori dati offline non significa installare un'applicazione commerciale. Significa far dialogare componenti radicalmente diversi: file system, interpreti di codice, chiamate API locali e driver hardware. Ogni passaggio di questa catena rappresenta un potenziale p...

Quando la forma diventa pensiero

Questa produzione nasce dalla collaborazione tra la mia mente creativa e l’intelligenza artificiale: un dialogo in cui l’idea artistica, la direzione estetica e la visione compositiva sono state guidate dall’intuizione umana, mentre l’IA ha contribuito a trasformare quella visione in una struttura digitale complessa. Il risultato si avvicina all’architettura parametrica contemporanea.  Tubi metallici, archi, ramificazioni, nodi e attraversamenti costruiscono una composizione asimmetrica ma bilanciata, quasi un monumento urbano sospeso tra ingegneria poetica e installazione artistica. Per realizzarla non mi sono fermato a un semplice utilizzo creativo dell’IA: mi sono spinto fino alla creazione di un vero server MCP personalizzato , capace di collegare il processo generativo a Blender e trasformare l’intenzione artistica in una scena tridimensionale concreta. Non è una modellazione tradizionale, né un risultato casuale. È una forma nata da una regia creativa aumentata: l...

Un quasi-MCP artigianale

È nato da un piccolo esperimento di automazione locale: usare Codex Desktop non solo per scrivere codice, ma per entrare in un ciclo operativo con Blender, fino a ottenere un risultato visivo valutabile e migliorabile. L’idea di partenza era semplice: Codex può preparare uno script per Blender, ma il problema è che, senza feedback, lavora quasi alla cieca. Scrive codice, ma non vede davvero cosa succede nella scena. Allora ho costruito una piccola pipeline automatica. Il ciclo funziona così: Codex modifica lo script  ↓  PowerShell intercetta il salvataggio ↓  Blender si avvia in background  ↓  Blender esegue lo script  ↓  viene salvata la scena modificata  ↓  viene generato un render PNG  ↓  Codex usa immagine e log come feedback  ↓  Codex corregge di nuovo lo script  In pratica ho creato una sorta di ciclo chiuso creativo. Non è un MCP standard, perché non c’è un server MCP vero e proprio con tool esposti...