“title”: “AI e circuiti stampati: siamo pronti a lasciare la saldatura ai bot?”,
“excerpt”: “Un nuovo benchmark, EEBench, sta testando quanto i grandi modelli linguistici siano davvero bravi nell’hardware. Spoiler: non è ancora il momento di vendere il tuo stagno.”,
“content”: “Avete presente quella sensazione di onnipotenza che provate quando il vostro codice compila al primo colpo senza nemmeno un warning? Ecco, dimenticatevela, perché l’hardware è molto più bastardo del software e i modelli AI stanno iniziando a imparare proprio come si fa a inciampare nei dettagli più subdoli.nnRecentemente, durante il lancio di GPT-6 Astra, OpenAI ha deciso di fare un po’ di hype mostrando una demo di un’AI che lavora su KiCad. Figo, per carità, ma la vera notizia non è la demo patinata, bensì l’esistenza di EEBench, un nuovo benchmark che sta mettendo a nudo le reali capacità (e i fallimenti) dei modelli più avanzati quando devono progettare elettronica vera.nnIl punto non è solo saper disegnare linee su uno schermo — che, diciamocelo, è quello che fanno i novellini. Il problema è che l’elettronica reale è un incubo di tolleranze, parassiti e componenti che non si comportano come dicono le datasheet. Gli autori di EEBench usano un approccio interessante: invece di far cliccare l’AI su una GUI come se fosse un utente medio, usano «atopile», un sistema basato su codice dichiarativo. In pratica, l’AI lavora su testo, e questo permette di far girare simulazioni SPICE automatiche per vedere se il design regge o se esplode tutto.nnPrendete un esempio classico: un contatore di energia che deve mantenere in vita un processore per 20 millisecondi quando la tensione principale scompare. Un’AI pigra potrebbe dire: «Ehi, metti un condensatore gigante e via!». Ma l’EEBench arriva e dice: «Sì, ma con le tolleramento del 20% e la tensione che scende, quel condensatore non basta». E infatti, nei test, molti modelli hanno fallito miseramente, con tensioni che crollavano molto prima del previsto. È la differenza tra teoria dei libri di scuola e la realtà sporca di un laboratorio.nnGuardando la classifica, Claude Opus 5 sta dominando la scena, seguito da Grok 4.6. I modelli di OpenAI, sorprendentemente, si trovano un po’ più indietro. È affascinante vedere come le aziende stiano già includendo questi test di ingegneria nei loro report ufficiali. È un segno che l’attenzione si sta spostando dal «sa scrivere poesie» al «sa progettare un filtro passa-basso che non vada in oscillazione quando cambia la temperatura».nnSiamo ancora lontani dall’avere un’AI che progetta un pacemaker affidabile (non provateci, per favore), ma la direzione è tracciata. Se un domani vedessimo un’AI che gestisce anche il layout e la produzione, allora sì che potremmo iniziare a preoccuparci per i nostri hobby da maker. Per ora, continuiamo pure a saldare e a sbattere la testa sui componenti che non rispettano le specifiche. Il divertimento è tutto qui.”,
“tags”: [“Artificial Intelligence”, “Hardware Engineering”, “EEBench”, “Electronics”, “Automation”],
“image_prompt”: “A digital art style illustration of a futuristic circuit board where glowing neon traces transition into flowing lines of Python-like code. In the background, a translucent, holographic robotic hand is delicately placing a microscopic component. The color palette is dominated by cybernetic blue, deep violet, and electric amber, with a high-tech, gritty cyberpunk aesthetic, highly detailed,