Passa ai contenuti principali

Post

Elogio di una tabella ostinata

Ovvero: delle intelligenze artificiali, della loro presunzione e di un modesto programma che sapeva leggere   Vi sono fallimenti che hanno la cortesia di presentarsi subito, e altri, assai più raffinati, che preferiscono travestirsi da successi imminenti. Questi ultimi sono i più pericolosi: non perché ci ingannino, ma perché ci persuadono a collaborare entusiasticamente al nostro inganno. Mi sono imbattuto, lavorando a un mio progetto di intelligenza artificiale, in una creatura apparentemente innocua: una tabella contenuta in un documento PDF. Una tabella, si dirà. Un manufatto modesto, ordinato, quasi burocratico. Righe e colonne; numeri e parole; qualche intestazione. Nulla che possa turbare una piccola intelligenza artificiale locale, soprattutto una di quelle che promettono di comprendere il linguaggio, interpretare immagini, ragionare e assisterci nelle più ardite imprese del pensiero. E invece quella tabella si rivelò un mostro metafisico. Le intelligenze artificiali locali...

Quando quattro intelligenze artificiali collaborano

Può la collaborazione tra modelli di Intelligenza Artificiale differenti produrre una soluzione progettuale che nessuno di essi aveva proposto inizialmente? È la domanda alla base di una sperimentazione che ho condotto con IdeaLab V8 (nome  mock da me inventato) , il modulo di orchestrazione multiagente e multi-provider integrato in RAGradix Pro (il sistema RAG che già conoscete) , recentemente evoluto attraverso l'introduzione del framework LangGraph.js . Come banco di prova ho scelto Parlino, il mio progetto di dispositivo vocale intelligente basato su ESP32, microfono digitale INMP441 e amplificatore audio I²S MAX98357A. L'obiettivo non era semplicemente ottenere un progetto elettronico, ma osservare come modelli IA differenti potessero esplorare soluzioni alternative, confrontarle criticamente e tentare di elaborare una proposta nuova. Quattro intelligenze artificiali, un unico problema L'esperimento ha coinvolto quattro provider, ciascuno con una responsabilità specifi...

Dal datasheet alla simulazione

È possibile costruire un modello di simulazione partendo esclusivamente dalle informazioni contenute nel datasheet di un componente elettronico? E soprattutto, come possiamo verificare che quel modello riproduca effettivamente le caratteristiche dichiarate dal costruttore? Ho provato a rispondere utilizzando Micro-Cap 12 e l'amplificatore operazionale OPA1656 di Texas Instruments . Il risultato è un macromodello SPICE sottoposto a 27 confronti numerici , mediante 14 circuiti di prova. Tutti i risultati ottenuti sono compatibili con i riferimenti adottati dal datasheet. Un risultato interessante, purché interpretato correttamente: la corrispondenza con 27 parametri non dimostra che il modello riproduca ogni possibile comportamento del componente reale. Perché costruire un modello SPICE? Chi utilizza un simulatore elettronico conosce bene il problema: il componente desiderato non sempre è presente nella libreria del programma. Le alternative più comuni sono utilizzare un...

Risultati della simulazione di Parlino

Un assistente vocale su ESP32, con l'intelligenza artificiale che gira tutta in locale. Prima prova completa: funziona!  Sto progettando in KiCad una scheda audio con ESP32, microfono I²S (INMP441) e amplificatore (MAX98357A). Prima di avere il PCB in mano volevo sapere una cosa: il giro completo voce → risposta parlata regge con i tempi? Così ho simulato la scheda.  L'ESP32 vero tiene in flash una frase registrata ("Ciao! Come ti chiami e che cosa sai fare?") e la invia via WiFi al ritmo di un microfono vero, come se qualcuno stesse parlando. Sul laptop: 🎙️ la voce viene trascritta in testo 🧠 un modello linguistico scrive la risposta 🔊 la risposta torna voce, in italiano 📡 l'audio rientra nell'ESP32, che stampa sul monitor seriale testo, durata, volume e tempi Niente cloud e nessun abbonamento: tutto gira su un normale portatile. Dalla fine della frase al primo audio di risposta, la prima prova impiegava circa 20 secondi. Dopo un po' di me...

Un piccolo cervello nella ESP32

Quando l'intelligenza artificiale entra in un microcontrollore e impara a fare qualcosa da sola. Siamo abituati ad associare l'intelligenza artificiale a computer potenti, grandi modelli linguistici, server remoti e risorse di calcolo considerevoli. Ma cosa accade quando proviamo a trasferire una piccola rete neurale all'interno di un comune microcontrollore? Questo pomeriggio ho voluto verificarlo sperimentalmente, utilizzando una scheda ESP32 e TensorFlow Lite Micro, una tecnologia progettata per eseguire modelli di machine learning su dispositivi con risorse limitate. L'obiettivo era semplice, almeno sulla carta: far eseguire direttamente al microcontrollore una rete neurale precedentemente addestrata ad approssimare la funzione matematica y = sin(x), senza ricorrere a servizi cloud e senza alcuna connessione Internet durante l'esecuzione. Non si trattava, quindi, di programmare la scheda affinché calcolasse una sinusoide attraverso una normale funzio...

Sentire il pensiero artificiale

E se fosse possibile capire se più intelligenze artificiali collaborano davvero semplicemente ascoltando della musica? È questa la domanda da cui nasce una mia nuova idea per MusicRAG, il mio progetto dedicato alla composizione musicale assistita dall'intelligenza artificiale. Quando diversi agenti IA, appartenenti anche a provider differenti, lavorano insieme per risolvere un problema, siamo generalmente abituati a valutarne i risultati attraverso testi, indicatori, registri delle interazioni e analisi delle decisioni. Ma esiste forse un'altra strada, meno convenzionale e più vicina alla nostra sensibilità: trasformare la loro collaborazione in un'esperienza musicale. Immaginiamo un'orchestra nella quale ogni strumento rappresenti un agente intelligente.  Il pianoforte propone un tema, il violino lo interpreta e lo sviluppa, il violoncello costruisce una struttura armonica, mentre le percussioni contribuiscono all'equilibrio ritmico della composizione. ...

Musica agentica

Da qualche giorno porto avanti il mio Music RAG Pro, un piccolo studio musicale per Windows in cui descrivi un brano a parole e l'intelligenza artificiale lo compone in MIDI, traccia per traccia. Fino alla versione precedente avevo un problema: anche usando modelli molto capaci, i brani suonavano “a loop”.  Il motivo non erano gli agenti, ma il contratto che davo loro: potevano decidere solo tonalità, quattro accordi e un motivo di poche note. Il resto lo ripeteva il motore. Con la versione 0.9.4 dell'app ho cambiato approccio, e ho introdotto la Partitura PRO: 🎹 gli agenti scrivono il brano intero: forma, accordi battuta per battuta, melodia completa, arrangiamento per sezione 🤝 Claude Code, Codex e Antigravity lavorano come una band: compositore, arrangiatore, revisore, oppure in concorso tra loro 📊 un critico musicale locale valuta ogni versione da 0 a 100 e conserva sempre la migliore 🎧 in riproduzione le note si illuminano e la timeline segue la musica La l...