Mentre noi passiamo le serate a cercare di far compilare un vecchio kernel Linux o a combattere con i parametri di un mesh deforme in Blender, una casalinga di algoritmi pesantissima ha appena ribaltato un pilastro della geometria discreta. Sì, avete letto bene: un modello di OpenAI ha trovato il controesempio per una congiuntura che teneva testa ai matematici da decenni.

Per chi non mastica la geometria discreta (ovvero, chi preferisce pensare in termini di voxel o di vettori per un pathfinding in Godot), la notizia è questa: c’era una teoria, ritenuta solida e quasi sacra, che sembrava inattaccabile. Poi è arrivato il modello, ha setacciato uno spazio di possibilità talmente vasto che un cervello umano ci avrebbe impiegato diverse vite per esplorare, e ha trovato l’errore. Ha trovato quel piccolo pezzo di incastro geometrico che non quadrava, distruggendo la congettura con la stessa freddezza con cui un bug critico distrugge un progetto su cui hai lavorato tre settimane.

La cosa che mi fa saltare sulla sedia è il metodo. Non stiamo parlando di una dimostrazione elegante e poetica scritta da un premio Fields con una penna stilografica. Stiamo parlando di ricerca computazionale massiva. L’IA non ha ‘capito’ la bellezza della geometria; l’ha esplorata finché non ha trovato il glitch nel sistema. È un approccio che definirei ‘brute force intellettuale’.

Da smanettone, questo mi manda in un loop di emozioni contrastanti. Da un lato, è incredibilmente figo. Vedere la potenza di calcolo applicata alla scoperta scientifica pura è come vedere una CNC ad alta precisione che asporta materiale con una velocità impossibile per un essere umano. È l’evoluzione del toolset: se un tempo usavamo solo il cervello, ora abbiamo un super-assistente che scova gli errori logici nelle fondamenta della realtà.

Dall’altro lato, c’è quel retrogusto amaro tipico di chi ama il processo manuale. Se la matematica diventa una questione di ‘quanti token puoi processare’, cosa resta della intuizione umana? E soprattutto, come facciamo a verificare se il modello ha ragione o se ha solo allucinato un controesempio che non esiste? Il rischio di ‘black box science’ è altissimo: se non possiamo seguire il ragionamento, la scoperta è utile, ma la comprensione è nulla.

Per noi che amiamo costruire, programmare e smontare hardware, il messaggio è chiaro: l’IA sta uscendo dalla fase ‘scrivi le email al posto mio’ per entrare in quella ‘risolviamo i problemi che non riusciamo nemmeno a formulare’. La sfida per noi sarà imparare a usare questi nuovi ‘super-strumenti’ senza perdere la capacità critica di capire cosa stiamo effettivamente costruendo. Restate sintonizzati, perché la linea tra scoperta e allucinazione si sta assottigliando più velocemente di un cavo in fibra ottica venuto male.

Source: An OpenAI model has disproved a central conjecture in discrete geometry

Ti sei mai chiesto come sarebbe avere un robot che scrive la tua tesi di laurea? Non sto parlando di correggere qualche frase, ma di generare un testo completo, con bibliografia e tutto. Bene, questa è la realtà di oggi.

Un recente esperimento ha dimostrato che ChatGPT riesce a produrre tesi scientifiche di livello accademico, tanto da ingannare anche i docenti più esperti. Ma cosa significa questo per la ricerca e per chi, come noi, ama mettersi le mani in pasta?

Da una parte, è affascinante vedere quanto sia migliorata l’IA. Basta dire “Scrivi una tesi sul comportamento dei delfini” e il bot ti consegna un testo ben strutturato, con citazioni e grafici. È come avere un ghostwriter scientifico sempre a disposizione.

Ma dall’altra, questo solleva seri dubbi. Se chiunque può produrre un testo apparentemente valido con pochi click, dove finisce il confine tra scienza e fiction? E soprattutto, cosa significa per chi vuole davvero capire, sperimentare e scoprire?

Il problema non è solo etico: se l’IA scrive per noi, perdiamo la capacità di ragionare criticamente. È come imparare a guidare guardando Netflix. Sure, vedi come si fa, ma non sai davvero cosa succede quando l’auto davanti a te frena di colpo.

E poi c’è la questione del vendor lock-in. Se tutti usano gli stessi modelli, chi decide cosa è “corretto”? Amazon, Google o Microsoft? Non sembra proprio il futuro della scienza aperta che molti di noi vorrebbero.

Per fortuna, non siamo ancora arrivati a un punto di non ritorno. L’IA può essere un ottimo strumento, ma come per un martello, serve una mano esperta per usarla bene. Il consiglio? Usala per scrivere codice, correggere bozze o trovare fonti, ma non per sostituire il tuo cervello.

In fondo, la scienza non è solo raccogliere dati e fare grafici. È curiosità, dubbio, sperimentazione. E queste sono cose che nessun bot può replicare, almeno per ora.

Source: The threat is comfortable drift toward not understanding what you're doing

Lo so, lo so, un altro articolo su un nuovo modello di intelligenza artificiale. Ma fidati, questa volta c’è qualcosa di diverso. Immagina di avere un Raspberry Pi con più cervello di un supercomputer degli anni ’90, capace di parlare 201 lingue, fare ragionamenti complessi e persino aiutarti a debuggare il tuo ultimo progetto Arduino. Ecco cosa promette Qwen 3.5 di Alibaba.

La nuova famiglia di modelli include varianti da 0.8B a 397B parametri, con supporto per 256K di contesto e capacità multimodali. Il bello? Alcuni di questi mostri possono girare su un Mac con 22GB di RAM, il che significa che finalmente anche i maker più casalinghi possono smanettarci senza dover vendere un rene.

Ma perché dovrebbe interessarti? Beh, innanzitutto perché Qwen 3.5 è progettato per essere un vero jolly. Che tu stia cercando di migliorare il tuo bot per Discord, di creare un agente per automazione domestica, o di fare reverse engineering di un vecchio videogioco, questo modello promette di essere uno strumento potente. E poi, ammettiamolo, dopo anni di modelli che ti facevano rimpiangere i tempi in cui un computer occupava un’intera stanza, è bello vedere qualcosa che si comporta come un vero compagno di hacking.

Certo, non è tutto rose e fiori. La versione più grande (397B parametri) richiede hardware che probabilmente solo Elon Musk può permettersi. E poi, come sempre, c’è la questione del vendor lock-in e della privacy. Ma per chi vuole sperimentare, la serie Small (da 0.8B a 9B parametri) è un ottimo punto di partenza.

Quindi, se sei stanco dei modelli che ti fanno sentire come se stessi cercando di far funzionare un floppy disk su un SSD, dai un’occhiata a Qwen 3.5. Potrebbe essere il tuo nuovo miglior amico per i prossimi progetti folli.

Source: How to run Qwen 3.5 locally

Google ha appena confessato che il suo amato Gemini è stato bombardato con oltre 100.000 prompt da parte di attaccanti che cercavano di clonarlo. E mentre noi comuni mortali ci chiediamo se sia il caso di preoccuparsi, i geni di Mountain View sembrano quasi compiaciuti. Ma andiamo con ordine.

La tecnica in questione è la “distillation”, un processo che permette di replicare le funzionalità di un modello avanzato a costo ridotto. In pratica, qualcuno ha provato a succhiare il cervello di Gemini per creare un clone low-cost. E Google, invece di arrabbiarsi, sembra quasi dire: “Beh, almeno ci provano!”.

Per noi smanettoni, questa notizia ha diversi spunti interessanti. Primo, dimostra che anche i modelli più avanzati non sono immuni a tentativi di reverse engineering. Secondo, ci ricorda che l’open source e la trasparenza potrebbero essere una via d’uscita. Se Google rendesse Gemini più accessibile, magari non avremmo così tanti clone illegali in giro.

Ma c’è anche un lato oscuro. La distillazione potrebbe portare a modelli “scadenti” che diffondono informazioni sbagliate o pericolose. E chi ne paga il prezzo? Noi utenti, ovviamente. Inoltre, Google sembra più preoccupata di mostrare la resilienza del suo modello che di affrontare il problema alla radice.

Cosa possiamo fare noi? Beh, per cominciare, possiamo continuare a sperimentare con modelli open source come Llama o Mistral. E se qualcuno ci chiede di clonare Gemini, possiamo sempre rispondere con un bel “No, grazie, ho già abbastanza progetti in ballo!”.

In conclusione, questa storia ci ricorda che la tecnologia non è mai così semplice come la dipingono. E che, alla fine, la vera innovazione viene da chi mette le mani in pasta, non da chi si limita a contare i tentativi di hacking.

Source: Attackers prompted Gemini over 100,000 times while trying to clone it, Google says

Avete mai sognato di avere un assistente robotico che possa gestire progetti complicati senza bisogno di supervisione continua? Bene, secondo gli sviluppatori di GLM-5, ora è possibile. Ma prima di buttarvi a capofitto in questa nuova tecnologia, facciamo un po’ di chiarezza.

Il GLM-5 è l’ultimo modello di una serie di agenti intelligenti progettati per gestire sistemi complessi e compiti a lungo termine. In teoria, dovrebbe essere in grado di pianificare, eseguire e adattarsi a situazioni complesse senza bisogno di interventi umani costanti. Suona come una cosa uscita da un episodio di Westworld, no?

Ma come sempre, la realtà è un po’ più complicata. Da smanettone che ha passato notti intere a far funzionare Arduino con Raspberry Pi, posso dirvi che l’idea di un agente autonomo che gestisce tutto da solo è affascinante, ma anche piena di insidie. Per esempio, avete mai provato a far interagire due moduli di sensori diversi senza farli andare in conflitto? Immaginate di dover gestire decine di variabili e sottosistemi. Non è proprio una passeggiata.

GLM-5 promette di risolvere molti di questi problemi con algoritmi avanzati di pianificazione e adattamento. Ma attenzione: dietro a queste promesse ci sono spesso limitazioni che non vengono menzionate nei comunicati stampa. Per esempio, quanto è veramente autonomo questo sistema? Ha bisogno di dati di addestramento specifici che potrebbero non essere disponibili per i vostri progetti fai-da-te? E soprattutto, quanto costa?

Per noi maker e hacker, la domanda più importante è: possiamo davvero usare questa tecnologia nei nostri progetti? Al momento, sembra che GLM-5 sia più orientato verso applicazioni industriali e aziendali, con un focus su sistemi chiusi e controllati. Questo significa che, a meno che non abbiate un budget da multinazionale, potreste dovervi accontentare di soluzioni più economiche e meno sofisticate.

Nonostante tutto, c’è da dire che l’idea di agenti autonomi che gestiscono compiti complessi è un passo avanti significativo. Se riusciremo a superare le barriere tecnologiche e economiche, potremmo vedere una nuova era di automazione intelligente, dove i nostri progetti potranno finalmente vivere di vita propria.

In conclusione, GLM-5 è un’interessante evoluzione nel campo degli agenti autonomi, ma come sempre, la strada da percorrere è ancora lunga. Intanto, continuate a smanettare con i vostri Raspberry Pi e Arduino, perché la vera magia spesso si nasconde nei dettagli che nessuno ha previsto.

Source: GLM-5: Targeting complex systems engineering and long-horizon agentic tasks

Sai quante volte hai dovuto schiacciare il freno per evitare un tamponamento? Bene, Google ha deciso di usare queste frenate di emergenza per prevedere dove ci saranno più incidenti.

Il team Mobility AI di Google ha pubblicato uno studio che dimostra come le frenate brusche (HBEs) siano un indicatore affidabile del rischio di incidenti su una strada. In pratica, più frenate brusche ci sono, più alta è la probabilità che ci sia un incidente.

Lo studio è basato su dati anonimi raccolti da Android Auto e crash report pubblici di California e Virginia. I risultati sono sorprendenti: le frenate brusche sono 18 volte più frequenti degli incidenti effettivi, il che le rende un ottimo indicatore per prevedere dove intervenire.

Ma perché dovrebbe importarci? Beh, se sei un maker o un appassionato di retrocomputing, potresti trovare interessante usare questi dati per creare sistemi di monitoraggio stradale fai-da-te. Immagina di collegare un Raspberry Pi a un sensore di accelerazione e creare un sistema che avvisa quando una strada diventa pericolosa.

Ovviamente, c’è anche il rovescio della medaglia. Google raccoglie questi dati attraverso Android Auto, il che significa che dipendiamo ancora una volta da un servizio proprietario. Sarebbe bello vedere un progetto open-source che faccia lo stesso, magari basato su dati pubblici e algoritmi trasparenti.

In ogni caso, è sempre un piacere vedere la tecnologia usata per migliorare la sicurezza stradale. E chissà, forse un giorno anche i nostri progetti potranno contribuire a salvare vite.

Frenate di emergenza, dati anonimi, e un pizzico di AI: Google ci mostra che la strada del futuro potrebbe essere più sicura di quanto pensiamo. Ma ricordate, la tecnologia è solo uno strumento. Il vero cambiamento viene da chi la usa con intelligenza.

Source: Hard-braking events as indicators of road segment crash risk

Immagina di svegliarti domani e scoprire che il tuo nuovo lavoro è quello di coordinare una squadra di AI agenti che fanno tutto al posto tuo. Niente più chiacchierare con un bot per avere una ricetta o un consiglio, ma gestire una flotta di assistenti virtuali che si occupano di tutto, dall’organizzazione della tua agenda alla manutenzione del tuo Raspberry Pi.

È questo il futuro che Claude Opus 4.6 e OpenAI Frontier stanno dipingendo, dove noi umani diventiamo i manager di un esercito di AI. La notizia arriva fresca fresca mentre le grandi aziende tech continuano a cercare nuovi modi per monetizzare l’IA, stavolta trasformandoci in supervisori digitali.

Ma cosa significa davvero tutto questo? E soprattutto, è una cosa che ci riguarda?

Partiamo dal presupposto che, come sempre, le grandi aziende tech stanno cercando di venderti qualcosa. Questa volta si tratta di piattaforme per “orchestrare” agenti AI, strumenti che promettono di rivoluzionare la produttività. Claude Opus 4.6, l’ultimo figlio della famiglia Claude, e OpenAI Frontier, l’ennesimo passo avanti di OpenAI, stanno spingendo l’idea che il futuro non è più parlare con un bot, ma gestirne un’intera squadra.

La visione è quella di avere agenti AI specializzati in compiti specifici, che collaborano tra loro per risolvere problemi complessi. Un po’ come avere un team di esperti, ma tutti virtuali e senza pretese di aumento. L’idea è affascinante, ma anche un po’ inquietante. Perché, se da un lato l’idea di avere un esercito di AI che lavorano per noi è allettante, dall’altro ci troviamo di nuovo di fronte a un problema che conosciamo bene: il vendor lock-in.

Le grandi aziende tech stanno creando ecosistemi chiusi in cui gli agenti AI funzionano solo se sono “certificati” dalla piattaforma. Questo significa che, se vuoi davvero sfruttare al massimo queste tecnologie, dovrai abbracciare completamente il loro ecosistema. E noi, che amiamo la libertà di hackerare, modificare e personalizzare, ci troviamo di fronte a un dilemma: accettare le catene dorate delle grandi aziende o cercare alternative open-source?

Ma non è solo una questione di libertà. C’è anche il problema della privacy. Gestire una flotta di AI agenti significa affidare loro una quantità enorme di dati personali. E anche se le aziende promettono che tutto è sicuro e protetto, sappiamo bene che la storia ci insegna che i dati sono sempre a rischio. Quindi, prima di affidare la gestione della tua vita digitale a un esercito di bot, forse è il caso di fare due conti.

E poi c’è la questione pratica: siamo davvero pronti a diventare manager digitali? Noi che passiamo le notti a smanettare con Arduino e Raspberry Pi, che amiamo costruire e smontare, che preferiamo il codice alla burocrazia, siamo sicuri di voler passare dal fare al gestire?

La risposta, ovviamente, è “dipende”. Perché, se da un lato l’idea di avere un team di AI che lavorano per noi è affascinante, dall’altro c’è il rischio che diventiamo solo degli spettatori passivi di un processo che non controlliamo più. E noi, che amiamo metterci le mani in pasta, non possiamo accettare questo destino.

Quindi, mentre le grandi aziende tech continuano a vendere il sogno di un futuro in cui siamo solo manager digitali, noi possiamo fare la nostra parte. Possiamo esplorare alternative open-source, sperimentare con agenti AI che possiamo davvero controllare, e soprattutto, non dimenticare che la tecnologia è uno strumento, non un padrone.

Source: AI companies want you to stop chatting with bots and start managing them

Avete presente quando i vostri progetti di sintesi vocale sembravano sempre un po’ robotici, come se Darth Vader avesse un problema alla laringe? Bene, ora possiamo finalmente dire addio a quelle voci da calcolatrice degli anni ’80!

La famiglia Qwen3-TTS è finalmente open source, e questo significa che possiamo finalmente giocare con la sintesi vocale come se fosse un LEGO tecnologico. Il team dietro Qwen ha rilasciato strumenti per la progettazione, clonazione e generazione di voci, e il bello è che non dobbiamo più dipendere da soluzioni proprietarie che costano un occhio della testa.

Ma perché è una notizia così figata per noi smanettoni? Beh, prima di tutto, possiamo finalmente sperimentare con voci realistiche senza dover vendere un rene per permettercelo. Secondo, possiamo integrare queste tecnologie nei nostri progetti fai-da-te, dai robot domestici agli assistenti vocali personalizzati. Terzo, e forse più importante, possiamo hackerare, modificare e migliorare il codice a nostro piacimento.

Certo, non è tutto rose e fiori. Come sempre con le tecnologie di intelligenza artificiale, ci sono preoccupazioni legate alla privacy e all’uso etico. Potremmo finire per clonare la voce di qualcuno senza il suo consenso, o peggio, creare deepfake vocali per scopi poco ortodossi. Ma questo è il lato oscuro della tecnologia, e sta a noi usarla con responsabilità.

Quello che davvero mi entusiasma è la possibilità di sperimentare con questi strumenti in modo creativo. Immaginate di poter creare un assistente vocale che suona esattamente come il vostro personaggio preferito di un videogioco, o di poter dare una voce unica al vostro prossimo progetto di robotica. Le possibilità sono infinite, e ora abbiamo gli strumenti per realizzarle.

Quindi, se siete pronti a lasciare il mondo delle voci robotiche e a entrare in un’era di sintesi vocale avanzata, Qwen3-TTS è il vostro nuovo migliore amico. E se vi perdete nel codice, ricordate: anche gli errori possono essere divertenti, soprattutto quando vi fanno sembrare un cyborg con un problema al vocoder.

Source: Qwen3-TTS family is now open sourced: Voice design, clone, and generation

Dunque, eccoci qui. Mentre la comunità tech si scompone per l’ennesimo dibattito sull’AGI (Artificial General Intelligence, per chi ancora non si è perso nel gergo corporate), OpenAI ha trovato una soluzione molto più concreta per finanziare i suoi progetti: gli spot pubblicitari. Non uno, non due, ma ben 5 di quegli affari da 60 secondi non saltabili che ci fanno venire voglia di lanciare il telefono contro il muro.

Se pensavate che l’IA fosse il futuro, beh, il futuro ora ha un trailer di McDonald’s e un jingle di Coca-Cola. Ma andiamo con ordine.

La notizia arriva da un post su Hacker News, e per una volta non si tratta di un allarmismo da fine del mondo. Semplicemente, OpenAI ha deciso di monetizzare i suoi servizi con la buona vecchia pubblicità. Niente di nuovo, se non fosse che parliamo di un’azienda che, fino a ieri, prometteva di cambiare il mondo con l’intelligenza artificiale. Ora sembra che il mondo lo cambi con gli spot.

Da smanettone a smanettone, non posso fare a meno di trovare la situazione alquanto ironica. Da una parte abbiamo i visionari che parlano di AGI e di macchine che pensano come noi, dall’altra abbiamo un’azienda che, in pratica, sta facendo quello che fanno da decenni i siti web di bassa lega: riempirsi di pubblicità.

Ma cosa significa tutto questo per noi, per chi ama smanettare con Arduino, programmare in Python e costruire robot in garage? Beh, intanto significa che dovremo abituarci a vedere sempre più banner e pop-up nei nostri tool preferiti. E sì, probabilmente anche ChatGPT inizierà a suggerirci di comprare l’ultimo iPhone.

Il lato positivo? Se OpenAI riesce a monetizzare con la pubblicità, forse avremo più risorse per sviluppare progetti open-source. Il lato negativo? Beh, la pubblicità è fastidiosa, invasiva e, soprattutto, distolga dall’esperienza utente. Ma d’altronde, chi siamo noi per lamentarci? Siamo quelli che passano le notti a scrivere script per automatizzare tutto, ma che poi non riescono a saltare un maledetto spot.

E poi, ammettiamolo, la cosa ha un suo fascino. C’è qualcosa di profondamente umano in tutto questo. Dopo anni di discorsi sull’IA che ci sostituirà, scopriamo che, in fondo, anche le macchine più avanzate devono fare i conti con la buona vecchia pubblicità.

Quindi, mentre il mondo continua a chiedersi se l’IA ci renderà obsoleti, noi possiamo almeno sorridere. Perché, alla fine, l’unica cosa che ci rende davvero obsoleti è un banner che ci dice di comprare l’ultimo gadget. E quello, purtroppo, è un problema che né l’AGI né gli spot potranno mai risolvere.

Source: Predicting OpenAI's ad strategy

E se vi dicessi che una versione pro di ChatGPT ha appena risolto un problema matematico che teneva svegli i matematici per mezzo secolo? Niente meno che l’Erdős 281, uno di quei problemi che sembravano destinati a rimanere insolubili.

Sì, avete letto bene. Mentre noi smanettoni siamo lì a fare debug di un loop infinito su Arduino, l’IA sta facendo passi da gigante nella risoluzione di problemi che sembravano riservati ai geni della matematica.

La notizia è arrivata su Hacker News Best 24, e se siete come me, avrete subito due domande: 1) Come diavolo ci è riuscita? e 2) Cosa significa per noi che passiamo le notti a programmare e a costruire cose?

Innanzitutto, l’Erdős 281 è uno di quei problemi che sembravano fatti apposta per dimostrare che l’intelligenza umana ha ancora qualcosa da insegnare alle macchine. Si tratta di un problema legato alla teoria dei grafi, un campo che, per chi non lo sapesse, è un po’ come il Lego per gli adulti: apparentemente semplice, ma in realtà pieno di complicazioni.

ChatGPT 5.2 Pro ha risolto il problema utilizzando una combinazione di tecniche avanzate di machine learning e ottimizzazione, il che è un po’ come dire che ha usato un martello pneumatico per piantare un chiodo. Efficace, ma forse un po’ eccessivo.

Ora, veniamo al punto cruciale: cosa significa tutto questo per noi? Per gli hacker, i maker e i nerd che amano mettere le mani in pasta, questa notizia è sia un’opportunità che una sfida. Da un lato, abbiamo a disposizione strumenti sempre più potenti che possono aiutarci a risolvere problemi complessi. Dall’altro, dobbiamo chiedersi se stiamo perdendo qualcosa di prezioso nel processo.

Non sto dicendo che dobbiamo buttare via i nostri Raspberry Pi e abbracciare ciecamente l’IA. Anzi, credo che la vera magia succeda quando riusciamo a combinare l’intelligenza umana con quella artificiale. Pensa a quanto sarebbe fico usare ChatGPT per generare idee per un progetto, e poi realizzarlo con le nostre mani.

Tuttavia, c’è un lato oscuro in tutto questo. Il vendor lock-in è sempre in agguato. Se iniziamo a dipendere troppo da strumenti proprietari come ChatGPT 5.2 Pro, potremmo trovarci in una situazione in cui non abbiamo più il controllo completo sui nostri progetti. E poi c’è la questione della privacy: chi garantisce che i dati che inseriamo non finiscano in qualche database aziendale?

In conclusione, questa notizia è un promemoria che viviamo in un’epoca incredibile, dove la tecnologia avanza a un ritmo folle. Ma ricordiamoci che, alla fine della giornata, siamo ancora noi a dare forma al futuro. Quindi, continuiamo a smanettare, a costruire, a programmare e, soprattutto, a divertirci.

E se mai ChatGPT dovesse risolvere un problema che avevamo noi, beh, almeno avremo una scusa per bere una birra e festeggiare.

Source: Erdos 281 solved with ChatGPT 5.2 Pro