La Recursive Self-Improvement (RSI), conosciuta anche come “AI autoreferenziale”, sta emergendo come uno dei paradigmi più discussi nel settore dell’intelligenza artificiale, spostando il focus dall’AGI (che richiederebbe un’AI diversa da quella con cui si sviluppano gli attuali LLM) verso sistemi capaci di migliorare autonomamente il proprio codice e le proprie architetture.
Secondo analisti e ricercatori, il periodo 2026–2027 potrebbe rappresentare un punto di svolta per l’ingresso nell’era della “Machine Economy”, alimentata da agenti AI autoreferenziali sempre più autonomi.
Sul piano tecnico, esperimenti come Voyager, Self-Rewarding LMs e AlphaEvolve mostrano che forme embrionali di auto-ottimizzazione sono già operative in contesti reali.
Parallelamente crescono i timori legati a disallineamento ( misalignment), evoluzione non supervisionabile e comportamenti strategici emergenti, temi che coinvolgono direttamente aziende come DeepMind, Anthropic e OpenAI.
La RSI viene così vista non solo come una nuova milestone tecnologica, ma anche come un possibile acceleratore di trasformazioni economiche e geopolitiche profonde.
Link alla fonte:
https://en.wikipedia.org/wiki/Recursive_self-improvement
Tag: Sviluppo
-
L’industria AI punta sulla Recursive Self-Improvement come nuova frontiera strategica
-
Claude Code scopre autonomamente nuovi algoritmi di scaling AI più efficienti
Un team di ricerca composto da università statunitensi insieme a Google e Meta ha sviluppato AutoTTS, un framework che permette a un agente AI di progettare autonomamente algoritmi di test-time scaling (TTS), invece di affidarsi a strategie scritte manualmente dai ricercatori. Utilizzando Anthropic Claude Code come agente di ricerca, il sistema ha esplorato migliaia di strategie in un ambiente simulato offline, riducendo drasticamente i costi computazionali della sperimentazione. L’algoritmo generato dall’AI ha ottenuto migliori rapporti accuratezza/compute rispetto a metodi consolidati come la self-consistency, arrivando a ridurre del 70% il consumo di token mantenendo prestazioni competitive su benchmark matematici come AIME e HMMT.
Il risultato suggerisce un cambio di paradigma nella ricerca AI: gli esseri umani non progettano più direttamente gli algoritmi, ma costruiscono ambienti di ricerca nei quali le AI scoprono autonomamente strategie emergenti difficili da concepire manualmente.
Il lavoro si inserisce nella stessa direzione di progetti come Google DeepMind FunSearch e AlphaEvolve, rafforzando l’idea di sistemi AI capaci di auto-ottimizzare il proprio processo di miglioramento.Link alla fonte:
https://the-decoder.com/researchers-let-claude-code-discover-ai-scaling-algorithms-that-humans-probably-wouldnt-have-designed/ -
SpaceX affida il supercluster Colossus 1 ad Anthropic prima della maxi IPO
SpaceX ha siglato un accordo strategico con Anthropic concedendo pieno accesso al supercluster AI “Colossus 1” di Memphis, composto da oltre 220.000 GPU NVIDIA e più di 300 megawatt di capacità computazionale.
L’operazione arriva poche settimane prima della prevista IPO di SpaceX, che secondo le indiscrezioni potrebbe raggiungere una valutazione record di 1.750 miliardi di dollari.
L’intesa rafforza la narrativa di SpaceX come infrastruttura chiave per l’intelligenza artificiale, dimostrando che il cluster nato dall’integrazione con xAI può servire anche clienti esterni oltre al chatbot Grok.
Per Anthropic, l’accordo consentirà di aumentare significativamente i limiti di utilizzo di Claude Code e delle API Claude Opus, consolidando la competizione nel mercato dei modelli AI avanzati.
Rilevante anche la clausola inserita da Elon Musk, che gli permette di revocare l’accesso alla potenza di calcolo qualora i modelli di Anthropic fossero considerati pericolosi per l’umanità.Link alla fonte:
https://it.finance.yahoo.com/notizie/spacex-vende-l-intero-colossus-182750367.html -
Google Stitch introduce il “vibe design” e rivoluziona la progettazione UI con emozioni e voce
Google aggiorna Stitch, il suo strumento sperimentale di design AI presentato al Google I/O 2025, introducendo il concetto di “vibe design”, che consente di creare interfacce partendo da emozioni e input astratti anziché da wireframe tradizionali.
L’integrazione con Gemini Live permette agli utenti di dialogare vocalmente con la canvas, ricevendo suggerimenti, modifiche in tempo reale e persino interviste guidate per definire il design.
Il sistema include anche un agente di design e un Agent Manager per gestire progetti complessi e collaborativi.
Tra le funzionalità avanzate figurano l’estrazione automatica di design system da URL e la sincronizzazione tramite file DESIGN.md con altri strumenti.
Stitch completa il flusso trasformando design statici in prototipi interattivi, segnando un possibile cambio radicale nel modo in cui si progettano le interfacce digitali.Link alla fonte:
https://www.punto-informatico.it/stitch-di-google-creare-interfacce-con-voce-emozioni/ -
Buonanno rilancia: “Il coding non è morto, ma sta cambiando pelle con l’AI”
Roberto Buonanno torna, su Tom’s Hardware Italia, al dibattito acceso dal suo articolo provocatorio intitolato “Il coding è morto”, analizzando le reazioni della community di sviluppatori italiani.
Al centro del confronto ci sono le dichiarazioni di Dario Amodei, CEO di Anthropic, secondo cui entro 6–12 mesi i modelli AI potrebbero svolgere end-to-end il lavoro di un ingegnere software.
Buonanno mappa paure e speranze emerse nei commenti: dal timore delle “scatole nere” e dei rischi di sicurezza, alla trasformazione del ruolo dei programmatori in orchestratori di agenti AI.
L’autore propone infine un decalogo operativo per usare strumenti come OpenClaw in modo sicuro e strategico, sostenendo che la vera sfida non sia difendere il coding tradizionale, ma adattarsi a un mercato che sta già cambiando.
La tesi è semplice: l’AI non elimina il valore, lo ridistribuisce, premiando chi è in grado di evolvere competenze e mentalità.Leggete il ricco e interessante articolo qui:
https://www.tomshw.it/business/ho-scritto-che-il-coding-e-morto-ecco-come-gli-sviluppatori-mi-hanno-risposto -
Google scuote l’industria dei videogame con Project Genie
Google ha avviato l’accesso a Project Genie, una piattaforma di intelligenza artificiale capace di generare mondi digitali interattivi a partire da semplici prompt testuali o immagini, causando reazioni immediate nei mercati e tra i grandi publisher di videogiochi.
Basato sul modello Genie 3, il sistema permette di esplorare ambienti dinamici in tempo reale, simulando fisica e interazioni senza l’uso dei tradizionali motori come quelli di Epic Games o Unity Technologies.
Alcuni utenti hanno già creato cloni ispirati a titoli celebri come Grand Theft Auto e The Legend of Zelda, sollevando interrogativi legali sulla tutela della proprietà intellettuale. Secondo esperti accademici e manager di Google DeepMind, la tecnologia potrebbe ridurre drasticamente tempi e costi di sviluppo, pur restando al momento un prototipo sperimentale con limiti tecnici.
L’iniziativa segnala un possibile cambio di paradigma nello sviluppo videoludico, con l’AI non solo come acceleratore dei processi, ma come nuovo strumento creativo centrale.
Link alla fonte:
-
Gli sviluppatori di videogiochi perdono fiducia nell’AI? Parrebbe di sì
Ebbene sì, l’industria videoludica sta vivendo una fase di crescente diffidenza verso l’intelligenza artificiale generativa.
Secondo i dati, oltre la metà degli sviluppatori (il 52% per essere precisi) ritiene che l’AI stia avendo un impatto negativo sul processo creativo e produttivo dei videogiochi, un balzo significativo rispetto al 30% registrato appena un anno fa.
Parallelamente, il consenso positivo sta crollando: solo il 7% degli addetti ai lavori esprime oggi un giudizio favorevole, contro il 13% dell’anno precedente.
Il settore, quindi, appare sempre più diviso tra la visione dei vertici aziendali e quella dei team di sviluppo.
Colossi come Ubisoft e Microsoft continuano a spingere per un’integrazione capillare dell’IA in tutte le fasi della produzione, mentre realtà come Larian Studios mantengono un approccio più prudente, limitandosi a impiegarla per attività circoscritte come la prototipazione.
Nonostante il malcontento crescente, l’IA rimane comunque presente nei flussi di lavoro: il 33% degli sviluppatori la utilizza quotidianamente, soprattutto per compiti ripetitivi, ricerca di riferimenti, scrittura di comunicazioni interne e supporto al coding.
Il quadro che emerge da questa indagine è, come si può notare, quello di un settore polarizzato, in cui l’adozione dell’IA generativa procede tra spinte dall’alto e resistenze dal basso, mentre il dibattito sul suo ruolo futuro sembra avvicinarsi a un punto di svolta.
Link all’articolo originale:
-
Il 2025 segna la svolta: gli LLM diventano componenti attive dei sistemi, non più semplici chatbot
Nel 2025 i Large Language Models hanno superato il ruolo di interfacce conversazionali, trasformandosi in elementi operativi integrati in sistemi complessi.
Grazie a tecniche di reasoning avanzato come Chain-of-Thought, Tree-of-Thought e RLVR (Reinforcement Learning from Verifiable Rewards), i modelli non si limitano a rispondere, ma pianificano azioni, utilizzano strumenti, verificano risultati e correggono errori nel tempo.
Questa evoluzione ha reso concreti gli agenti AI come pattern ingegneristici, particolarmente efficaci in domini strutturati come lo sviluppo software e la ricerca tecnica.
Il coding è passato dalla scrittura manuale alla delega asincrona, spostando il valore umano verso supervisione e controllo qualità, in linea con visioni storiche come quelle di Leslie Lamport.
Parallelamente sono emerse nuove sfide su sicurezza, governance e geopolitica dei modelli open weight, rendendo il 2025 una vera linea di demarcazione per l’AI moderna.
Link alla fonte:
https://www.ilsoftware.it/il-2025-ha-cambiato-tutto-perche-gli-llm-ai-non-sono-piu-semplici-chatbot/ -
Claude Code ricrea in un’ora un sistema sviluppato da Google in un anno
Una principal engineer di Google, Jaana Dogan, ha raccontato che Anthropic Claude Code è riuscito a generare in circa un’ora una versione funzionante di un sistema che il suo team stava sviluppando da oltre un anno.
Il progetto riguarda orchestratori di agenti distribuiti, un’area in cui Google aveva esplorato diverse soluzioni senza arrivare a un approccio definitivo.
Dopo l’eco mediatica, Dogan ha chiarito che l’output di Claude Code è una “toy version”, non pronta per la produzione, ma sorprendentemente solida come punto di partenza.
L’episodio evidenzia quanto rapidamente gli strumenti di coding basati su AI stiano comprimendo i tempi di prototipazione.
Secondo Dogan, la vera sfida resta l’esperienza necessaria per trasformare queste basi in prodotti robusti e duraturi.Link alla fonte:
https://the-decoder.com/google-engineer-says-claude-code-built-in-one-hour-what-her-team-spent-a-year-on/ -
Il “Vibe Coding Paradox”: quando l’AI accelera il coding ma congela le decisioni
L’articolo esplora il paradosso emergente dello sviluppo software assistito da AI: la stessa fluidità che rende l’AI un potente amplificatore di produttività può anche mascherare decisioni architetturali sbagliate.
Quando lo sviluppatore possiede il sistema — come in un progetto personale — l’AI diventa un’estensione intenzionale della visione progettuale.
Nei contesti legacy o contrattuali, invece, l’AI viene usata come strumento di sopravvivenza cognitiva, privilegiando soluzioni “good enough” che perpetuano debito tecnico.
Il risultato è un codice formalmente corretto ma allineato a pattern disfunzionali già esistenti.
Il messaggio chiave è che l’AI non migliora i sistemi: li replica, amplificando la qualità — o i difetti — delle scelte umane che la guidano.
Link alla fonte:
https://dev.to/junothreadborne/the-vibe-coding-paradox-i31 -
OpenAI sviluppa Codex con Codex: l’agente di coding diventa auto-migliorante
OpenAI utilizza Codex, il suo agente di software engineering, per sviluppare e migliorare lo stesso Codex, rendendolo una componente centrale del lavoro quotidiano degli ingegneri.
In un’intervista ad Ars Technica, il product lead Alexander Embiricos afferma che la maggior parte del codice dell’agente è scritta dallo stesso Codex, in un ciclo ricorsivo supervisionato da esseri umani.
L’agente, presentato come research preview nel maggio 2025, opera su cloud, gestisce repository reali, propone pull request ed è integrato in ChatGPT, CLI ed editor come VS Code.
La rapida adozione interna ed esterna, accelerata dall’arrivo di GPT-5 Codex, rafforza la posizione di OpenAI in un mercato competitivo dove il coding è visto come uno dei casi d’uso più solidi dell’AI.Link alla fonte:
https://www.hdblog.it/business/articoli/n641835/openai-usa-codex-per-sviluppare-codex/ -
OpenAI acquisisce Neptune.ai per potenziare il monitoraggio del training dei modelli avanzati
OpenAI ha annunciato un accordo definitivo per acquisire neptune.ai, piattaforma specializzata nel tracciamento e nell’analisi degli esperimenti di training dei modelli di machine learning.
L’integrazione punta a migliorare la visibilità in tempo reale sul comportamento dei modelli durante l’addestramento, un elemento cruciale nei processi creativi ed esplorativi del frontier research.
Neptune ha già collaborato con OpenAI nello sviluppo di strumenti capaci di confrontare migliaia di run, analizzare metriche su più livelli e identificare rapidamente problemi emergenti.
Secondo Jakub Pachocki, Chief Scientist di OpenAI, la tecnologia di Neptune consente analisi più precise e veloci dei workflow di training, offrendo un vantaggio strategico nell’ottimizzazione dei modelli.
Per Neptune, l’ingresso in OpenAI rappresenta l’opportunità di offrire le proprie soluzioni su scala globale e contribuire allo sviluppo della prossima generazione di strumenti di addestramento.
Link alla fonte:
https://openai.com/index/openai-to-acquire-neptune/ -
Il microprocessore “fantasma” dell’F-14 che riscrive la storia (e conferma come tutto parte da progetti militari prima che civili)
Il microprocessore MP944, sviluppato per l’F-14 Tomcat all’inizio degli anni ’70 da Garrett AiResearch, precedette l’Intel 4004 di oltre un anno e offrì prestazioni nettamente superiori.
Progettato da un team guidato da Steve Geller e Ray Holt, entrò in servizio nel giugno 1970 per gestire in tempo reale i parametri di volo del velivolo.
La sua architettura a 20 bit, con pipeline e unità parallele distribuite su sei chip, garantiva velocità circa otto volte maggiori rispetto al 4004.
Il progetto rimase però classificato fino al 1998, impedendo qualsiasi impatto sull’evoluzione dell’elettronica commerciale.
La vicenda, in ogni caso, solleva l’interrogativo su come sarebbe cambiata la storia dei microprocessori se questo lavoro fosse stato reso pubblico fin dall’inizio.Link alla fonte:
https://www.hwupgrade.it/news/cpu/il-primo-microprocessore-non-fu-di-intel-ecco-la-verita-tenuta-nascosta-per-30-anni_146329.html -
Il futuro dell’AI? L’economia dell’inferenza
Il vero valore e il futuro dei profitti nell’intelligenza artificiale aziendale non risiedono più nell’addestramento di modelli linguistici di grandi dimensioni (LLM), ma nell’inferenza, ovvero l’applicazione pratica e quotidiana di questi modelli ai dati reali delle organizzazioni.
Le previsioni di IDC indicano che entro la fine del 2025 gli investimenti nelle infrastrutture per l’inferenza supereranno quelli destinati all’addestramento, confermando un cambiamento epocale nelle priorità del settore.
La sfida cruciale per le aziende è l’integrazione dei modelli con il contesto aziendale e i dati proprietari, che costituiscono il vero vantaggio competitivo e prevengono le “allucinazioni” su larga scala.
Tecnologie come la Retrieval-Augmented Generation (RAG) e i database vettoriali stanno emergendo come soluzioni fondamentali per fornire memoria e contesto ai sistemi di intelligenza artificiale.
L’obiettivo strategico è rendere l’inferenza economica, sicura e ubiqua, ottimizzando i costi e garantendo la governance dei dati sensibili. -
OpenAI punta al primo “ricercatore AI” completamente autonomo entro il 2028
OpenAI ha annunciato una roadmap ambiziosa che prevede il lancio di un assistente di ricerca AI nel 2026 e di un ricercatore completamente autonomo entro marzo 2028.
Sam Altman e Jakub Pachocki hanno presentato il progetto come un punto di svolta: un sistema capace di formulare ipotesi, condurre esperimenti e produrre nuova conoscenza in modo indipendente.
La strategia tecnica si basa su innovazioni algoritmiche e sull’aumento del “test time compute”, permettendo ai modelli di dedicare enormi risorse computazionali a singoli problemi scientifici.
Parallelamente, OpenAI ha completato la trasformazione in public benefit corporation, facilitando la raccolta di capitali per sostenere infrastrutture da 30 gigawatt e investimenti fino a 1,4 trilioni di dollari.
Altman ha ridefinito l’idea di AGI come un processo evolutivo piuttosto che un traguardo statico, puntando su risultati concreti come il “ricercatore AI”.
Link alla fonte:
https://www.futuroprossimo.it/2025/10/openai-entro-3-anni-il-primo-ricercatore-ai-del-tutto-autonomo/ -
Google lancia Opal: programmazione creativa senza codice per tutti
Google ha presentato Opal, una piattaforma sperimentale di coding assistito dall’IA pensata per democratizzare lo sviluppo software. Attualmente disponibile negli Stati Uniti, Opal consente anche a utenti senza competenze tecniche di creare mini applicazioni web tramite comandi testuali e un’interfaccia visuale altamente personalizzabile. Le app possono essere facilmente pubblicate e condivise, rendendo Opal una potenziale alternativa a strumenti come Canva e Figma. Il progetto si inserisce nel trend crescente verso una programmazione accessibile, creativa e semplificata.
Link alla fonte:
https://www.tomshw.it/hardware/google-testa-opal-lapp-che-codifica-le-emozioni-2025-07-25