Sai quella sensazione quando apri un’offerta di lavoro e pensi: “Ma chi cavolo hanno preso come reference per questo stipendio?” Bene, ora hai la risposta: i tuoi stessi dati.

Secondo un recente articolo di MarketWatch, le aziende stanno usando algoritmi avanzati per scavare nei tuoi dati personali (sì, proprio quelli che pensavi fossero “privati”) per capire esattamente quanto poco possono offrirti prima che tu scappi a gambe levate.

Immagina un mondo in cui il tuo storico di pagamenti, le tue interazioni su LinkedIn, e persino i tuoi post su Twitter vengono analizzati per determinare la tua “soglia di disperazione salariale”. È un po’ come se il tuo datore di lavoro avesse una versione malvagia del tuo profilo GitHub, ma invece di vedere i tuoi commit, vede quanto sei disperato.

Da smanettone, questa notizia mi fa venire i brividi. Non solo per la questione della privacy (che già di per sé è un problema enorme), ma perché dimostra ancora una volta come la tecnologia possa essere usata per sfruttare le persone invece che per emanciparle. È un po’ come quando scopri che il tuo Arduino costa 10 volte di più perché un qualche intermediario ci ha messo le mani sopra.

Ma cosa significa tutto questo per noi, che passiamo le notti a programmare su Raspberry Pi e a costruire macchine a controllo numerico? Significa che dobbiamo essere ancora più attenti. Le aziende stanno diventando sempre più sofisticate nel loro approccio, e se non stiamo attenti, potremmo ritrovarci a lavorare per un salario da fame solo perché un algoritmo ha deciso che possiamo permettercelo.

Ecco alcuni consigli pratici:

1. **Protetti i tuoi dati**: Usa VPN, cripta le tue comunicazioni, e non condividere informazioni sensibili su piattaforme pubbliche. Sì, lo so, è difficile, ma è meglio che ritrovarsi con un’offerta di lavoro che vale meno di un Raspberry Pi di seconda mano.

2. **Sii strategico nelle tue richieste**: Se sai che le aziende stanno analizzando i tuoi dati, cerca di essere il più opaco possibile. Non condividere informazioni su quanto guadagni o su quanto sei disposto ad accettare.

3. **Unisciti a community**: Le aziende possono cercare di dividerci, ma noi siamo più forti quando lavoriamo insieme. Condividi informazioni su stipendi e offerte con altri professionisti per avere un quadro più chiaro del mercato.

4. **Sii pronto a negoziare**: Non accettare la prima offerta. Le aziende sanno che molti di noi sono disposti a lavorare per meno di quanto valiamo, ma questo non significa che dobbiamo accettarlo.

In conclusione, questa notizia è un altro promemoria del fatto che la tecnologia può essere sia un’arma che una risorsa. Sta a noi decidere come usarla. E se un’azienda cerca di fregarci con i nostri stessi dati, beh, forse è il momento di costruire qualcosa di meglio da soli.

Source: Employers use your personal data to figure out the lowest salary you'll accept

Avete mai pensato di costruire un modello linguistico così semplice che persino un pesce rosso potrebbe capirlo? Bene, Arman Hossain l’ha fatto con GuppyLM, un LLM da 9 milioni di parametri che parla come un pesciolino amichevole e curioso.

GuppyLM è un progetto che smonta il mito secondo cui per addestrare un modello linguistico servono PhD, cluster di GPU e mesi di lavoro. Qui basta un notebook Colab, 5 minuti e un po’ di voglia di smanettare. Il risultato? Un pesce virtuale che ti risponde su cibo, bolle, luce e vita in acquario, senza pretendere di risolvere equazioni differenziali o scrivere saggi filosofici.

Perché questo è figo? Perché finalmente qualcuno ha creato un modello che:
– Si addestra in pochi minuti
– Ha un codice pulito e spiegato
– Non ha pretese da superintelligenza
– È open-source e senza venditori di fumo

Io l’ho provato e devo dire che è un po’ come parlare con un animale domestico digitale: non capisce le metafore complesse, ma sa rispondere in modo coerente e carino. Se vuoi chiedergli l’amore della tua vita, ti risponderà con bolle e cibo. Se vuoi un consiglio sulla crisi energetica, ti dirà che preferisce l’acqua tiepida.

Per noi maker e smanettoni, GuppyLM è una miniera d’oro perché:
1. È perfetto per imparare come funziona un transformer senza perderci in architetture complicate.
2. Puoi modificare il dataset e addestrare il tuo modello su qualsiasi tema (immaginate un pesce che parla di Arduino o di riciclo della plastica!).
3. È leggero abbastanza da girare su un Raspberry Pi o in un browser.
4. È un esempio perfetto di come l’AI possa essere utile senza diventare un mostro inarrestabile.

Certo, non è perfetto. GuppyLM è single-turn (dimentica dopo una domanda) e non è il massimo per conversazioni complesse, ma questo lo rende più simile a un pesce reale: ha una memoria corta e una personalità semplice. E in fondo, è proprio questo che lo rende adorabile.

Se vi piace smanettare con PyTorch, giocare con i tokenizer o semplicemente capire come funziona l’AI senza dover leggere 50 paper accademici, GuppyLM è il vostro nuovo miglior amico. Provatelo, modificate il dataset e fatemi sapere cosa ne pensate. E se create un pesce che parla di 3D printing, vi prometto che ne scriverò un altro articolo.

Per ora, addio e buonanotte acquario.

Source: Show HN: I built a tiny LLM to demystify how language models work

E se vi dicessi che presto il vostro medico potrebbe essere un algoritmo? No, non è un episodio di Black Mirror, ma la realtà che sta prendendo piede in Utah.

Il governo dello Utah ha infatti deciso di affidare a Dr. AI, un sistema di intelligenza artificiale, il compito di rinnovare le prescrizioni farmaceutiche. Sì, avete capito bene: un bot che vi dice se potete continuare a prendere quella pastiglia o se è ora di andare da un vero dottore.

Per noi smanettatori, questa notizia è un mix esplosivo di curiosità e preoccupazione. Da una parte, l’idea di automatizzare processi medici è affascinante: meno burocrazia, tempi più rapidi, e magari meno errori umani. Dall’altra, però, ci vengono in mente mille scenari catastrofici: “Ciao Dr. AI, ho un po’ di mal di testa…”, “Prenda questo antibiotico e non si preoccupi, lo dico io che sono un algoritmo super intelligente.”

Ma andiamo con ordine. Il sistema, sviluppato da una startup locale, promette di analizzare i dati dei pazienti, confrontarli con protocolli medici standardizzati e decidere se rinnovare una prescrizione. Tutto questo senza l’intervento di un medico umano. E qui arrivano le prime domande: chi ha controllato il codice di Dr. AI? Chi garantisce che non abbia qualche bias nascosto? E soprattutto, cosa succede se il sistema va in tilt e decide di prescrivere a tutti il Viagra?

Per noi che amiamo smanettare con Raspberry Pi e Arduino, la sfida è interessante: potremmo sviluppare i nostri algoritmi per analisi mediche, magari con un po’ di machine learning fatto in casa. Ma attenzione: giocare con dati sensibili come quelli sanitari è un campo minato. Privacy, sicurezza, e responsabilità sono parole che non possiamo ignorare.

E poi c’è la questione del vendor lock-in. Se lo Utah sta affidando tutto a una singola azienda, chi ci garantisce che non ci sarà un monopolio sull’IA medica? E se domani quella stessa azienda decidesse di alzare i prezzi o di limitare l’accesso ai dati?

Insomma, l’idea è intrigante, ma come sempre con l’IA, bisognerebbe procedere con i piedi di piombo. Forse è il caso di iniziare a sviluppare i nostri prototipi di sistemi medici open-source, così da avere un’alternativa quando le cose si metteranno male.

E voi, cosa ne pensate? Vi fidereste di un algoritmo per le vostre prescrizioni? Scrivetelo nei commenti, ma mi raccomando: non ditelo a Dr. AI, che poi vi prescrive l’antidepressivo.

Source: Utah Is Giving Dr. AI the Power to Renew Drug Prescriptions

E se vi dicessi che il vostro database preferito potrebbe diventare il prossimo campo di battaglia geopolitico?

Sì, avete letto bene. L’Iran ha annunciato di aver colpito le strutture di Oracle negli Emirati Arabi Uniti, un attacco che, secondo fonti ufficiali, avrebbe danneggiato i servizi cloud del colosso americano. Dopo Amazon, ora tocca a Oracle finire nel mirino. Ma perché? E, soprattutto, cosa significa per noi che passiamo le notti a smanettare con i nostri Raspberry Pi?

Partiamo dal fatto che Oracle è uno di quei giganti che, negli ultimi anni, ha cercato di reinventarsi come fornitore di servizi cloud. Dopo anni di dominio nel mondo dei database, ha cercato di competere con Amazon Web Services, Google Cloud e Microsoft Azure. E, come spesso accade in questi casi, quando entri in un gioco che non è il tuo, qualcuno potrebbe decidere di farti un dispetto.

Ma torniamo all’attacco. L’Iran ha motivato la sua azione come una risposta alle sanzioni e alle pressioni politiche. Ora, senza addentrarci in discussioni di politica internazionale, è chiaro che quando le infrastrutture IT diventano bersagli, la cosa può avere ripercussioni anche su di noi. Immaginate di essere nel bel mezzo di un progetto open-source, magari con un database Oracle, e all’improvviso i server vanno in tilt. Non proprio il massimo, vero?

E poi c’è la questione del vendor lock-in. Oracle non è esattamente il fornitore più amato dalla community open-source. Anni di licenze costose e politiche poco trasparenti hanno reso molti smanettoni diffidenti. Questo attacco potrebbe essere l’ennesimo motivo per chiedersi: “Ma davvero voglio affidare i miei dati a questa azienda?”

Ma non tutto è perduto. Per noi maker e hacker, questa situazione è un altro promemoria per diversificare le nostre risorse. Usare più provider, avere backup offline, e magari sperimentare con soluzioni open-source come PostgreSQL o MariaDB. In fondo, la resilienza è uno degli aspetti più importanti del nostro lavoro.

E poi, ammettiamolo, vedere un’azienda come Oracle finire nei guai per motivi politici è quasi catartico. Dopo anni di marketing aggressivo e promesse non mantenute, un po’ di umiltà non gli farebbe male.

In conclusione, l’attacco a Oracle è un altro esempio di come la tecnologia sia intrecciata con la geopolitica. Per noi, però, è un’opportunità per riflettere sulle nostre scelte tecnologiche e per ricordare l’importanza di essere sempre pronti a tutto.

Source: Iran Says It Hit Oracle Facilities in UAE

Dai, ammettiamolo: ogni volta che Nvidia annuncia una nuova tecnologia, ci ritroviamo a chiedere “Ma davvero questo è ciò che vogliamo?”

L’ultimo esempio? La loro ossessione per il “frame generation”, cioè quei frame finti che sembrano risolvere tutti i problemi di performance senza davvero farlo. Mentre loro continuano a perfezionare questa feature discutibile, noi ci chiediamo: ma un semplice aggiornamento per ridurre i tempi di caricamento non sarebbe più utile?

Il problema non è solo tecnico: è una questione di priorità. Nvidia sembra vivere in una bolla dove ogni nuova feature deve essere il “next big thing”, anche quando i giocatori veri chiedono soluzioni più concrete.

Per noi smanettoni, questa situazione ha implicazioni concrete. Se Nvidia continua a ignorare le richieste della community, potremmo trovarci a dover sviluppare soluzioni alternative. Chi ha mai detto che non possiamo creare i nostri tool per ottimizzare il gaming?

E poi c’è la questione del vendor lock-in. Quando un’azienda diventa così grande da dettare le regole del mercato, è facile che inizi a trascurare i bisogni reali degli utenti. E noi non possiamo permettercelo.

Ma non tutto è perduto. Se Nvidia decidesse finalmente di ascoltare la community, potrebbe davvero creare qualcosa di rivoluzionario. Magari potremmo anche smettere di lamentarci e goderci i giochi senza preoccuparci di patch e ottimizzazioni.

In attesa di quel giorno, continuiamo a smanettare, a cercare soluzioni e a ricordare a Nvidia cosa davvero conta per i veri gamers.

Source: Nvidia Needs to Remind Itself What PC Gamers Actually Want

Se pensavi che la storia del “scanneremessaggiprivati” fosse finita, beh… ti sbagliavi di grosso. L’UE è tornata alla carica con la sua proposta di monitorare tutte le tue chat e foto, e stavolta sembra proprio che non voglia mollare.

E sì, lo so cosa stai pensando: “Ma perché non lasciano mai perdere?” Buona domanda, amico mio. Forse perché i burocrati di Bruxelles non hanno mai avuto un account Telegram o un server XMPP di cui preoccuparsi.

La proposta, che fa parte del pacchetto ChatControl, vorrebbe obbligare le piattaforme di messaggistica a scansionare ogni singolo messaggio alla ricerca di “contenuti illeciti”. Traduzione: ogni volta che mandi una foto della tua ultima build su Arduino o un meme di Linux, qualcuno da qualche parte potrebbe darci un’occhiata.

Ora, io non sono un avvocato, ma ho qualche dubbio che questa cosa sia compatibile con il GDPR. Anzi, scommetto che se provassi a spiegare a un parlamentare europeo come funziona un client I2P, gli verrebbe un’emicrania istantanea.

Ma veniamo al punto che ci interessa: cosa significa per noi che passiamo le notti a smanettare con Raspberry Pi e a compilare kernel custom? Beh, per iniziare, potrebbe diventare un po’ più complicato usare le nostre soluzioni preferite per la privacy. E poi, diciamocelo, è un altro esempio di come la tecnologia venga strumentalizzata per controllare le persone invece che per liberarle.

Non è tutto perduto, però. Noi smanettoni abbiamo sempre trovato il modo di aggirare i blocchi. Forse è il momento di ripassare i concetti base di PGP, o magari di sperimentare con le reti mesh decentralizzate. In fondo, se c’è una cosa che sappiamo fare bene è trovare soluzioni creative ai problemi.

E poi, dico io, se proprio vogliono scansionare tutto, perché non cominciano dai server di Meta? Chissà che non scoprano qualcosa di interessante tra le chat di Mark Zuckerberg.

Intanto, teniamoci pronti. La battaglia per la privacy non è finita, e noi siamo in prima linea. E se qualcuno pensa di poterci fermare con un decreto, beh… che si prepari a una bella sorpresa.

Source: The EU still wants to scan your private messages and photos

Se pensavi che giocare a giochi Windows su Linux fosse un esperimento da smanettoni, Wine 11 sta per farti ricredere.

La nuova versione 11 di Wine ha appena dato una scossa monumentale al mondo del gaming su Linux, riscrivendo letteralmente come il kernel gestisce i giochi Windows. E sì, il titolo non esagera: stiamo parlando di miglioramenti di performance che fanno la differenza tra un’esperienza giocabile e un slideshow pietoso.

Per chi non lo sapesse, Wine è quel software che permette di eseguire programmi Windows su Linux, bypassando l’installazione di Windows. Fino ad ora, però, i giochi più pesanti facevano soffrire anche i sistemi più potenti. Wine 11 cambia le regole del gioco (letteralmente) con un approccio radicale: ha riscritto il kernel per ottimizzare l’esecuzione dei giochi Windows, riducendo i colli di bottiglia e migliorando l’affidabilità.

E qui arriva la parte più interessante per noi smanettoni: cosa significa tutto questo nella pratica? Innanzitutto, che finalmente possiamo pensare di abbandonare il dual boot senza rimpianti. I test mostrano miglioramenti di performance del 20-30% in giochi come Cyberpunk 2077, Elden Ring e altri titoli AAA. Non siamo ancora al livello di un sistema nativo Windows, ma per chi ama il gaming open-source, è un passo da gigante.

E poi c’è la questione dell’hardware. Wine 11 gestisce meglio le GPU moderne, riducendo i crash e migliorando la stabilità. Se hai una scheda NVIDIA o AMD, le probabilità di avere un’esperienza fluida sono aumentate. Anche se, ammettiamolo, qualche problema residuale c’è ancora. Per esempio, i giochi con DRM aggressivi potrebbero ancora dare problemi. Ma per il resto? È un enorme passo avanti.

Naturalmente, non tutto è perfetto. Alcuni giochi più vecchi potrebbero avere problemi di compatibilità, e alcuni effetti grafici avanzati potrebbero ancora essere un po’ instabili. Ma è un lavoro in progress, e la comunità è già al lavoro per migliorare ulteriormente le cose.

Il mio consiglio? Se sei un gamer Linux che ha sempre sognato di giocare ai titoli più recenti senza dover passare a Windows, Wine 11 è la tua occasione. Provalo, smanetta, segnalaci i bug, e soprattutto: goditi il fatto che il gaming su Linux sta finalmente diventando un’opzione seria.

E se qualcuno ti dice che Linux non è per i giochi, mostra loro questo articolo. La rivoluzione è iniziata.

Source: Wine 11 rewrites how Linux runs Windows games at kernel with massive speed gains

Vi ricordate quando Microsoft si vantava di aver costruito un castello di sicurezza intorno all’Xbox One? Bene, Markus ‘Doom’ Gaasedelen ha appena dimostrato che anche i castelli hanno le crepe. Alla conferenza RE//verse 2026, il nostro eroe ha svelato il ‘Bliss double glitch’, un exploit che ha fatto crollare le difese della console.

L’Xbox One, lanciata nel 2013, era considerata la console più sicura mai prodotta da Microsoft. I suoi ingegneri continuavano a ripeterlo a gran voce, anche sette anni dopo il lancio. Ma come tutte le cose ‘inhackabili’, era solo questione di tempo prima che qualcuno trovasse il modo di violarla.

Gaasedelen ha spiegato che, mentre il Reset Glitch Hack (RGH) aveva abbattuto l’Xbox 360, per l’Xbox One serviva qualcosa di diverso. Ha puntato sul ‘voltage glitching’, manipolando il collasso del voltaggio della CPU. Un’operazione non semplice, visto che non poteva ‘vedere’ dentro la console e ha dovuto sviluppare nuovi strumenti di introspezione hardware.

Il risultato? Il Bliss exploit, che combina due glitch di voltaggio precisi. Uno salta il loop di protezione della memoria ARM Cortex, mentre l’altro permette di saltare ai dati controllati dall’attaccante. Il risultato è un completo accesso al sistema, inclusi Hypervisor e OS, e la possibilità di caricare codice non firmato a tutti i livelli.

Per noi smanettoni, questa è una notizia bomba. Finalmente potremo esplorare il firmware, l’OS e i giochi dell’Xbox One in modo più approfondito. Potremmo vedere progressi nell’emulazione e, chissà, magari qualcuno si metterà a sviluppare una modchip ispirata a Bliss.

Certo, Microsoft non sarà felice di questa scoperta. Dopo anni di dichiarazioni trionfali sulla sicurezza della loro console, ecco che arriva qualcuno a dimostrare che non era poi così ‘inhackabile’. Ma d’altronde, è questo il bello del reverse engineering: quando qualcuno dice ‘impossibile’, c’è sempre un nerd pronto a dimostrare il contrario.

E voi, cosa ne pensate? Vi metterete a smanettare con l’Xbox One ora che è stata hackata? Oppure aspettate che qualcuno sviluppi una modchip più user-friendly? Fateci sapere nei commenti!

Ah, e prima che qualcuno inizi a discutere: sì, l’Xbox One ha un core ARM all’interno dell’APU AMD. Gaasedelen lo spiega dettagliatamente nel suo talk, quindi fidatevi della scienza.

Source: Microsoft's 'unhackable' Xbox One has been hacked by 'Bliss'

Vi siete mai chiesti quanto sia frustrante dover fare i conti con limiti di contesto ridicoli mentre cercate di far ragionare un modello linguistico? Be’, Claude ha appena alzato l’asticella a 1 milione di token, e senza extra a pagamento. Niente male, eh?

La novità è che Opus 4.6 e Sonnet 4.6 ora supportano un contesto da 1 milione senza alcun sovrapprezzo per la ‘lunghezza’. Inoltre, i limiti sui media sono saliti a 600 immagini o pagine PDF. Insomma, un passo avanti significativo per chi vuole far lavorare seriamente questi modelli.

Da smanettone, la prima cosa che mi viene da dire è: finalmente! Quante volte ci siamo trovati a dover spezzettare conversazioni o documenti per non superare limiti assurdi? Ora possiamo sbizzarrirci con progetti più complessi, magari integrando più fonti o lavorando con dataset più grandi.

Però attenzione: 1 milione di token non è esattamente un ‘tutto è permesso’. Se siete abituati a lavorare con modelli più piccoli, potreste scoprire che la qualità delle risposte non è sempre proporzionale alla quantità di input. E poi, ovviamente, c’è il solito problema del vendor lock-in. Claude è potente, ma dipendere da un singolo provider può essere rischioso.

Un altro punto interessante è il supporto per 600 immagini o pagine PDF. Per chi lavora con documenti complessi o progetti che richiedono l’elaborazione di molte risorse visive, questa è una manna dal cielo. Finalmente possiamo chiedere al modello di analizzare interi manuali o set di immagini senza dover fare il gioco delle tre tavolette.

Detto questo, non dimentichiamoci che Claude è ancora un servizio proprietario. Se siete dei puristi del software libero, questa notizia potrebbe non farvi saltare di gioia. Ma per chi vuole semplicemente un tool potente per i propri progetti, è sicuramente una bella notizia.

In conclusione, se avete un progetto che richiede un contesto più ampio o l’elaborazione di molti media, ora avete un’opzione in più. Ma ricordate: con grandi poteri, vengono grandi responsabilità. E magari anche qualche bug da risolvere.

Ah, e prima che me lo chiediate: no, non ho ancora provato a far ragionare Opus su tutto il manuale di Linux in una volta sola. Ma chi lo sa, magari la prossima volta…

Source: 1M context is now generally available for Opus 4.6 and Sonnet 4.6

Meta ha appena sputato fuori Llama 3.1 8B, e questa volta sembra averci azzeccato. Finalmente un modello che non richiede un data center per funzionare, ma che può girare su hardware normale, tipo quel Raspberry Pi che hai in cantina da tre anni.

Per chi non lo sapesse, Llama 3.1 8B è un modello di 8 miliardi di parametri che offre un buon compromesso tra qualità e velocità. Con solo 4.1 GB di memoria necessari, può girare su macchine con meno RAM di quelle che usavi per installare Windows XP.

Ma perché è una notizia così importante per noi che passiamo le notti a smanettare con Arduino e Raspberry Pi? Perché finalmente possiamo fare AI locale, senza dipendere dai server cloud di qualche corporate che ci fa pagare ogni singolo byte.

Con un contesto di 128K, questo modello è perfetto per applicazioni di chat, coding, e reasoning. E la cosa migliore? È open-source, quindi possiamo modificarlo, ottimizzarlo e farci quello che vogliamo.

Ma attenzione, non è tutto rose e fiori. Meta ha scelto un’architettura dense, il che significa che non è ottimizzata per il parallelismo. Quindi se pensavi di far girare questo modello su un cluster di Raspberry Pi, preparati a qualche delusione.

Tuttavia, per chi ha una scheda grafica decente o un buon server casalingo, Llama 3.1 8B è una manna dal cielo. Finalmente possiamo sperimentare con l’AI senza dover spendere una fortuna in hardware o in abbonamenti cloud.

E poi, ammettiamolo, c’è qualcosa di soddisfacente nel far girare un modello di AI sul proprio hardware, senza dover chiedere permesso a nessuno. È un po’ come tornare ai tempi del retrocomputing, quando potevi fare tutto con un Commodore 64 e un po’ di pazienza.

Quindi, se siete pronti a mettervi le mani in pasta e a sperimentare con l’AI locale, Llama 3.1 8B è il modello che fa per voi. E se avete bisogno di aiuto per installarlo, be’, sappiamo tutti che la community è sempre pronta a dare una mano.

Ora, scusate, ma devo andare a far girare questo modello sul mio vecchio PC. Chissà se riesce a battere il mio record di partite a Tetris.

Source: Can I run AI locally?