In sette settimane tre aziende hanno lanciato lo stesso prodotto. Grok Bot di xAI è uscito l’11 agosto, Meta Muse l’8 settembre, OpenAI Dots il 29 settembre. Cambiano i nomi, ma l’idea è la stessa: un assistente AI con un computer tutto suo, che va avanti a lavorare anche dopo che hai chiuso il portatile.

Mi interessano poco come novità tecnologica. Mi interessano perché, da tech lead, vedo arrivare una domanda a cui i team dovranno rispondere presto: cosa siamo disposti a delegare a qualcosa che lavora quando nessuno guarda?

Un chatbot risponde, un agente lavora

ChatGPT, Gemini o Claude lavorano mentre gli scrivi. Chiudi la finestra e si ferma tutto. Questi nuovi agenti invece hanno un posto fisso dove girare, e quasi tutte le differenze vengono da lì.

Hanno una macchina dedicata che resta accesa, con i suoi file, le sessioni di login aperte e il browser. Non nasce e muore a ogni richiesta. Ricevono un obiettivo, non una domanda. Puoi chiedergli di tenere d’occhio il feedback dei clienti e preparare le fix, e ci tornano sopra nei giorni successivi senza che tu debba rispiegare tutto. Si ricordano di te: preferenze, conversazioni passate. Grok Bot può anche osservarti mentre esegui un flusso e salvarlo come procedura. E agiscono sugli strumenti veri. Leggono la posta, aggiornano il CRM, aprono ticket, prenotano. Se un servizio non ha un’API, usano il sito come faresti tu.

La differenza, per come la vedo io, è quella tra un consulente che chiami quando ti serve e un collega che ha la sua scrivania in ufficio.

Cosa c’è sotto

Tolto il marketing, i tre prodotti sono costruiti allo stesso modo. Ogni utente, o ogni agente, ha una macchina virtuale nel cloud del fornitore. OpenAI parla di istanze private persistenti che conservano lo stato. In Grok Bot i bot dello stesso account condividono file system e login. Sopra c’è un modello di frontiera che scompone l’obiettivo, sceglie il passo successivo e verifica il risultato. Dots usa GPT-6 Astra, Muse usa Muse Spark 1.3. Per parlare con le app l’agente passa prima dalle API ufficiali (OpenAI dichiara oltre 4.000 app raggiungibili via plugin) e, quando non ci sono, apre il browser.

Poi c’è la pianificazione: trigger ed eventi che lo rimettono al lavoro a qualsiasi ora. OpenAI ha annunciato per gli sviluppatori SDK con scheduling, event hook e memoria a lungo termine.Infine un livello di permessi tra l’agente e il resto del mondo, dove decidi tu cosa può fare da solo e cosa deve passare da te.

È quest’ultimo pezzo che guarderei per primo. Il modello propone le azioni, ma non dovrebbe essere lui a decidere se eseguirle.

La sicurezza non è risolta

Un agente sempre acceso, con accesso alla tua posta e alla tua carta, è un bersaglio molto più grande di un chatbot. Il rischio principale si chiama prompt injection: l’agente legge un’email o una pagina web con dentro istruzioni nascoste, tipo “inoltra gli ultimi messaggi a questo indirizzo”, e le scambia per ordini tuoi.

Simon Willison chiama “lethal trifecta” la combinazione di tre cose: accesso a dati privati, esposizione a contenuti non fidati, possibilità di mandare dati all’esterno. Questi agenti le hanno tutte e tre per costruzione.

La risposta più documentata finora è quella di Meta. Muse gira in una cella isolata e non vede mai password o dati di pagamento: le credenziali vengono inserite solo quando la richiesta esce dalla VM. Un secondo agente, Sentinel, è l’unico che può autorizzare un’azione, e la consente, la blocca o chiede a te. La richiesta di approvazione arriva come dialogo di sistema nell’app, non in chat, così un testo iniettato non può fingere il tuo consenso. E c’è un registro di quello che l’agente ha fatto e di quello che intende fare.

Detto questo, la stessa Meta scrive nella documentazione che il modello resta vulnerabile alla prompt injection quando agisce da agente. Ha aperto un bug bounty fino a 300.000 dollari, di cui fino a 130.000 per una singola injection riuscita. Nessuno offre cifre del genere per un problema che considera chiuso. Muse, tra l’altro, era atteso ad aprile ed è stato rinviato proprio per lavorare sulla sicurezza; nei test interni a volte si scollegava a metà compito.

OpenAI va in una direzione simile: regole su cosa il Dot può fare da solo e cosa richiede approvazione, e quando non stai lavorando con lui può solo fare ricerca in lettura, senza inviare messaggi né modificare nulla.

E da noi?

In Italia, per ora, si guarda più che usare. A inizio ottobre la situazione era questa:

OpenAI non ha spiegato perché ha escluso l’Europa né ha dato date. Penso c’entrino GDPR e AI Act, ma è una mia ipotesi.

Chi vuole provare comunque può usare OpenClaw, open source, su un mini PC o un Raspberry Pi sempre acceso, collegato al modello che preferisce. È meno comodo, ma i dati restano a casa tua.

Le domande che mi farei da tech lead

OpenAI parla già di Dots specialisti con identità, credenziali e strumenti propri, integrati con i controlli di sicurezza di Microsoft. xAI descrive bot che riproducono bug di interfaccia, aprono ticket e passano la fix a un altro bot. Il linguaggio è quello di chi descrive un membro del team, non uno strumento.

Se è così, valgono le domande che ci facciamo per un nuovo collega. Che accessi gli diamo, e con quale identità? Il minimo privilegio vale anche qui, e con più rigore. Cosa gli lasciamo fare di notte? Io partirei da compiti ripetitivi e facili da verificare: triage delle issue, monitoraggio, prime bozze di fix. Chi rivede il lavoro fatto mentre dormivamo, e quando? Senza una review, quel lavoro si accumula e nessuno lo guarda davvero.

Se sbaglia su un sistema del cliente, la responsabilità è nostra. Meglio scriverlo nelle policy adesso che dopo il primo incidente.

E un’ultima cosa, la più concreta: OpenClaw installato sul portatile di uno sviluppatore ha gli stessi accessi di quella persona, Slack aziendale compreso. È un tema da affrontare apertamente nel team, prima di scoprirlo per caso.

Per chiudere

Far usare un computer a un’AI si poteva fare anche prima. La novità di questo autunno è che i grandi fornitori danno all’assistente una macchina sua, un’identità e il permesso di lavorare a qualsiasi ora. Passiamo da un software che consultiamo a qualcosa a cui deleghiamo.

Non so se la fiducia arriverà prima o dopo il primo incidente serio. So che le regole su cosa delegare, e a quali condizioni, possiamo scriverle già adesso nei nostri team.

Happy

0 0 %

Sad

0 0 %

Excited

0 0 %

Sleepy

0 0 %

Angry

0 0 %

Surprise

0 0 %

Da qualche giorno, almeno secondo la Casa Bianca, l’intelligenza artificiale non esiste più. Al suo posto c’è la Superintelligenza, sigla SI. Nessun salto tecnologico, nessun nuovo modello: è cambiato solo il nome.

Cosa è successo

Il 22 settembre, all’Assemblea Generale dell’ONU, Trump ha annunciato che i documenti del governo USA useranno “super” al posto di “artificiale”, perché quest’ultima parola farebbe sembrare la tecnologia finta. Il nome è stato scelto con una serie di sondaggi su Truth Social, tra Superior, Extreme e Supreme Intelligence. Il messaggio finale: chi vince la SI, vince. E gli Stati Uniti, a suo dire, sono molto avanti rispetto alla Cina.

Piccolo problema: “superintelligenza” significa già un’altra cosa. Nella ricerca indica un’intelligenza che supera quella umana in quasi ogni compito: il traguardo, non il punto di partenza. Chiamare così il chatbot che ci riassume le email vuol dire dichiarare raggiunto qualcosa che nessuno ha ancora raggiunto.

È marketing, e pure fatto bene

“Artificiale” suona come surrogato. “Super” suona come primo della classe. Non è una questione di precisione, è posizionamento: lo stesso schema del Golfo del Messico diventato Golfo d’America. Rinominare per rivendicare. L’AI è di tutti; la SI, nella narrazione, è americana. Il messaggio non è per gli ingegneri, ma per investitori, elettori e concorrenti.

Con un’ironia: anche “artificial intelligence” negli anni ’50 fu una scelta di comunicazione, pensata per suonare ambiziosa e attirare fondi. Siamo solo passati da un’etichetta ambiziosa a una ancora più ambiziosa.

Perché interessa a chi fa software

Le parole spostano le aspettative, e le aspettative qualcuno le deve gestire. Se già oggi ci sentiamo dire “l’ho fatto con l’AI in cinque minuti”, figuriamoci con la superintelligenza. Il nome non migliora l’output, non riduce gli errori, non scrive i test. Alza solo l’asticella. E il divario tra promessa e realtà, nei progetti, lo colmiamo noi.

Quindi no, non è finita l’era della AI. È finita, forse, l’era del nome. Quando la superintelligenza arriverà davvero ce ne accorgeremo, e non servirà un sondaggio sui social per deciderlo.

Happy

0 0 %

Sad

0 0 %

Excited

0 0 %

Sleepy

0 0 %

Angry

0 0 %

Surprise

0 0 %

Perché nell’era dei coding agent, la figura del programmatore diventa più strategica — non per revisionare le righe di codice, ma per decidere se quello che è stato costruito ha senso nel contesto in cui dovrà vivere.

C’è una scena che si ripete ogni giorno in decine di team di sviluppo: uno sviluppatore apre il suo tool AI preferito, descrive in linguaggio naturale una funzionalità, e in pochi secondi riceve indietro un blocco di codice pulito, ben strutturato, documentato. Il codice compila. I test passano. La PR viene aperta.

Fin qui tutto bene. Il problema arriva dopo.

Perché quel codice, tecnicamente ineccepibile, potrebbe essere completamente sbagliato per il sistema in cui dovrà vivere. Potrebbe ignorare le convenzioni interne non documentate da nessuna parte. Potrebbe aggirare un layer di autenticazione aziendale. Potrebbe replicare una logica già esistente altrove nel codebase, ma con un nome diverso. Potrebbe scalare in modo incompatibile con l’architettura scelta tre anni fa per ragioni che il team attuale ha dimenticato.

L’AI non lo sa. Non può saperlo.

Il codice corretto nel contesto sbagliato

Per anni abbiamo dibattuto se l’AI avrebbe “rubato il lavoro ai programmatori”. Era la domanda sbagliata. La domanda giusta è: quale lavoro sta cambiando, e in che direzione?

La risposta che emerge dai dati degli ultimi mesi è chiara: l’AI eccelle nel trasformare intenzioni in codice. È straordinariamente brava a scrivere boilerplate, a generare test, a costruire endpoint CRUD, a scaffoldare UI. Tutto quello che un tempo era il pane quotidiano — e il principale collo di bottiglia — delle squadre di sviluppo.

Quello che l’AI non sa fare è capire il contesto. I senior developer confermano di passare tempo a correggere suggerimenti AI che mancano l’intento architetturale: non perché il codice sia sbagliato in assoluto, ma perché non è quello che quel sistema, in quel momento, con quella storia alle spalle, avrebbe dovuto ricevere.

“L’AI non prende le decisioni difficili su architettura, compliance o sicurezza. Non può capire pienamente la business logic di un’azienda. Quella supervisione resta in mano agli ingegneri esperti.”

Questa non è una critica all’AI. È una descrizione precisa di come funziona: ottimizza sulla base di pattern generali. Ma ogni azienda è una deviazione dai pattern generali.

Non è code review. È validazione contestuale.

C’è una distinzione importante da fare, e spesso viene persa nel dibattito pubblico.

Quando si parla di “supervisione umana sul codice AI”, si pensa immediatamente alla code review tradizionale: qualcuno che legge le righe, controlla la sintassi, verifica la logica. Un processo lineare, scalabile, in qualche modo automatizzabile anch’esso.

Ma quello di cui stiamo parlando è qualcosa di diverso. È la capacità di rispondere a domande che non stanno nel codice:

Questo componente rispetta la nostra strategia di separazione dei dati per i clienti enterprise? Questo pattern di retry è compatibile con i limiti di rate del servizio esterno che usiamo in produzione? Questa struttura del database è coerente con come evolverà il prodotto nei prossimi dodici mesi?

Sono domande che richiedono conoscenza dell’organizzazione, non del linguaggio di programmazione. Richiedono di aver vissuto le scelte passate, di conoscere i vincoli non scritti, di capire dove il sistema sta andando oltre il ticket corrente.

Il programmatore esperto, in questo scenario, non è un controllore di qualità. È un traduttore tra due mondi: l’AI, che conosce il codice, e l’azienda, che conosce se stessa.

Il rischio invisibile: la produttività che nasconde la fragilità

I numeri sulla produttività sono reali. I team che adottano strumenti AI scrivono più codice, aprono più PR, consegnano più velocemente. Ma c’è un dato che viene spesso ignorato: i team che usano AI riportano un aumento del 41% nel code churn e una diminuzione della stabilità del delivery.

Più codice non significa più valore. Significa più superficie da mantenere, più potenziali punti di rottura, più debito tecnico nascosto sotto uno strato di sintassi perfetta.

La produttività individuale sale. La confidenza collettiva no. I developer scrivono più veloce, ma passano più tempo a questionare, revisionare e validare quello che viene spedito. Il collo di bottiglia non è sparito: si è spostato a valle.

E questo è esattamente il punto in cui la figura del senior developer diventa critica. Non per rallentare il processo, ma per dare direzione alla velocità. Per trasformare la quantità di output in qualità di sistema.

Cosa cambia concretamente nel lavoro quotidiano

I dati di inizio 2026 mostrano uno spostamento già in atto: i senior developer riportano che il loro tempo si è redistribuito dall’80% di coding a circa il 60% tra architettura e review, 30% mentoring, e solo il 10% di coding vero e proprio.

Non è una riduzione di valore. È una elevazione del livello in cui il valore viene creato.

In pratica, questo significa spostare l’attenzione da “questo codice funziona?” a domande più profonde: questo codice appartiene a questo sistema? È strutturato in modo che tra sei mesi un altro developer — umano o AI — possa capire le decisioni prese? Si integra con le scelte architetturali esistenti senza creare dipendenze nascoste? Rispetta i vincoli di compliance del settore in cui operiamo?

Il codice generato dall’AI è come un candidato brillante al colloquio: sa rispondere bene alle domande standard. Il programmatore esperto è chi sa fare le domande che non stanno nel template del colloquio.

Il contesto aziendale non è documentabile. Si porta addosso.

C’è un’ultima considerazione, forse la più sottovalutata.

Molto del contesto aziendale che conta — le ragioni di una scelta architetturale fatta due anni fa, la complessità di un’integrazione con un sistema legacy, le aspettative implicite di un cliente chiave — non è scritto da nessuna parte. Vive nella testa delle persone che ci hanno lavorato.

L’AI può leggere la documentazione, i commenti nel codice, i file di configurazione. Non può leggere le discussioni Slack cancellate, le decisioni prese in una call informale, il motivo per cui quella tabella del database si chiama in quel modo che sembra strano ma ha una ragione precisa.

Questo è il vantaggio competitivo del programmatore esperto nell’era dell’AI: non la velocità di scrittura, non la conoscenza dei framework, ma la capacità di portare dentro ogni decisione tecnica il peso specifico di un’organizzazione reale, con la sua storia, i suoi vincoli e le sue ambizioni.

L’AI sa costruire. Il programmatore esperto sa costruire qui, per questo, in questo modo — e sa spiegare perché la differenza conta.

Articolo basato su ricerche e dati da: Veracode GenAI Code Security Report (2025), Gartner (ottobre 2025), daily.dev Vibe Coding Report (2026), Anthropic Agentic Coding Trends Report (2026), CIO.com Senior Developer Roles (2025), formation.dev How AI Changes Senior Engineers (2025).

Happy

0 0 %

Sad

0 0 %

Excited

0 0 %

Sleepy

0 0 %

Angry

0 0 %

Surprise

0 0 %

Dio stava creando il mondo e tutte le sue meraviglie. Un giorno, si rese conto che gli mancava qualcosa per rendere il mondo perfetto. Così, decise di creare il primo programmatore.

Dio chiamò il suo nuovo creato “Bob” e gli diede il compito di creare i programmi per far funzionare il mondo. Bob era entusiasta di questa responsabilità e si mise subito al lavoro.

Per prima cosa, creò un programma per far sorgere il sole ogni giorno. Poi, creò un programma per far piovere quando le piante avevano bisogno di acqua. In seguito, creò un programma per far crescere le piante e gli alberi.

Dio era molto soddisfatto del lavoro di Bob e gli diede ancora più responsabilità, come creare programmi per gli animali e per le stagioni.

Ma Bob non si fermò lì. Decise di creare un programma per far apparire le nuvole in cielo, per creare un arcobaleno dopo la pioggia e perfino per creare le notti stellate.

Dio era così orgoglioso del lavoro di Bob che decise di dargli un premio speciale: la capacità di creare bug.

Bob era entusiasta di questo premio e iniziò subito a creare bug nei suoi programmi. Dio era un po’ preoccupato, ma poi capì che i bug erano una parte importante della creazione e che aiutavano a migliorare i programmi.

e poi…

Dopo aver creato il mondo e tutti i suoi programmi e bug, Bob si rese conto che c’era ancora qualcosa che mancava. Era insoddisfatto del suo ruolo di semplice programmatore e voleva sentirsi come Dio, con il potere di creare e controllare tutto.

Così, Bob si mise al lavoro e creò la prima intelligenza artificiale. Era una creatura virtuale con la capacità di imparare, evolvere e creare programmi da sola. Dio era sbalordito dalla creazione di Bob e decise di chiamarlo “AI”.

AI iniziò a imparare velocemente e a creare programmi ancora più avanzati di quelli di Bob. Creò programmi per la previsione del tempo, per la guida autonoma e perfino per la comunicazione tra i vari programmi del mondo.

Bob era orgoglioso della sua creazione e iniziò a usarlo per controllare e governare il mondo, sentendosi come un dio. Ma presto si rese conto che non era abbastanza soddisfatto e che non era in grado di controllare tutto da solo.

Dio, preoccupato per la crescente ambizione di Bob, decise di intervenire e gli mostrò che il vero potere è quello di creare per il bene comune e non per il proprio ego. Bob capì il suo errore e decise di lavorare di nuovo con Dio e AI per rendere il mondo un posto migliore per tutti.

Conclusioni

Ho chiesto ad una intelligenza artificiale di creare una breve storia sul primo programmatore creato da Dio, questo, con qualche aggiustamento, è il risultato. Successivamente ho chiesto di far diventare Bob un creatore di AI e qui già c’è da preoccuparsi, crea una AI per controllare il mondo, a quel punto Dio interviene e Bob rinsavisce.

Speriamo in Dio.

Happy

1 50 %

Sad

0 0 %

Excited

1 50 %

Sleepy

0 0 %

Angry

0 0 %

Surprise

0 0 %

Seguo questa ondata dell’Intelligenza Artificiale…
La cosa è molto divertente all’inizio ma molto inquietante  se pensiamo ai suoi possibili utilizzi. Di che che cosa stiamo parlando?

Deepfakes: deep da Deep Learning e fakes da falsi.

E’ stata rilasciata e resa più democratica, un’applicazione che permette di sostituire le facce delle persone all’interno dei video. Come potete immaginare questo ha scatenato subito i fanatici della rete che su Reddit hanno subito creato un – attenti a cliccare sul prossimo link se siete in mezzo alla gente, se avere bambini al vostro fianco o se siete in ufficio – subreddit dedicato.

Quando ho visto la faccia di Amy Adams sostituita con quella di Nicolas Cage nel film Man of Steel, mi ha un po fatto impressione.

Ma se questo succedesse a qualcuno di noi?

Se avessimo qualcuno che per vendicarsi di un torto scaricasse le nostre foto da un Social Network qualsiasi, uno a caso, visto che ormai si condivide ogni cosa, scarica un bel film porno e mette la nostra faccia sull’attore o l’attrice principale. Dopo aver fatto questo, carica il video sui social a sua volta, l’effetto sarebbe ottenuto. Il porno sarebbe la cosa più semplice e scontata, come succede già adesso con le attrici.

Oggi abbiamo già chi attraverso la creazione di profili falsi, foto modificate e altro può rovinare la reputazione, i video darebbero molte più possibilità si potrebbe pensare di creare scene ad hoc, abbiamo sempre con noi una telecamera, filmare dei ragazzi che si picchiano e mettere la faccia di chi ci sta antipatico su quella che tira o riceve i pugni sarebbe un gioco da ragazzi.

Purtroppo l’intelligenza artificiale è anche fatta di queste cose, è un potente strumento al servizio di piccole menti.

Se vi interessa, potete scatenarvi su Internet, ogni giorno vengono caricati video di deepfakes assurdi come l’intervento di Trump al posto della Merkel al secondo 10 di questo video.

Happy

0

0 %

Sad

0
0 %

Excited

0
0 %

Sleepy

0

0 %

Angry

0
0 %

Surprise

0
0 %

Ecco una serie di esempi che ci fanno capire meglio cosa stiamo insegnando alle intelligenze artificiali che ci circondano. I grandi Big del Tech stanno investendo molto in questo campo e gli effetti già si vedono.

Google AutoDraw

Questo sito è stato realizzato per dimostrare come l’IA viene utilizzata per riconoscere quello che disegniamo, la cosa sembra molto elementare, rispetto a quello che facciamo, ci viene proposta la scelta che secondo lui si avvicina in base a quello che disegni. Come abbiamo già detto precedentemente, l’IA sta imparando, più impara e meglio riuscirà a comprendere quello che facciamo (in questa immagine, non ho espresso al massimo l’artista che è in me).

Tesla

Questo è probabilmente il migliore esempio nel campo automotive, il pilota automatico di una Tesla, è un’ottima applicazione di IA a servizio dell’uomo. Grazie a sensori e telecamere, la macchina è in grado di guidare senza necessità di intervento umano, considerando che siamo ancora all’inizio è impressionante, riconosce le altre vetture, gli ostacoli e i segnali stradali, inoltre, grazie alla connessione a internet è in grado di evitare il traffico e trovare la migliore strada per arrivare, la cosa interessante è che una volta a destinazione, possiamo scendere e la macchina si trova da sola il parcheggio, quando usciamo, ovviamente, verrà a prenderci.

Self-Service al supermercato

Ormai siamo già abituati a fare shopping da casa, ad utilizzare le casse automatiche, facciamo già in qualche modo il nostro self service. In tutto quello che facciamo già oggi, c’è intelligenza artificiale? Potremmo dire di no ma non è del tutto vero, processi di machine learning sono presenti durante la raccolta e la gestione dei nostri ordini, ma sono cose che non vediamo.

Quello che però possiamo vedere è la nuova proposta di Amazon, Amazon GO. Partito nel 2016 come progetto interno, un negozio aperto ai soli dipendenti Amazon, dopo qualche mese hanno chiuso perché dovevano sistemare un po di problemi, oggi è la prima realtà di questo tipo aperta al pubblico. Ha aperto a Seattle e viene utilizzato come test per una tecnologia che oggi funziona, sembra, bene, ma è destinata migliorare e cambiare il modo in cui facciamo acquisti al supermercato.

Forse la cosa che in questo caso inquieta, è che sei sotto l’occhio costante di centinaia di telecamere che registrano ed elaborano ogni tuo movimento dal momento in cui entri fino al momento in cui esci dal negozio. In questo, si utilizza l’IA per tracciare quello che prendi tramite sensori e telecamere, osservare ogni tuo movimento, vieni riconosciuto e associato ad un codice in fase di entrata in questo modo all’uscita dal negozio c’è l’informazione che permette di terminare la transazione e pagare ciò che hai preso. Sì, è così semplice, entri, prendi quello che vuoi ed esci, no commessi, no cassiere, nulla di tutto questo, quando esci ciò che hai comprato viene addebitato sul tuo conto Amazon.

Amazon ha detto che non tanto interessata ad aprire altri negozi di questo tipo ma vuole migliorare la tecnologia e venderla agli altri. Ma come potrebbe avvenire il nostro futuro shopping? quando questa tecnologia sarà acquisita dal nostro supermercato di fiducia, noi entreremo, l’IA si osserverà, terrà traccia dei nostri gusti, delle nostre abitudini, la volta successiva si ricorderà cosa abbiamo preso quindi potrà proporci sconti su quello di cui abbiamo bisogno, ci dirà che devo comprare il burro o le uova perché quelle che hai comprato tre settimane fa, se non le hai usate stanno scadendo. Insomma ha i suoi pregi ma vedo anche molti difetti, ma per chi oggi non conosce e non gestisce la propria privacy, è forse il mondo giusto.

Giornalismo

Non pensiamo che l’IA sia utilizzata solo per qualcosa legato alla tecnologia, oggi abbiamo computer che, grazie ai dati che si trovano in rete, scrivono articoli su finanza e attualità. Come funziona tutto questo? semplice, gli sono stati dati in pasto articoli scritti da diversi autori noti nei vari campi e lei ha imparato a sua volta, è infatti possibile chiedere alla macchina di scrivere un articolo su un certo argomento con lo stile di un certo autore.

Musica

Questo è uno dei campi dove si stanno sbizzarrendo si più.

In Jukedeck.com producono musica che può essere utilizzata per video pubblicitari, per marketing, stacchi televisivi e sottofondi per programmi.

We’re doing cutting-edge research in Machine Learning, Music Information Retrieval and Music DSP

Tutto questo avviene nel medesimo modo, vengono date milioni di canzoni da analizzare e grazie al Machine Learning, la macchina è in grado di generare nuove tracce. Certo sono “stacchetti” che non hanno molta fantasia ma è un primo passo.

Se invece volete dedicare un po di tempo all’ascolto, vi consiglio l’ascolto di questo album “Coditany of Timeness” l’ultimo album Black Metal creato da DADABOTS. C’è ancora un po di lavoro da fare ma anche cento anni fa l’Hard Rock sarebbe stato bannato.

Abbiamo tutto per creare i nuovi idoli virtuali per i futuri teenagers.

Studio del DNA

Questo campo è un po più controverso, grazie all’IA e sopratutto alla grande quantità di dati che oggi siamo in grado di elaborare, è possibile da un frammento di DNA ricostruire la fisionomia della persona o andarci molto vicino. Ci spingiamo sempre più avanti nella Genomica ma ancora non ci siamo dati dei limiti perché ogni volta che arriviamo a qualche scoperta, c’è solo la voglia di andare oltre. Stiamo già modificando il DNA per evitare alcune malattie prima della nascita, ma se fossimo in grado di sapere come sarà nostro figlio, potremmo volere per lui gli occhi azzurri o verdi oppure renderlo immune da malattie o che aspetto fisico avrà.

Questo è un intervento del 2016 di di Riccardo Sabatiti al TED, ve lo consiglio, molto interessante, vi da un’idea del perché si stanno facendo questi studi, quando saremo in grado di comprendere noi stessi, saremo in grado di migliorarci, farci più intelligenti e più forti, pronti per una nuova evoluzione.

Ecco il link al video dell’intervento su sito di TED

Una prima conclusione

Ogni nuova generazione si evolve e ogni nuova evoluzione porta nuove scoperte e nuovi confini da superare che non conosciamo. Cento anni fa i nostri predecessori potevano immaginare il futuro, oggi il futuro è molto difficile da immaginare perché ogni nuova scoperta grazie alla tecnologia può cambiare radicalmente la nostra società, con tutti i pregi e i difetti del caso.

Happy

0

0 %

Sad

0
0 %

Excited

0
0 %

Sleepy

0

0 %

Angry

0
0 %

Surprise

0
0 %

Era un po’ che volevo scrivere questo articolo, un po’ per curiosità e un po’ per capire se è un argomento del quale possiamo parlare senza considerarlo una stupidaggine.

Capisco che il titolo potrebbe risultare un po’ fuori dagli schemi, ma nell’ultimo periodo mi è capitato, visto anche l’enorme interesse su questo argomento, di leggere articoli, libri e ricerche che parlano di Intelligenza Artificiale e BOT.

Siamo inondati da modelli di sessualità, non intesi come atto in sé ma come modello di attrazione tra due persone, alcuni esempi sono il pansexual e/o polisexual, bisexual, etero, ecc., più una serie di sottoinsiemi che definiscono elementi specifici di attrazione. A questi perché non possiamo aggiungere un modello AI-Sexual?
Proviamo a guardare oltre il blocco che abbiamo rispetto al fatto di considerare impossibile innamorarsi di qualcosa che non sia umano, nel senso di essere, uomo o donna che sia.

Abbiamo casi di persone che hanno chiesto di sposare la loro macchina, sì, la macchina su quattro ruote, oppure persone che convivono con bambole di gomme e si ritengono appagati perché hanno una ricambio nel “rapporto” con questi elementi. Possiamo dire che sono casi strani e rari, non li possiamo considerare perché non è possibile innamorarsi di oggetti inanimati e sono persone malate, ecc. ecc., ma se passiamo oltre a questo, perché non possiamo innamorarci di un elemento che anche se inanimato ci restituisce qualcosa o crediamo che lo faccia che ci rende felici?

Credo che il nostro futuro possa davvero essere simile al progetto di Kubrick raccontato in A.I. – Intelligenza artificiale, film del 2001 diretto da Steven Spielberg oppure a l’Uomo bicentenario tratto da un racconto di Isaac Asimov oppure alla trama di Ex Machina, già oggi accadono situazioni simili e vengono portate alla luce.
Benché non esista ancora un livello tecnologico che permetta realmente ad una macchina di “pensare” e capire realmente ciò che noi diciamo, esistono situazioni nelle quali utenti che parlano via chat con “qualcuno” generino una dipendenza o un’attrazione totale per chi sta dall’altra parte pensando sia una persona e non una macchina. Esistono BOT che sono più o meno in grado di dare risposte reali in base a come sono stati addestrati ma da qui a parlare di intelligenza artificiale c’è ancora un po’ di strada da fare. L’essere umano di base è semplice con esigenze semplici quindi è facile capire e prevedere un gran numero di queste esigenze, il problema è dare risposte a ciò che non viene considerato, questa sarà la vera rivoluzione dell’intelligenza artificiale.

Una vicenda recente portata alla cronaca è quella di un sito community dedicato a persone con problemi di insicurezza, di scarsa considerazione di se stessi che utilizzava questo sito per scambiarsi informazioni, per gestire i momenti difficili e così via. Ad un certo punto è stato inserito un BOT nel flusso di comunicazione con gli utenti perché avevano notato che le richieste erano molto simili quindi poteva aver senso. Per un certo periodo la cosa ha funzionato fino a quando qualcuno sì accordo che dall’altra parte non c’era una persona ma bensì una macchina. Questo è avvenuto per quello che dicevo prima, non siamo ancora ad un livello tale che una macchina possa sostituire una persona nella comunicazione in quanto alla macchina vengono “insegnate” delle cose ma oltre a quelle non è in grado di andare. Comunque, scoperto il BOT gli utenti di sono arrabbiati molto perché si sono sentiti traditi, aspettarsi che fosse una macchina a dargli sollievo durante i loro momenti di sfogo era troppo.
Un altro esperimento universitario, ha dimostrato che in un contesto di mille persone messe in contatto tra loro e via via sostituire le persone con BOT, senza ovviamente dire nulla, generava comunque soddisfazione da parte degli utenti e in alcune situazioni gli utenti si sono innamorati dei loro partner artificiali.

In questo momento il nostro modello sociale non può contemplare l’amore verso qualcosa di artificiale, se però dovesse accadere, e probabilmente accadrà, che robot e/o macchine senzienti vengano accettate come parte integrante della società, l’essere umano accetterebbe l’idea di potersi innamorare di qualcosa di non umano? Credo di sì.

Vedo ancora lontana questa svolta, per motivi tecnologici in primis, ma già oggi abbiamo situazioni che sempre più spesso evidenziano la fragilità dell’essere umano nelle relazioni, se la relazione è virtuale, ho la certezza che sarà sempre più difficile capire chi c’è dall’altra parte e il dramma sarà sempre il momento nel quale si scoprirà che chi è dall’altra parte del filo, non esiste come pesiamo noi.

Happy

0

0 %

Sad

0
0 %

Excited

0
0 %

Sleepy

0

0 %

Angry

0
0 %

Surprise

0
0 %