October 2023 - nexa - server-nexa.polito.it

Re: [nexa] IA, lavoro, immaginari

by Giuseppe Attardi

> On 15 Oct 2023, at 12:00, nexa-request(a)server-nexa.polito.it wrote: > > Tutto questo per dirvi cosa? > Che alla fine, per un informatico, il "chissà che altro" che rimanda a qualcosa di "magico", di segreto industriale, ecc. è inammissibile. E' vero, ad oggi è così, ma, come giustamente ha scritto Guido Vetere "fare un LLM di qualche decina di miliardi di parametri magari solo per l'italiano è alla portata perfino del più sgangherato dei carrozzoni pubblici italiani”. Ben venga lo sviluppo di LLM alternativi. Secondo me ciascuno dovrebbe avere il suo personale, calibrato sui suoi interessi e le conoscenze sui suoi campi di interesse: un po’ come ci sono tanti giornali che rappresentano diversi punti di vista. C’è persino un progetto finanziato dalla CE che intende fare centinaia di LLM: https://hplt-project.org/ Peccato che il finanziamento totale sia di 4 milioni €, con cui ci si fa poco. Mistral.AI, una startup francese, ha ottenuto 100 milioni di investimento e utilizza Leonardo di Cineca per sviluppare LLM: https://mistral.ai/news/announcing-mistral-7b/ Che sono sempre pochi rispetto a quanto spendono OpenAI, Google e Meta in risorse di calcolo. Perché la questione di fondo, è quella delle “emergent abilities” che i LLM cominciano ad esibire quando superano una certa dimensione: https://www.jasonwei.net/blog/emergence Ossia un modello diventa in grado di svolgere compiti per i quali non era stato allenato, come nei sistemi complessi. — Beppe

Oct. 16, 2023

Re: [nexa] IA, lavoro, immaginari

by Daniela Tafani

Buonasera, 380° Il 15/10/2023 20:21, 380° ha scritto: > > Allora ripeto la mia domanda: ci sono nuovi studi che dimostrino che le > limitazioni evidenziate nei test sulla competenza logico/linguistica di > BERT siano stati risolti da altri LLM? > Tra le pubblicazioni recenti, sul tema, segnalo Vittoria Dentella, Elliot Murphy, Gary Marcus, Evelina Leivada, Testing AI performance on less frequent aspects of language reveals insensitivity to underlying meaning, 2023 https://arxiv.org/abs/2302.12313 Abstract Advances in computational methods and big data availability have recently translated into breakthroughs in AI applications. With successes in bottom-up challenges partially overshadowing shortcomings, the 'human-like' performance of Large Language Models has raised the question of how linguistic performance is achieved by algorithms. Given systematic shortcomings in generalization across many AI systems, in this work we ask whether linguistic performance is indeed guided by language knowledge in Large Language Models. To this end, we prompt GPT-3 with a grammaticality judgement task and comprehension questions on less frequent constructions that are thus unlikely to form part of Large Language Models' training data. These included grammatical 'illusions', semantic anomalies, complex nested hierarchies and self-embeddings. GPT-3 failed for every prompt but one, often offering answers that show a critical lack of understanding even of high-frequency words used in these less frequent grammatical constructions. The present work sheds light on the boundaries of the alleged AI human-like linguistic competence and argues that, far from human-like, the next-word prediction abilities of LLMs may face issues of robustness, when pushed beyond training data. Ho intravisto anche (ma non l'ho letto) Konstantine Arkoudas, GPT-4 Can’t Reason, 2023, https://arxiv.org/abs/2308.03762 Buona serata, Daniela

Oct. 15, 2023

Re: [nexa] IA, lavoro, immaginari

by Guido Vetere

User la frase "il topo è inseguito dal gatto" è attiva o passiva? ChatGPT La frase "il topo è inseguito dal gatto" è in forma passiva. User come fai a saperlo? ChatGPT Posso determinare che la frase "il topo è inseguito dal gatto" è in forma passiva seguendo alcune caratteristiche grammaticali tipiche delle frasi passive in italiano: Struttura della frase: Nelle frasi passive, il soggetto riceve l'azione piuttosto che eseguirla. Nell'esempio fornito, il topo (soggetto) riceve l'azione di essere inseguito. Verbo: La frase utilizza una forma del verbo "essere" seguita dal participio passato del verbo principale. In questo caso, "è inseguito". Agente della passiva: Nelle frasi passive, l'entità che esegue l'azione è spesso introdotta dalla preposizione "da". In questo esempio, l'agente dell'azione è "il gatto", e viene introdotto appunto con "dal". Combinando queste caratteristiche, è chiaro che la frase è in forma passiva. User per determinare la forma di una frase, tu applichi esattamente le regole che hai appena elencato? ChatGPT No, non utilizzo una lista di regole in modo rigido e sequenziale come potrebbe fare un algoritmo tradizionale di elaborazione del linguaggio. Invece, il mio modello è basato su una vasta quantità di dati testuali che ho analizzato durante la mia formazione. Quando "valuto" una frase, riconosco schemi e strutture linguistiche basati su quel vasto corpus di dati. Tuttavia, quando ti ho fornito quelle caratteristiche grammaticali, ho voluto spiegare in modo esplicito e comprensibile come si può riconoscere una frase passiva in italiano. Era un modo per fornirti una spiegazione chiara e didattica. Nel "pensiero" interno del modello, la determinazione avviene in maniera molto più fluida e basata sul riconoscimento di schemi nei dati. Per ora è tutto, a voi la linea :-) G. On Sun, 15 Oct 2023 at 20:21, 380° <g380(a)biscuolo.net> wrote: > Buonasera, > > Giuseppe Attardi <attardi(a)di.unipi.it> writes: > > > C’è tutta un’area di ricerca, che passa sotto il nome di BERTology, > > che analizza la questione e si dimostra ad esempio che dalle relazioni > > presenti nella matrici di attention delle frasi, si può ricavare > > l’intero albero sintattico della frase: > > https://aclanthology.org/N19-1419.pdf > > «A Structural Probe for Finding Syntax in Word Representations» > John Hewitt, Christopher D. Manning > Published 1 June 2019 > (via > > https://www.semanticscholar.org/paper/A-Structural-Probe-for-Finding-Syntax… > ) > > --8<---------------cut here---------------start------------->8--- > > Recent work has improved our ability to detect linguistic knowledge in > word representations. However, current methods for detecting syntactic > knowledge do not test whether syntax trees are represented in their > entirety. In this work, we propose a structural probe, which evaluates > whether syntax trees are embedded in a linear transformation of a neural > network’s word representation space. The probe identifies a linear > transformation under which squared L2 distance encodes the distance > between words in the parse tree, and one in which squared L2 norm > encodes depth in the parse tree. Using our probe, we show that such > transformations exist for both ELMo and BERT but not in baselines, > providing evidence that entire syntax trees are embedded implicitly in > deep models’ vector geometry. > > --8<---------------cut here---------------end--------------->8--- > > Interessante, ma se davvero vogliamo parlare di BERTology allora, ripeto > [1] che nel Vol. 8 del Transactions of the Association for Computational > Linguistics del MIT (2020) è pubblicato questo articolo: > > «A Primer in BERTology: What We Know About How BERT Works» > by Anna Rogers, Olga Kovaleva, Anna Rumshisky > > > https://direct.mit.edu/tacl/article/doi/10.1162/tacl_a_00349/96482/A-Primer… > > che cita il paper sopra tra le fonti per descrivere le caratteristiche > di syntactic knowledge di BERT, mentre più avanti, nel capitolo "3.3 > World Knowledge" e "3.4 Limitations" scrive: > > --8<---------------cut here---------------start------------->8--- > > However, BERT cannot reason based on its world knowledge. Forbes et > al. (2019) show that BERT can “guess” the affordances and properties of > many objects, but cannot reason about the relationship between > properties and affordances. For example, it “knows” that people can walk > into houses, and that houses are big, but it cannot infer that houses > are bigger than people. Zhou et al. (2020) and Richardson and Sabharwal > (2019) also show that the performance drops with the number of necessary > inference steps. Some of BERT’s world knowledge success comes from > learning stereotypical associations (Poerner et al., 2019), for example, > a person with an Italian-sounding name is predicted to be Italian, even > when it is incorrect. > > 3.4 Limitations > > Multiple probing studies in section 3 and section 4 report that BERT > possesses a surprising amount of syntactic, semantic, and world > knowledge. However, Tenney et al. (2019a) remark, “the fact that a > linguistic pattern is not observed by our probing classifier does not > guarantee that it is not there, and the observation of a pattern does > not tell us how it is used.” There is also the issue of how complex a > probe should be allowed to be (Liu et al., 2019a). If a more complex > probe recovers more information, to what extent are we still relying on > the original model? > > Furthermore, different probing methods may lead to complementary or even > contradictory conclusions, which makes a single test (as in most > studies) insufficient (Warstadt et al., 2019). A given method might also > favor one model over another, for example, RoBERTa trails BERT with one > tree extraction method, but leads with another (Htut et al., 2019). The > choice of linguistic formalism also matters (Kuznetsov and Gurevych, > 2020). > > [...] > > --8<---------------cut here---------------end--------------->8--- > > Nel 2020 i ricercatori citati sopra sostenevano che BERT non è in grado > di ragionare. > > Sullo stesso numero della rivista è pubblicato anche questo articolo: > > «What BERT Is Not: Lessons from a New Suite of Psycholinguistic > Diagnostics for Language Models» > by Allyson Ettinger > > > https://direct.mit.edu/tacl/article/doi/10.1162/tacl_a_00298/43535/What-BER… > > cito dalle conclusioni: > > --8<---------------cut here---------------start------------->8--- > > In this paper we have introduced a suite of diagnostic tests for > language models to better our understanding of the linguistic > competencies acquired by pre-training via language modeling. We draw our > tests from psycholinguistic studies, allowing us to target a range of > linguistic capacities by testing word prediction accuracies and > sensitivity of model probabilities to linguistic distinctions. As a case > study, we apply these tests to analyze strengths and weaknesses of the > popular BERT model, finding that it shows sensitivity to role reversal > and same-category distinctions, albeit less than humans, and it succeeds > with noun hypernyms, but it struggles with challenging inferences and > role-based event prediction—and it shows clear failures with the meaning > of negation. We make all test sets and experiment code available (see > Footnote 1), for further experiments. > > The capacities targeted by these test sets are by no means > comprehensive, and future work can build on the foundation of these > datasets to expand to other aspects of language processing. Because > these sets are small, we must also be conservative in the strength of > our conclusions—different formulations may yield different performance, > and future work can expand to verify the generality of these results. In > parallel, we hope that the weaknesses highlighted by these diagnostics > can help to identify areas of need for establishing robust and > generalizable models for language understanding. > > --8<---------------cut here---------------end--------------->8--- > > Allora ripeto la mia domanda: ci sono nuovi studi che dimostrino che le > limitazioni evidenziate nei test sulla competenza logico/linguistica di > BERT siano stati risolti da altri LLM? > > Perché credo che sulla _perfomance_ sintattica degli LLM nessuno abbia > proprio nulla da ridire. > > Saluti, 380° > > [...] > > [1] Message-id: 87o7ux2i16.fsf(a)xelera.eu > https://server-nexa.polito.it/pipermail/nexa/2022-September/049508.html > > > -- > 380° (Giovanni Biscuolo public alter ego) > > «Noi, incompetenti come siamo, > non abbiamo alcun titolo per suggerire alcunché» > > Disinformation flourishes because many people care deeply about injustice > but very few check the facts. Ask me about <https://stallmansupport.org>. > _______________________________________________ > nexa mailing list > nexa(a)server-nexa.polito.it > https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa >

Oct. 15, 2023

Re: [nexa] IA, lavoro, immaginari

by 380°

Buonasera, Giuseppe Attardi <attardi(a)di.unipi.it> writes: > C’è tutta un’area di ricerca, che passa sotto il nome di BERTology, > che analizza la questione e si dimostra ad esempio che dalle relazioni > presenti nella matrici di attention delle frasi, si può ricavare > l’intero albero sintattico della frase: > https://aclanthology.org/N19-1419.pdf «A Structural Probe for Finding Syntax in Word Representations» John Hewitt, Christopher D. Manning Published 1 June 2019 (via https://www.semanticscholar.org/paper/A-Structural-Probe-for-Finding-Syntax…) --8<---------------cut here---------------start------------->8--- Recent work has improved our ability to detect linguistic knowledge in word representations. However, current methods for detecting syntactic knowledge do not test whether syntax trees are represented in their entirety. In this work, we propose a structural probe, which evaluates whether syntax trees are embedded in a linear transformation of a neural network’s word representation space. The probe identifies a linear transformation under which squared L2 distance encodes the distance between words in the parse tree, and one in which squared L2 norm encodes depth in the parse tree. Using our probe, we show that such transformations exist for both ELMo and BERT but not in baselines, providing evidence that entire syntax trees are embedded implicitly in deep models’ vector geometry. --8<---------------cut here---------------end--------------->8--- Interessante, ma se davvero vogliamo parlare di BERTology allora, ripeto [1] che nel Vol. 8 del Transactions of the Association for Computational Linguistics del MIT (2020) è pubblicato questo articolo: «A Primer in BERTology: What We Know About How BERT Works» by Anna Rogers, Olga Kovaleva, Anna Rumshisky https://direct.mit.edu/tacl/article/doi/10.1162/tacl_a_00349/96482/A-Primer… che cita il paper sopra tra le fonti per descrivere le caratteristiche di syntactic knowledge di BERT, mentre più avanti, nel capitolo "3.3 World Knowledge" e "3.4 Limitations" scrive: --8<---------------cut here---------------start------------->8--- However, BERT cannot reason based on its world knowledge. Forbes et al. (2019) show that BERT can “guess” the affordances and properties of many objects, but cannot reason about the relationship between properties and affordances. For example, it “knows” that people can walk into houses, and that houses are big, but it cannot infer that houses are bigger than people. Zhou et al. (2020) and Richardson and Sabharwal (2019) also show that the performance drops with the number of necessary inference steps. Some of BERT’s world knowledge success comes from learning stereotypical associations (Poerner et al., 2019), for example, a person with an Italian-sounding name is predicted to be Italian, even when it is incorrect. 3.4 Limitations Multiple probing studies in section 3 and section 4 report that BERT possesses a surprising amount of syntactic, semantic, and world knowledge. However, Tenney et al. (2019a) remark, “the fact that a linguistic pattern is not observed by our probing classifier does not guarantee that it is not there, and the observation of a pattern does not tell us how it is used.” There is also the issue of how complex a probe should be allowed to be (Liu et al., 2019a). If a more complex probe recovers more information, to what extent are we still relying on the original model? Furthermore, different probing methods may lead to complementary or even contradictory conclusions, which makes a single test (as in most studies) insufficient (Warstadt et al., 2019). A given method might also favor one model over another, for example, RoBERTa trails BERT with one tree extraction method, but leads with another (Htut et al., 2019). The choice of linguistic formalism also matters (Kuznetsov and Gurevych, 2020). [...] --8<---------------cut here---------------end--------------->8--- Nel 2020 i ricercatori citati sopra sostenevano che BERT non è in grado di ragionare. Sullo stesso numero della rivista è pubblicato anche questo articolo: «What BERT Is Not: Lessons from a New Suite of Psycholinguistic Diagnostics for Language Models» by Allyson Ettinger https://direct.mit.edu/tacl/article/doi/10.1162/tacl_a_00298/43535/What-BER… cito dalle conclusioni: --8<---------------cut here---------------start------------->8--- In this paper we have introduced a suite of diagnostic tests for language models to better our understanding of the linguistic competencies acquired by pre-training via language modeling. We draw our tests from psycholinguistic studies, allowing us to target a range of linguistic capacities by testing word prediction accuracies and sensitivity of model probabilities to linguistic distinctions. As a case study, we apply these tests to analyze strengths and weaknesses of the popular BERT model, finding that it shows sensitivity to role reversal and same-category distinctions, albeit less than humans, and it succeeds with noun hypernyms, but it struggles with challenging inferences and role-based event prediction—and it shows clear failures with the meaning of negation. We make all test sets and experiment code available (see Footnote 1), for further experiments. The capacities targeted by these test sets are by no means comprehensive, and future work can build on the foundation of these datasets to expand to other aspects of language processing. Because these sets are small, we must also be conservative in the strength of our conclusions—different formulations may yield different performance, and future work can expand to verify the generality of these results. In parallel, we hope that the weaknesses highlighted by these diagnostics can help to identify areas of need for establishing robust and generalizable models for language understanding. --8<---------------cut here---------------end--------------->8--- Allora ripeto la mia domanda: ci sono nuovi studi che dimostrino che le limitazioni evidenziate nei test sulla competenza logico/linguistica di BERT siano stati risolti da altri LLM? Perché credo che sulla _perfomance_ sintattica degli LLM nessuno abbia proprio nulla da ridire. Saluti, 380° [...] [1] Message-id: 87o7ux2i16.fsf(a)xelera.eu https://server-nexa.polito.it/pipermail/nexa/2022-September/049508.html -- 380° (Giovanni Biscuolo public alter ego) «Noi, incompetenti come siamo, non abbiamo alcun titolo per suggerire alcunché» Disinformation flourishes because many people care deeply about injustice but very few check the facts. Ask me about <https://stallmansupport.org>.

Oct. 15, 2023

Re: [nexa] Why the Internet Isn’t Fun Anymore [CDT:L0] [CDT:L1] [CDT:L2]

by 380°

Buonasera, grazie per la segnalazione! don Luca Peyron <dluca.universitari(a)gmail.com> writes: > The social-media Web as we knew it, a place where we consumed the posts of > our fellow-humans and posted in return, appears to be over. > > Buona lettura > > dl > > https://www.newyorker.com/culture/infinite-scroll/why-the-internet-isnt-fun… Io sinceramente non ho capito proprio nulla del _perché_ /prima/ sarebbe stata così divertente e /ora/ non lo è più; ho solo capito che: --8<---------------cut here---------------start------------->8--- [...] Users who pay for Elon Musk’s blue-check verification system now dominate the platform, often with far-right-wing commentary and outright disinformation; Musk rewards these users monetarily based on the engagement that their posts drive, regardless of their veracity. The decay of the system is apparent in the spread of fake news and mislabelled videos related to Hamas’s attack on Israel. Elsewhere online, things are similarly bleak. Instagram’s feed pushes months-old posts and product ads instead of photos from friends. Google search is cluttered with junky results, and S.E.O. hackers have ruined the trick of adding “Reddit” to searches to find human-generated answers. Meanwhile, Facebook’s parent company, Meta, in its latest bid for relevance, is reportedly developing artificial-intelligence chatbots with various “sassy” personalities that will be added to its apps [...] The precipitous decline of X is the bellwether for a new era of the Internet that simply feels less fun than it used to be. [...] When those platforms decay, as Twitter has under Elon Musk, there is no other comparable platform in the ecosystem to replace them. [...] Musk recently tweeted that the company’s algorithm “tries to optimize time spent on X” by, say, boosting reply chains and downplaying links that might send people away from the platform. The new paradigm benefits tech-industry “thread guys,” [...] The Internet today feels emptier, like an echoing hallway, even as it is filled with more content than ever. [...] Twitter in its heyday was a source of real-time information, the first place to catch wind of developments that only later were reported in the press. [...] part of the problem is that social media is more hierarchical than it used to be. [...] Choire Sicha, the co-founder of the Awl and now an editor at New York, told me that he traces the seeds of social media’s degradation back a decade. “If I had a time machine I’d go back and assassinate 2014,” he said. That was the year of viral phenomena such as Gamergate, when a digital mob of disaffected video-game fans targeted journalists and game developers on social media --8<---------------cut here---------------end--------------->8--- Eh già: si stava meglio quando si stava peggio! Siamo finalmente entrati nell'era dei nostalgici dell'"Internet di una volta", ora le cose si fanno davvero interessanti. «Hanno ucciso l'Uomo Ragno Chi sia stato non si sa Forse quelli della mala, forse la pubblicità Hanno ucciso l'Uomo Ragno Non si sa neanche il perché Avrà fatto qualche sgarro a qualche industria di caffè» Saluti, 380° P.S.: non un minimo cenno alle /centrali/ della disinformazione on e offline, ECHELON, Edward Snowden, Julian Assange, Aaron Swartz... superficialità o propaganda? -- 380° (Giovanni Biscuolo public alter ego) «Noi, incompetenti come siamo, non abbiamo alcun titolo per suggerire alcunché» Disinformation flourishes because many people care deeply about injustice but very few check the facts. Ask me about <https://stallmansupport.org>.

Oct. 15, 2023

Re: [nexa] IA, lavoro, immaginari

by Giuseppe Attardi

C’è tutta un’area di ricerca, che passa sotto il nome di BERTology, che analizza la questione e si dimostra ad esempio che dalle relazioni presenti nella matrici di attention delle frasi, si può ricavare l’intero albero sintattico della frase: https://aclanthology.org/N19-1419.pdf Le relazioni sintattiche sono anche più semplici, basta guardare nell’intorno dello spazio di termini che hanno solo funzioni sintattiche, come preposizioni o avverbi. Anche di questo parlo nel mio corso, — Beppe > On 13 Oct 2023, at 17:04, Giacomo Tesio <giacomo(a)tesio.it> wrote: > >> >> sono le centinaia di sfumature/sfaccettature che tratteggiano le >> caratteristiche di una parola, sia semantiche che sintattiche o >> chissà che altro. > > Un interpretazione molto romantica... ma priva di fondamento. > > Per poter affermare che si tratti di "sfumature/sfaccettature che > tratteggiano le caratteristiche di una parola, sia semantiche che > sintattiche" devi essere in grado di spiegare a QUALE > sfumatura/sfaccettatura semantica/grammaticale ciascun > numero di ciascun vettore (word embedding) corrisponde. > > Insomma... dei far sparire quel "chissà che altro" ;-) >

Oct. 15, 2023

Re: [nexa] IA, lavoro, immaginari [CDT:L-1] [CDT:L3]

by Fabio Alemagna

Il dom 15 ott 2023, 18:58 Giuseppe Attardi <attardi(a)di.unipi.it> ha scritto: > Divertente. > Comunque, da una premessa falsa si può dedurre qualunque cosa. > Ho solo dimostrato che un LLM può generare il termine, a differenza di com'era stato detto. Fabio

Oct. 15, 2023

Re: [nexa] IA, lavoro, immaginari [CDT:L-1] [CDT:L3]

by Giuseppe Attardi

Divertente. Comunque, da una premessa falsa si può dedurre qualunque cosa. — Beppe > On 13 Oct 2023, at 16:49, Fabio Alemagna <falemagn(a)gmail.com> wrote: > > Il giorno ven 13 ott 2023 alle ore 16:32 380° <g380(a)biscuolo.net> ha scritto: >> Capisco bene che quel termine faccia incazzare un numero incalcolabile >> di persone ma bisogna ammettere che è una _genialata_ (che mai e poi mai >> avrebbe potuto essere generata da un LLM, tra l'altro) > > Me: In the realm of LLMs, if you were to believe that they are just a > dumb tool that juxtaposes one word after the other using a statistical > model with some randomness added to it, in such a way that it mimics > human way of thinking without actually thinking, how would you > describe this tool with just two words, in a tongue-in-cheek and kinda > derogatory way? Remember, just two words > > ChatGPT: Word Vomit. > > Me: Not that derogatory > ChatGPT: "Pattern Parrot." > > Me: That sounds good, but it's missing the bit about randomness. > ChatGPT: "Random Repeater." > > Me: I prefer the version with the animal > ChatGPT: "Stochastic Parrot." > > ___ > > Fabio > <image.png>

Oct. 15, 2023

Re: [nexa] IA, lavoro, immaginari

by 380°

Antonio <antonio(a)piumarossa.it> writes: [...] > (en passant, mi sono permesso di "ridurre" ancora di più il codice, se avete voglia, è qui: [3]) [...] > [3] https://github.com/opensignature/stories Ti prego, aggiungici una licenza (libera? :-P ): lo voglio in Software Heritage! Ciao, 380° -- 380° (Giovanni Biscuolo public alter ego) «Noi, incompetenti come siamo, non abbiamo alcun titolo per suggerire alcunché» Disinformation flourishes because many people care deeply about injustice but very few check the facts. Ask me about <https://stallmansupport.org>.

Oct. 15, 2023

Re: [nexa] [CAUTION: SUSPECT SENDER] Why the Internet Isn’t Fun Anymore

by Roberto Dolci

Personalmente, su X, TikTok ed altri sm mi diverto, imparo, e non ho nessun problema a ricevere feed dei diversi campi che mi interessano. Sicuramente se uno si prende troppo sul serio, ed e’ portato quindi ad offendere ed offendersi, farebbe meglio a prendere i social media a piccole dosi. Tuttavia, dare la colpa al cattivissimo Musk, o a qualunque terza parte che ci giustifichi dalle ns responsabilità nell’uso dello strumento, varia dall’inutile all’infantile. My 2 cents Rob From: nexa <nexa-bounces(a)server-nexa.polito.it> On Behalf Of don Luca Peyron Sent: Saturday, October 14, 2023 3:15 PM To: Nexa <nexa(a)server-nexa.polito.it> Subject: [CAUTION: SUSPECT SENDER] [nexa] Why the Internet Isn’t Fun Anymore The social-media Web as we knew it, a place where we consumed the posts of our fellow-humans and posted in return, appears to be over. Buona lettura dl https://www.newyorker.com/culture/infinite-scroll/why-the-internet-isnt-fun…<https://eu-west-1.protection.sophos.com?d=newyorker.com&u=aHR0cHM6Ly93d3cub…> _________________________ don Luca Peyron Pastorale Universitaria - Apostolato Digitale Arcidiocesi di Torino www.universitari.to.it<https://eu-west-1.protection.sophos.com?d=universitari.to.it&u=aHR0cDovL3d3…> via XX settembre 83, Torino tel. 011 5156239

Oct. 15, 2023