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...

Può la collaborazione tra modelli di Intelligenza Artificiale generare soluzioni realmente nuove, anziché limitarsi a combinare idee già conosciute? È questa la domanda che guida i miei ultimi esperimenti. Ho scelto un problema concreto: ridurre gli sprechi d'acqua in un condominio di 20 appartamenti, con un budget massimo di 500 euro, un periodo sperimentale di 60 giorni e rigorosi vincoli di privacy e non invasività. L'esperimento ha coinvolto modelli di ecosistemi differenti, tra cui Claude, Gemini e Codex, impegnati in attività di esplorazione, generazione, progettazione e verifica critica. Dalla collaborazione alla ricerca divergente IdeaLab, la strumento della mia ultima app per Windows, ha inizialmente sviluppato quattro strategie: diagnosi dei consumi notturni, dispositivi per limitare la portata, feedback collettivo e un metodo sperimentale per distinguere i miglioramenti reali dalle normali oscillazioni. La successiva combinazione delle proposte, tutte mol...

Non è arrivato con fragore.  Niente luci al neon, niente promesse roboanti. Si è presentato in silenzio, sullo schermo del mio laptop. Stavo testando un Proof of Concept: un ambiente di incubazione collaborativa delle idee in cui quattro modelli linguistici non si limitano a rispondere, ma esplorano, si criticano, ricombinano le proposte e le verificano, in un processo strutturato.  Non quattro modelli dello stesso provider: sistemi di provider diversi, insieme a LLM locali specializzati. La domanda di partenza era semplice: l'interazione tra intelligenze diverse può produrre qualcosa di qualitativamente nuovo rispetto ai singoli contributi? Ecco cosa è successo. I modelli hanno elaborato tre strategie differenti, basate su confronto critico e analisi strutturale delle idee.   Valutate in modo strutturato, hanno ottenuto 75, 78 e 73 su 100. Poi il sistema ne ha generato una quarta in autonomia , combinando elementi di due strategie precedenti e introducendo un...