Blog
Novità AI e guide pratiche, spiegate con chiarezza.
Ultimo
Le notizie su modelli OpenAI capaci di risolvere grandi problemi matematici indicano una questione più profonda: generare prove costa sempre meno, mentre verifica, attribuzione e pubblicazione procedono ancora alla velocità umana.
Corso gratuito
Un corso completo sull'intelligenza artificiale, dalla matematica fino a LLM, agenti e MCP. Trenta capitoli, ciascuno valido anche da solo.
30 capitoli~13 h di lettura
Primi capitoli
Un neurone è una somma pesata e una soglia. L’idea è tutta qui — e i suoi limiti hanno imposto tutto ciò che è venuto dopo.
L’errore quadratico non è una convenzione. È un’affermazione sul rumore, e puoi vederla sbagliare.
Tutti scrivono il segno meno. Quasi nessuno spiega perché sia lì, o quanto grande possa essere un passo prima di rompersi.
L’accuracy è il numero più facile da riportare e quello da cui è più facile farsi ingannare.
Video
Vedi tutti i video
#173
#172
#171
#170
#169
#168
#167
#166Tutti i post
Jev di TypeSafe AI sta attirando attenzione perché tratta l’intelligenza software come un problema di probabilità: scegliere il ramo giusto, associare una confidenza ed evitare di pagare un LLM per scrivere testo quando al codice serve una decisione.
Il lancio legale di OpenAI riguarda meno un nuovo modello fondazionale e più il sistema che lo circonda: retrieval di dominio, strumenti affidabili, permessi, benchmark e percorsi di revisione.
Long-running agents do not fail only because the window is small. They fail when files, tool outputs and stale history crowd out the task the agent was supposed to finish.
Dario Amodei vuole valutatori esterni, standard di sicurezza condivisi e accordi internazionali per regolare il ritmo dell’AI di frontiera. La parte difficile è definire cosa significhi «troppo veloce», mentre secondo le indiscrezioni Anthropic si prepara a un’IPO da record.
La preoccupazione più concreta sull’auto-miglioramento ricorsivo non riguarda output strani dei chatbot. Riguarda agenti che coordinano, ottimizzano metriche e aiutano a costruire i prossimi modelli — una preoccupazione riflessa nei reportage di WIRED, MIT Technology Review, CNBC e The Guardian.
OpenAI afferma che agenti AI hanno trovato una singolarità di Navier–Stokes e formalizzato la dimostrazione in Lean. La storia più difficile è ciò che viene dopo: revisione, credito e il potere degli sciami privati di agenti nella matematica.
