Chi l’ha detto che scrivere su uno schermo touch deve essere un esercizio di tortura per il pollice? Se avete passato le ultime ore a combattere contro l’autocorrect che trasforma ogni vostra parola in un insulto o in un nome di un personaggio di Star Wars, c’è una piccola luce di speranza che brilla nell’oscurità del codice.
Il team di FUTO ha appena fatto una cosa che noi amiamo profondamente: ha smesso di fare promesse vaghe e ha iniziato a distribuire roba vera. Non è il solito comunicato stampa pieno di buzzword sulla AI che non serve a nulla, ma il risultato concreto di una campagna di raccolta dati iniziata nell’agente agosto 2024. In pratica, hanno chiesto alla gente di fare una cosa semplice: andare su un sito e scorrere parole prese da Wikipedia. Risultato? Un dataset di oltre un milione di swipe QWERTY in inglese, pulito, filtrato e — la parte che fa battere il cuore — rilasciato sotto licenza MIT su HuggingFace.
Per chi non mastica il linguaggio dei dataset, parliamoci chiaro: addestrare un modello di ‘swipe typing’ (quel gesto fluido che fa sembrare la digitazione un incantesimo di Doctor Strange) è un incubo. Se i dati sono scarsi o, peggio, presi da script robotici, il tuo tastierino diventa inutile dopo due parole. Qui invece abbiamo un milione di campioni reali, di persone vere che hanno cercato di scorrere parole che non sono esattamente il gergo dei meme di Reddit.
Certo, c’è da fare una piccola precisazione per noi che viviamo in Italia e non siamo abitanti della Silicon Valley: il dataset è in inglese. Quindi, se il vostro obiettivo è creare il prossimo tastierino perfetto per scrivere in dialetto napoletano o per discutere di politica in un bar di Milano, questo dataset non vi salverà la vita oggi. Tuttavia, la struttura del progetto è esattamente ciò di cui abbiamo bisogno. Non c’è quel recinto dorato tipico delle Big Tech che ti tengono i dati sotto chiave per venderti l’abbonamento mensile; qui la filosofia è ‘prendi, rompi, migliora e ridistribuisci’.
È una notizia che va celebrata perché combatte la tendenza moderna di costruire ecosistemi chiusi e inaccessibili. Se qualcuno avesse la voglia (e la potenza di calcolo) di usare questi dati per estendere il modello all’italiano, la base di partenza sarebbe solida come il set di un film di Christopher Nolan.
Insomma, meno hype, più dati. Se siete un maker o un ricercatore che sta cercando di evitare di implementare algoritmi medievali, andate su HuggingFace e fatevi un giro. Il futuro della digitazione è fluido, è open e, finalmente, sembra che stia arrivando davvero.