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...

E se le mie copertine diventassero grattacieli? Ho provato a costruire una città 3D in Blender partendo da un'idea semplice: usare le copertine dei miei libri, costruiti con la mia app apposita, come facciate degli edifici. Il risultato è un piccolo esperimento di generative art: • una città procedurale di ~200 grattacieli, con il centro più alto e la periferia bassa, come uno skyline vero; • ogni edificio proporzionato su misura della copertina: una copertina in larghezza, un numero intero in altezza, senza tagli; • strade complete di asfalto, cordoli, mezzeria tratteggiata e attraversamenti pedonali; • giardini alberati tra gli isolati; • il tutto su un'isola, circondata da un canale pieno di acqua animata (Ocean modifier); • una camera che ci vola dentro come un elicottero: entra da fuori, scende in strada, percorre le vie a serpentina tra le torri e risale sullo skyline al tramonto.  La parte più interessante non è il render, ma il metodo: l'ho costruita conversando con...

"La storia delle reti neurali" è un saggio divulgativo che ripercorre l'evoluzione dell'Intelligenza Artificiale, dai pionieristici modelli degli anni '40 fino all'era del Deep Learning. Un racconto fatto di entusiasmi, fallimenti e geniali intuizioni che spiegano come le macchine abbiano imparato a pensare. Indice dei capitoli Capitolo 1 — Le origini e il sogno del "cervello elettronico" Capitolo 2 — L'inverno dell'Intelligenza Artificiale Capitolo 3 — Il rinascimento e la magia della retropropagazione Capitolo 4 — L'ascesa delle macchine visive: le reti convoluzionali Capitolo 5 — L'esplosione del Deep Learning: Big Data e GPU Capitolo 6 — L'era dell'attenzione: la rivoluzione dei Transformer Capitolo 7 — L'alba dell'IA generativa e i grandi modelli linguistici Capitolo 8 — La scatola nera: etica, pregiudizi e il problema dell'allineamento Capitolo 9 — Oltre il Deep Learning: la strada verso l'Inte...

Ho voluto fare un piccolo esperimento con RAGradix Pro , il sistema RAG che ho sviluppato ad hoc principalmente per la didattica. L’esperimento parte da una voce enciclopedica degli anni ʼ80 dedicata a Dinostrato e alla sua quadratrice. Ho poi posto esattamente la stessa domanda in due modalità diverse: «Cosa sai di Dinostrato e la sua quadratrice?» La differenza tra le due modalità è sostanziale. Chat generale del modello In questa modalità il modello LLM locale  non legge i documenti presenti nel workspace . Risponde utilizzando la propria conoscenza parametrica, cioè ciò che ha appreso durante l’addestramento. Solo workspace In questa modalità, invece, RAGradix Pro effettua il retrieval sui documenti caricati , recupera i passaggi pertinenti e costruisce la risposta sulla base delle informazioni presenti nelle fonti. La risposta permette inoltre di vedere i riferimenti ai passaggi recuperati e i relativi punteggi di similarità, rendendo più tr...

Oggi vi porto dietro le quinte di un esperimento affascinante che unisce un grande classico della letteratura italiana all'Intelligenza Artificiale.  Ho chiesto alla mia app desktop che implementa un sistema RAG qualcosa di molto specifico scritto nel romanzo “Il fu Mattia Pascal”. Risultato? Una preziosa lezione pratica su come funzionano i sistemi Retrieval-Augmented Generation e su quanto sia vitale la precisione delle nostre domande, i cosiddetti prompt. Per chi non lo ricordasse, nel romanzo di Pirandello, Mattia Pascal vince una fortuna dopo 12 giorni di roulette a Montecarlo (Capitolo VI). Successivamente, sul treno, fa il conteggio esatto del suo gruzzolo (Capitolo VII). La cifra esatta che ha in tasca è di 81.725 lire e 40 centesimi (spesso arrotondata a circa 82.000 lire nel testo). La citazione precisa dal Capitolo VII è: "...ottantunmila settecento venticinque lire, e quaranta centesimi in tasca." Hi chiesto al mio RAG di trovare questo dato. Alla prima doman...