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...

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...

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...

Un caso di studio sull'orchestrazione multi-percorso nella progettazione dell'insegnamento della trasformata di Laplace Il presente contributo esplora il potenziale dell'intelligenza artificiale generativa come strumento avanzato di supporto alla progettazione didattica, proponendo un approccio che supera il paradigma della semplice generazione automatizzata di contenuti per favorire l'esplorazione, il confronto critico e la ricombinazione di strategie pedagogiche alternative. La sperimentazione si ispira al paradigma Tree of Thoughts (ToT) (Yao et al., 2023), applicandone i principi di esplorazione ramificata e valutazione comparativa a un processo di orchestrazione di differenti percorsi di ragionamento. Il caso di studio riguarda la progettazione di un modulo introduttivo sulla trasformata di Laplace per Sistemi Automatici di una classe quarta della scuola secondaria di secondo grado.  A partire da un insieme circoscritto di prerequisiti disciplinari, il...

Qual è il vero futuro dell'intelligenza artificiale? Credo sia scoprire ciò che ancora non sappiamo di poter immaginare. È una riflessione maturata in questi mesi di lavoro sul campo, dedicati a sperimentare con modelli linguistici locali, tecniche di fine-tuning, sistemi RAG e agenti artificiali collaborativi. Ho costruito, modificato, sbagliato e ricominciato. E più procedevo, più una convinzione si faceva strada nella mia mente: il vero traguardo non è ottenere risposte più veloci, ma riuscire a formulare domande e individuare soluzioni che prima non saremmo stati in grado neppure di concepire. È questa la direzione verso cui sto orientando i miei sforzi con la mia ultima app e il suo nuovo strumento IdeaLab, che considero un vero e proprio AI brainstorming. Mi interessa un'IA che non si limiti a riprodurre il già noto, ma che aiuti a stabilire collegamenti inattesi tra discipline, a mettere alla prova intuizioni, a confrontare ipotesi alternative e a far emerger...

Ho addestrato un'Intelligenza Artificiale sul mio notebook (e ora funziona in locale!) Da tempo lavoro a un progetto che considero particolarmente stimolante: rendere l'intelligenza artificiale sempre più autonoma dal cloud e utilizzabile in locale per problemi specifici. Questo percorso è già parte fondante della filosofia della mia app PoC che chi mi segue ormai conosce bene, ma questa volta ho voluto compiere un passo ulteriore, che segna una profonda differenza nel modo in cui concepiamo questi strumenti. Non mi sono limitato a interrogare un'intelligenza artificiale preesistente per ottenere risposte generiche, ma ho voluto insegnarle un comportamento nuovo, strettamente vincolato alle mie necessità, per poi trasformarla in un modello eseguibile autonomamente sul mio computer. È un passaggio che sposta il focus: da utilizzatori passivi di servizi opachi gestiti da grandi aziende, diventiamo creatori di piccoli “motori cognitivi” specializzati, completamente sotto il no...

La mia ultima app side project locale-first di intelligenza documentale, generativa e agentica — capace di trasformare fonti selezionate in conoscenza interrogabile, analisi verificabili, idee motivate e documenti strutturati — ora è dotata della nuova funzionalità IdeaLab.  Una buona idea può essere preziosa proprio perché riguarda un caso particolare. Durante un brainstorming, però, una sintesi troppo generale può attenuare le differenze e lasciare in ombra una proposta utile a un gruppo ristretto di persone. L’evoluzione di IdeaLab affronta questa esigenza: organizzare il confronto fra le proposte e conservare il valore dei contributi che non entrano nel riepilogo principale. Con l'ultima versione dell'app, il lavoro dei quattro agenti viene coordinato da un orchestratore   adattivo . Il percorso non è più soltanto una sequenza prestabilita di elaborazioni: l’app può scegliere le modalità di collaborazione, ciascuna con un diverso rapporto fra generazione, veri...

«Con quale parola descriveresti come ti senti oggi?» È una domanda semplice, adatta anche all’accoglienza di una nuova classe. Quando le risposte diventano numerose, però, leggerle, raggrupparle e riconoscere le emozioni prevalenti richiede tempo e introduce una componente soggettiva. L’intelligenza artificiale può facilitare questo lavoro, purché venga utilizzata attraverso un metodo controllabile e senza attribuirle capacità diagnostiche. Per sperimentare questa possibilità è stato costruito un corpus contenente 200 risposte simulate. I testi non provengono da studenti reali, ma sono stati generati artificialmente per collaudare la procedura senza coinvolgere dati personali. Le risposte sono state divise in quattro gruppi da cinquanta e analizzate parallelamente da quattro agenti linguistici basati su Claude. Ogni agente ha associato a ciascun testo l’emozione ritenuta prevalente, scegliendola tra le 28 categorie della tassonomia GoEmotions. Un agente orchestratore ha successivamente...