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...

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...

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. ...

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...

Una piccola storia dell'era dell'intelligenza artificiale Un tempo, per imparare rapidamente una lingua straniera, bisognava attraversare una frontiera. Oppure attendere che qualcuno, proveniente dall'altra parte di quella frontiera, decidesse di attraversarla per noi. Oggi le frontiere sono diventate più piccole. Alcune stanno dentro un calcolatore. Ieri sera ho conversato per oltre un'ora con una donna inglese che non ho mai incontrato e che, a essere precisi, non è mai nata. L'avevo costruita nel mio portatile, mettendo insieme una voce, un'intelligenza artificiale e alcune istruzioni.  Non aveva bisogno di Internet. Tutto il suo mondo era racchiuso in una macchina appoggiata sulla mia scrivania. Parlavamo inglese. Quando sbagliavo, mi correggeva con gentilezza.  Quando esitavo, aspettava.  Quando non trovavo una parola, mi aiutava a cercarla. A un certo punto dimenticai che stavo parlando con una macchina. Non perché la credessi umana, ma perché...

L'intelligenza artificiale può diventare il cervello di un robot capace di comprendere il linguaggio naturale e interagire con il mondo fisico?  È questa la domanda da cui è nato un progetto sperimentale:  un cervello vocale AI funzionante e completamente offline.  Il percorso è iniziato oggi sul mio laptop, utilizzato come ambiente di sviluppo e sperimentazione, con l'intenzione di trasferire successivamente il sistema, opportunamente adattato, su una scheda elettronica compatta.  Una prima fase è stata completata con successo.  La realizzazione del robot rappresenta invece la prospettiva successiva. Il primo risultato concreto è la realizzazione di un sistema capace di sostenere una semplice interazione vocale attraverso un modello di intelligenza artificiale eseguito localmente. Il sistema è stato sviluppato, configurato e collaudato, integrando riconoscimento vocale, elaborazione del linguaggio e sintesi della voce.  Il funzionamento è stato...

Con la versione V7.8.2 di IdeaLab, il modulo multi-agente della mia ultima app, ho provato a cambiare domanda. Non più «quale idea è la migliore?», ma: che cosa succede se gli agenti devono cercare le contraddizioni tra le rispettive ipotesi e ricavarne un meccanismo che nessuno di loro aveva proposto? Come funziona oggi IdeaLab?  L'orchestrazione usa modelli di ecosistemi diversi (Claude, Gemini e Codex), ciascuno con un ruolo: esplorazione, ideazione, progettazione, verifica.  Rispetto alle versioni precedenti ho aggiunto tre elementi. Il primo sono i controlli causali, che servono a capire se un'ipotesi spiega davvero il fenomeno o si limita a descriverlo. Il secondo sono le verifiche incrociate tra agenti. Il terzo è un gruppo di controllo: le stesse domande vengono elaborate in modo indipendente, senza collaborazione, così da poter confrontare i risultati. Il sistema conserva anche le ipotesi scartate, i passaggi intermedi e le critiche. Le idee minoritarie re...