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...