Categoria: Info

  • Come sarebbe stato il lavoro del team di Infocom oggi, con l’AI generativa e i suoi strumenti?

    Come sarebbe stato il lavoro del team di Infocom oggi, con l’AI generativa e i suoi strumenti? Una domanda che mi sono posto dopo aver guardato il video che vi lascio qui sotto.

    Ho vissuto “in diretta” quel periodo storico, apprezzando quei capolavori e diventando io stesso un autore/sviluppatore di Interactive Fiction, e una decina di anni fa mi sono trovato addirittura a chiacchierare con alcuni dei membri di Infocom a un tavolo, a San Francisco. Mi piacerebbe rifarlo, per porgli questa domanda. Intanto, ne ho “discusso in modo provocatorio” con l’AI stessa (Grok, che sa essere abbastanza “umano” nelle risposte”), ecco il risultato:

    Riflettiamo: se l’AI generativa amplificasse tutto come dici, cosa succederebbe all’essenza stessa di Infocom, quel “potere dell’immaginazione pura” che li distingueva?

    Partiamo da scrittura e trama: dici che l’AI accelererebbe il brainstorming, generando descrizioni ricche o soluzioni creative come far “sbadigliare” un idolo. Ma immagina di usare un LLM per generare una trama intera: come faresti a garantire che non diventi una sequenza prevedibile di cliché, perdendo quel tocco di “genialità imprevedibile” che rendeva i giochi di Infocom memorabili? Hai mai provato a “promptare” un modello moderno con un’idea da Zork – tipo “un labirinto sotterraneo con enigmi logici” e notare se mantiene la coerenza narrativa su centinaia di “stanze”?

    Il parser e l’interazione? Sostituirli con un LLM per un flusso verbale fluido suona rivoluzionario, trasformando le avventure in conversazioni vive.

    Il parser di Infocom era rigido ma prevedibile, “forzando” il giocatore a pensare creativamente. Con un’AI che “risponde a tutto”, il gioco non rischierebbe di diventare troppo indulgente, risolvendo gli enigmi stessi al posto del giocatore? Inoltre, come bilanceresti “libertà conversazionale” e “sfida puzzle” per non farla sembrare una chat qualunque?

    Riguardo a sviluppo ZIL e debug: l’automazione del codice e l’individuazione di bug logici alleggerirebbe sicuramente la “sofferenza” dei tester e degli sviluppatori stessi. Domanda provocatoria: sapevi che ZIL era nato da radici AI (LISP/MDL), ed era quasi un proto-LLM per scrittori-non-programmatori?

    Oggi, con tool che generano codice da descrizioni narrative, un autore di Infocom potrebbe creare un gioco intero senza toccare una riga di codice? E se l’AI introducesse bug “fantasiosi” – loop infiniti narrativi o inconsistenze logiche invisibili agli umani – chi testerebbe l’AI stessa?

    Potremmo vedere l’AI come “amplificatore” del focus testuale e immaginifico, ma proviamo a capovolgere la prospettiva: quali pericoli nascosti potrebbero emergere? Ad esempio, se l’AI generasse contenuti basati su miliardi di testi esistenti, i nuovi giochi di Infocom rischierebbero di essere “remix” omogenei, perdendo l’originalità umana che emergeva da quelle riunioni caotiche nel video? E come potremmo preservare l’arte della fiction interattiva quando l’AI potrebbe creare mondi infiniti, ma privi di quel “cuore” umano?

  • Tre anni fa l’onda d’urto imprevista di ChatGPT

    Una panoramica del lancio inaspettato e del successo virale di ChatGPT, evidenziando come l’evento abbia colto tutti, inclusa OpenAI stessa, alla sprovvista.
    Nonostante abbia raggiunto milioni di utenti in pochissimi giorni, l’azienda era “internamente impreparata” per tale domanda, avendo trattato il progetto come una semplice “anteprima di ricerca” lanciata in fretta per superare la concorrenza.
    L’esplosione di popolarità mise immediatamente sotto pressione le risorse tecniche, causando problemi di stabilità e di “scarsa disponibilità di GPU”, e costringendo l’azienda a un’espansione rapida del personale.
    A livello settoriale, l’introduzione del chatbot, basato sulla “tecnologia Transformer” di Google, ha costretto i giganti della tecnologia a reagire con urgenza, specialmente Google, che percepì il prodotto come un rischio esistenziale.
    Anche il rapporto tra OpenAI e Microsoft si modificò, passando da una partnership a una dinamica “parzialmente competitiva”.
    Il video illustra come un prodotto lanciato in fretta e con basse aspettative abbia trasformato irrimediabilmente il panorama globale dell’intelligenza artificiale e le relative dinamiche aziendali.

    Link alla fonte:
    https://www.ilpost.it/2025/11/30/chatgpt-tre-anni/

  • Cosa c’è DAVVERO dietro l’AI?

    Ti sei mai chiesto chi c’è veramente dietro le risposte dei modelli di intelligenza artificiale più potenti?

    Invisible Technologies, l’azienda che sostiene di aver addestrato l’80% dei principali modelli di IA del mondo, rivela che l’IA non è magia, ma un sofisticato testo predittivo potenziato da un “esercito invisibile di umani” che etichettano dati, valutano le risposte e insegnano ai modelli il giusto e lo sbagliato.

    I Large Language Models (LLM), sistemi non deterministici basati su reti neurali, vengono addestrati attraverso tre meccanismi principali: il Supervised Fine-Tuning, che fornisce esempi di dati di alta qualità (i “libri di testo”); il Reinforcement Learning (o reward modeling), dove gli umani assegnano voti alle risposte, premiando i comportamenti desiderati; e l’Evaluation, ovvero la creazione di test per misurare i miglioramenti, tenendo conto che l’opinione degli utenti non è deterministica e la soggettività è fondamentale.

    L’addestramento è una vera e propria ricerca scientifica complessa, non un semplice scooping up dell’internet, e la qualità dei dati è cruciale, poiché i modelli devono filtrare petabyte di contenuti irrilevanti o “spazzatura tossica” (come quella trovata su Reddit, una delle principali fonti di riferimento); di conseguenza, l’accesso a dati di addestramento superiori è destinato a diventare il vantaggio competitivo fondamentale (“moat”).

    La complessità del lavoro di addestramento è aumentata notevolmente, richiedendo specialisti con competenze specifiche (come infermieri, avvocati o esperti multilingue) invece di generalisti, il che sta facendo lievitare i costi del settore.

    Le aziende che implementano l’IA spesso commettono errori, come avere dati disorganizzati, non comprendere i propri processi interni (il black box del “team di Dave”), o tentare di automatizzare un processo esistente e difettoso anziché ridefinirlo completamente a partire dal risultato desiderato (come rimpiazzare un cavallo veloce con un’automobile); per avere successo, è essenziale stabilire metriche di valutazione chiare e oggettive, non un generico “pollice in su o in giù”.

    Infine, sebbene l’impatto dell’IA si stia spostando dal digitale al fisico (veicoli autonomi, robotica, logistica), la supervisione umana rimarrà fondamentale, specialmente negli ambiti normati (come le decisioni mediche o legali) a causa delle questioni di responsabilità, e per funzioni essenziali come la people management e gli atti di comunicazione, data la natura non razionale e imprevedibile dell’essere umano.

    Questa presentazione, realizzata con NotebookLM, nasce dalla trascrizione di un podcast del canale YouTube “The Neuron”, intitolato “This Company Trained 80% of the World’s Top AI Models (Here’s How They Do It)”.