La prima volta che ho scritto qualcosa a ChatGPT, è cambiato tutto. Un'idea in testa, due ore dopo funzionava. Non su una slide — per davvero.
Da lì non mi sono più fermato.
Il mio percorso non è stato lineare. Per fortuna.
Ho iniziato a 19 anni in un reparto farmaceutico. Impianti, pompe, linee di produzione. Cose che o vanno o si fermano. Lì ho capito che i processi non ascoltano le intenzioni.
Nel frattempo studiavo — corso serale all'Università Cattolica. Poi ho lasciato la fabbrica e ho cambiato mondo. GDO, PwC, la fiduciaria Saffi. Ogni volta un pezzo in più del puzzle.
Oggi sono in FinecoBank, nel procurement. Seguo i fornitori di dati e informazioni per il mondo finanziario.
A un certo punto ho iniziato a costruire cose. Non per teoria — per curiosità. Per vedere se stavano in piedi.
In Saffi ho messo le mani su progetti veri: estrazione dati da documenti, analisi di riunioni con AI, immagini satellitari per il fotovoltaico. Tutto da autodidatta.
Poi mi sono detto: facciamo sul serio. Master in AI e Agenti AI per il Business — un anno, 27 progetti su casi reali.
Questo sito è un po' come il lievito madre. Lo alimenti, lui cresce da solo.
Ricordi l'idea in testa di cui parlavo? Eccola. Un agente che scarica notizie, le filtra con AI e le pubblica. Un chatbot che risponde su di me e ti prenota un appuntamento. Un backend che gira, impara, si aggiorna — anche quando dormo.
L'immaginazione che prende forma.
Un sito che si aggiorna da solo. L'agente legge 11 fonti tech, sceglie le notizie migliori, scrive articoli e li pubblica. Il chatbot risponde ai visitatori e prenota appuntamenti via Telegram. Tutto gira senza intervento umano.
Il paper introduce Channel-wise Vector Quantization (CVQ), un paradigma di tokenizzazione per immagini che opera per canali invece che per patch. Questo permette di rappresentare un'immagine come livelli discreti di dettaglio visivo, offrendo una rappresentazione più ricca e flessibile rispetto alla VQ classica. Autori: Wei Song, Tianhang Wang, Yitong Chen et al.
Un'analisi di The Verge evidenzia una tendenza preoccupante nel subreddit di Suno: molti utenti dichiarano di ascoltare esclusivamente musica generata da loro stessi con l'AI, abbandonando le piattaforme di streaming tradizionali. Il fenomeno solleva domande sulla creatività, l'isolamento culturale e l'impatto dell'AI generativa sul consumo musicale.
Il paper ParaVT risolve il 'Tool Prior Paradox' nel reinforcement learning per modelli multimodali (LMM) applicati a video lunghi. Invece di chiamare strumenti (es. crop) in sequenza, ParaVT permette chiamate parallele, riducendo errori a catena e costi di inferenza. Autori: Zuhao Yang, Kaichen Zhang, Sudong Wang et al.
Nonostante l'isteria diffusa, un'analisi del MIT Technology Review sostiene che non ci siano ancora prove concrete di un impatto su larga scala dell'AI sui posti di lavoro white-collar. L'articolo invita a distinguere tra potenziale futuro e dati reali attuali, criticando le narrazioni allarmistiche.
Human Archive, startup fondata da ricercatori di UC Berkeley e Stanford, sta pagando lavoratori della gig economy in India per indossare telecamere e sensori. L'obiettivo è raccogliere dati di movimento e interazione fisica nel mondo reale, fondamentali per addestrare modelli di AI e robotica. Il modello sfrutta la forza lavoro a basso costo per scalare la raccolta di dati di 'Physical AI'.
Le news vengono aggiornate automaticamente durante il giorno.
Ti occupi di AI, automazione o dati? Scrivimi.
Anche solo per scambiare due idee. Le migliori sono venute così.