- nexa - server-nexa.polito.it

Re: Forma mentis

by antonio

> No: sono archivi compressi con perdita di sequenze testuali di cui è > possibile decomprimere approssimazioni di alcune zone fornendo in input > una sequenza testuale prossima a quelle presenti nei testi sorgente. > E' una spiegazione semplice, comprensibile ed esaustiva. Aggiungo (tratto da [1]) ... Quello che NON è un modello NON è intelligenza artificiale consapevole NON è un database esplicito di fatti memorizzati NON ha "comprensione" nel senso umano NON "ragiona" nel senso umano: calcola probabilità NON ha un meccanismo nativo di verifica logica/fattuale delle sue risposte NON apprende ma adatta i pesi durante l'inferenza NON contiene neuroni in senso organico, ma numeri, numeri e solo numeri NON ha memoria permanente tra le conversazioni (a meno che il sistema esterno non la aggiunga) [1] https://ilcibernetico.it/autopsia-di-un-llm-parte-prima/ [2] https://ilcibernetico.it/il-tokenizzatore-autopsia-di-un-llm-parte-seconda/ A.

May 12, 2026

Re: Forma mentis

by GC F

Posizione condivisibile, logica e presciente. Posizioni che riflettono in parte quelle di Geoffrey Hinton, di chi ha contributo allo sviluppo delle reti neurali negli ultimi anni, e del San Francisco consensus. Alla luce dei thread degli ultimi giorni - e delle immediate risposte alla ricerca di cui sopra - converrebbe riscoprire il concetto di "auctoritas" prima di formulare affermazioni assolutistiche poco fondate in decine e decine di lunghissimi post. Converrebbe anche leggersi la letteratura eg: Matteo Wong, 'The GPT Era Is Already Ending' (*The Atlantic*, 6 December 2024) < https://www.theatlantic.com/technology/archive/2024/12/openai-o1-reasoning-… >. Zhong-Zhi Li and others, ‘From System 1 to System 2: A Survey of Reasoning Large Language Models’ (2025) arXiv:2502.17419 [cs.AI] < https://arxiv.org/abs/2502.17419>. See Hunter Lightman and others, 'Let's Verify Step by Step' (2023) arXiv:2305.20050 <https://doi.org/10.48550/arXiv.2305.20050>. Guan Wang and others, ‘OpenChat: Advancing Open-source Language Models with Mixed-Quality Data’ (2023) arXiv:2309.11235 [cs.CL] < https://arxiv.org/abs/2309.11235>. Guan Wang and others, ‘Hierarchical Reasoning Model’ (2025) arXiv:2506.21734 [cs.AI] 2–5 https://arxiv.org/abs/2506.21734 (presenting HRM as a ‘brain-inspired’ recurrent architecture designed for reasoning). Zhong-Zhi Li and others, ‘Toward Large Reasoning Models: A Survey’ (2025) arXiv:2501.09686 [cs.AI] 2–5 <https://arxiv.org/abs/2501.09686>. Jason Wei and others, ‘Chain-of-Thought Prompting Elicits Reasoning in Large Language Models <https://dl.acm.org/doi/10.5555/3600270.3602070>’ (2022) 35 Advances in Neural Information Processing Systems 24824, 24825–24830. (defining chain-of-thought as intermediate reasoning steps and reporting large gains on GSM8K math word problems); Takeshi Kojima and others, ‘Large Language Models are Zero-Shot Reasoners <https://dl.acm.org/doi/10.5555/3600270.3601883>’ (2022) 35 Advances in Neural Information Processing Systems 22199, 22201–22205 (on the ‘zero-shot’ procedure where models are prompted to ‘think step by step’ to generate reasoning chains during inference); Shuofei Qiao and others, ‘Reasoning with Language Model Prompting: A Survey <https://aclanthology.org/2023.acl-long.294/>’ (2023) 1(1) ACL Anthology 1, 4–6 (providing a comprehensive review of how CoT functions as a procedural layer on top of predictive architectures). Shunyu Yao and others, ‘Tree of Thoughts: Deliberate Problem Solving with Large Language Models’ (2023) arXiv:2305.10601 < https://arxiv.org/abs/2305.10601>. Maciej Besta and others, ‘Graph of Thoughts: Solving Elaborate Problems with Large Language Models’ (2023) arXiv:2308.09687 < https://arxiv.org/abs/2308.09687>(extending beyond CoT/ToT by modelling “thoughts” as a graph with dependencies and feedback loops, ie structured exploration rather than a single linear narrative). Lilian Weng, ‘LLM Powered Autonomous Agents’ (Lil’Log, 23 June 2023) < https://lilianweng.github.io/posts/2023-06-23-agent>; Lei Wang and others, ‘A Survey on Large Language Model Based Autonomous Agents <https://doi.org/10.1007/s11704-024-40231-1>’ (2024) 18(6) *Frontiers of Computer Science* 186345. David Ha and Jürgen Schmidhuber, ‘World Models’ (2018) arXiv:1803.10122 [cs.LG] <https://arxiv.org/abs/1803.10122>; David Ha and Jürgen Schmidhuber, ‘Recurrent World Models Facilitate Policy Evolution <https://proceedings.neurips.cc/paper/2018/file/2de5d16682c3c35007e4e92982f1…>’ (2018) arXiv:1809.01999 [cs.LG] <https://arxiv.org/abs/1809.01999>. ‘World Models Race 2026: How LeCun, DeepMind, and World Labs Are Redefining the Path to AGI’ (*Introl Blog*, 3 January 2026) < https://introl.com/blog/world-models-race-agi-2026> (discussing a move toward a form of reasoning grounded in causality and physics rather than statistical mimicry). Julian Schrittwieser and others, ‘Mastering Atari, Go, chess and shogi by planning with a learned model <https://www.nature.com/articles/s41586-020-03051-4>’ (2020) 588 Nature 604, 604 (presenting MuZero as ‘combining a tree-based search with a learned model’). For the definitive overview of neurosymbolic AI as the ‘third wave’ of artificial intelligence focused on structured reasoning and explainability, see Artur d’Avila Garcez and Luís Lamb, ‘Neurosymbolic AI: The 3rd Wave <https://arxiv.org/abs/2012.05876>’ (2023) 56(11) Artificial Intelligence Rev 12387, 12388–12392. Giuseppe Marra and others, ‘From Statistical Relational to Neurosymbolic Artificial Intelligence: A Survey <https://www.sciencedirect.com/science/article/pii/S0004370223002084?via%3Di…>’ (2024) 328 *Artificial Intelligence* 104062 Lukas Nel, ‘Do Large Language Models Know What They Don’t Know? KalshiBench: A New Benchmark for Evaluating Epistemic Calibration via Prediction Markets’ (2025) arXiv:2512.16030 [cs.CL] < https://arxiv.org/abs/2512.16030> (reporting systematic miscalibration/overconfidence—models expressing confidence that outstrips correctness), Melanie Mitchell and David C Krakauer, ‘The Debate Over Understanding in AI’s Large Language Models <https://www.pnas.org/doi/full/10.1073/pnas.2215907120?doi=10.1073%2Fpnas.22…>’ (2023) 120(13) Proceedings of the National Academy of Sciences e2215907120; Melanie Mitchell, ‘AI’s Challenge of Understanding the World <https://www.science.org/doi/10.1126/science.adm8175>’ (2023) 382(6671) Science eadm8175. François Chollet and Mike Knoop, ‘ARC Prize 2025: Technical Report’ (2026) arXiv:2601.10904v1 [cs.AI] < https://arxiv.org/html/2601.10904v1> (characterizing the 2025 reasoning breakthroughs as still being ‘fundamentally related to model knowledge’ rather than human-like cognitive flexibility). Qianjun Pan and others, ‘A Survey of Slow Thinking-based Reasoning LLMs using Reinforced Learning and Inference-time Scaling Law’ (2025) arXiv:2505.02665 https://arxiv.org/abs/2505.02665 <https://arxiv.org/abs/2505.02665?utm_source=chatgpt.com> (synthesising ‘slow thinking’ methods: inference-time compute scaling, search/verification, and iterative refinement loops to improve structured reasoning beyond single-pass plausibility); Yixin Ji and others, ‘A Survey of Test-Time Compute: From Intuitive Inference to Deliberate Reasoning’ (2025) arXiv:2501.02497 < https://arxiv.org/abs/2501.02497> (defining "test-time compute" as a mechanism that allows a model to "work" a problem during inference—using techniques like self-correction, repeated sampling, and tree search to solve tasks that are impossible for a single forward pass). Yann LeCun, ‘A Path Towards Autonomous Machine Intelligence’ (2022) OpenReview <https://openreview.net/pdf?id=BZ5a1r-kVsf>. Rizwan Qureshi, ‘Thinking Beyond Tokens: From Brain-Inspired Intelligence to Cognitive Foundations for Artificial General Intelligence’ (2025) arXiv:2507.00951 <https://arxiv.org/abs/2507.00951>. Mohamed Amine Ferrag, Norbert Tihanyi and Merouane Debbah, ‘From LLM Reasoning to Autonomous AI Agents: A Comprehensive Review’ (2025) arXiv:2504.19678 [cs.AI] <https://arxiv.org/abs/2504.19678> Jason Wei and others, ‘Emergent Abilities of Large Language Models’ (2022) arXiv:2206.07682 [cs.CL] <https://doi.org/10.48550/arXiv.2206.07682> Melanie Mitchell, ‘Debates on the Nature of Artificial General Intelligence’ (2024) 383(6689) Science eado7069 < https://www.science.org/doi/10.1126/science.ado7069>. Shane Legg and Marcus Hutter, ‘Universal Intelligence: A Definition of Machine Intelligence’ (2007) arXiv:0712.3329 [cs.AI] < https://arxiv.org/abs/0712.3329>. Ben Goertzel and Cassio Pennachin (eds), *Artificial General Intelligence* (Springer 2007) 1–5; Meredith Ringel Morris and others, ‘Levels of AGI: Operationalizing Progress on the Path to AGI’ (2024) arXiv:2311.05148 [cs.AI] 2–7 (categorising LLMs as "Level 1: Emergent AGI"—defined as systems that are equal to or better than an unskilled human at a wide range of tasks); Blaise Agüera y Arcas and Peter Norvig, ‘Artificial General Intelligence Is Already Here’ (*Noema Magazine*, 10 October 2023) < https://www.noemamag.com/artificial-general-intelligence-is-already-here>; Sébastien Bubeck and others, ‘Sparks of Artificial General Intelligence: Early Experiments with GPT-4’ (2023) arXiv:2303.12712 [cs.AI] 1–5 < https://arxiv.org/abs/2303.12712>; Blaise Agüera y Arcas, *What Is Intelligence? Lessons from AI About Evolution, Computing, and Minds* (MIT Press 2025) (postulating predictive AI as AGI according to neuroscience ‘predictive brain’ hypothesis); Eric Schmidt, ‘The San Francisco Consensus’ (2024) 2 The Digitalist Papers < https://www.digitalistpapers.com/vol2/schmidt>; Leopold Aschenbrenner, ‘Situational Awareness: The Decade Ahead’ (June 2024) < https://situational-awareness.ai>. ‘Geoffrey Hinton – Interview’ (*NobelPrize.org*, 8 October 2024) < https://www.nobelprize.org/prizes/physics/2024/hinton/1925103-interview-tra… >. Violet Xiang and others, ‘Just Enough Thinking: Efficient Reasoning with Adaptive Length Penalties Reinforcement Learning’ (2025) arXiv:2506.05256 [cs.AI] <https://arxiv.org/abs/2506.05256> Giancarlo On Tue, 12 May 2026 at 07:46, Giuseppe Attardi via nexa < nexa(a)server-nexa.polito.it> wrote: > Un punto di vista diverso, da parte di Nello Cristianini, noto ricercatore > di Machine Learning: > > > https://www.repubblica.it/tecnologia/2026/05/12/news/nello_cristianini_libr… > > — Beppe > >

May 12, 2026

Re: Forma mentis (Giuseppe Attardi)

by karlessi

Message: 1 > Date: Tue, 12 May 2026 05:45:51 +0000 > From: Giuseppe Attardi <attardi(a)di.unipi.it> > Subject: [nexa] Forma mentis > To: nexa <nexa(a)server-nexa.polito.it> > Message-ID: <C6C7B53C-0A55-4BC5-82F7-8489AFCA50D5(a)di.unipi.it> > Content-Type: multipart/alternative; > boundary="_000_C6C7B53C0A554BC582F78489AFCA50D5diunipiit_" > > Un punto di vista diverso, da parte di Nello Cristianini, noto ricercatore di Machine Learning: > > https://www.repubblica.it/tecnologia/2026/05/12/news/nello_cristianini_libr… Buongiorno, leggerò il libro, come ho letto gli altri di Cristianini; le conclusioni dell'articoletto mi sembrano condivisibili, bello cercare di aprire le scatole nere d'altra parte, questa, come gli altri libri suoi che ho letto, a mio avviso è filosofia, senz'altro non di tipo assiomatico né strettamente logico, bensì speculativa al limite della fantascienza. Con il racconto di tante storie ed esperienze. Nulla di male. Basta riconoscerlo. Cristianini afferma che: > È questa la parte affascinante di questo momento scientifico: esiste uno spazio di intelligenze possibili, ancora da esplorare. Le intelligenze artificiali di oggi non sono pappagalli, ma non sono nemmeno simili alle menti umane: sono qualcosa di diverso. Un tipo di mente aliena e primitiva, con una sua forma diversa dalla nostra, non umana ma che possiamo studiare. Abbiamo appena aperto una porta, ne troveremo presto delle altre. Esiste? è una sua opinione. una doxa, in filosofia. lo dice lui. basata su fatti scientifici? forse. sul linguaggio, segnalo che "intelligence" in inglese significa anche "spionaggio"; e che quando si cominciano ad affastellare aggettivi a un sostantivo, è segno che il sostantivo non vuol poi dir molto (intelligenza emotiva, artificiale... ma quindi di cosa si parla? non è chiaro, non c'è accordo) ma il punto cruciale è, mi pare, quello che è stato sollevato più volte in varie forme: la scienza, e la ricerca scientifica in particolare, sono ideologicamente orientate. da sempre. gli scienziati accorti lo sanno e non se lo nascondono. I filosofi della scienza lo ripetono da parecchio (su tutti, Feyerabend). purtroppo la stragrande maggiornza degli scienziati continua a pretendersi e raccontarsi come "pura" (letteralmente, "passata attraverso il fuoco"). Invece gli scienziati, in quanto esseri umani portatori di convinzioni, agiscono e ricercano in base ad assunti filosofici, che ne siano coscienti (raramente) o meno (troppo spesso). "un tipo di mente aliena e primitiva" è un'affermazione davvero fantascientifica. Aliena, altra, da un altrove; primitiva: si evolverà, sottinteso. anche qui, benissimo. ipotesi. opinioni. riberberi mitologici. sono tanti gli scienziati che riscoprono la filosofia, la mitologia, la fantascienza speculativa. purtroppo però continuano a dirsi "scienziati puri" e a trattare con disprezzo filosofia, mitologia e fantascienza. E invece farebbero bene a studiare un pochino ciò che disprezzano. Non è la prima volta che si scopre "l'Automa". l'IA oggi egemone è una narrazione, e una narrazione pesantemente ideologizzata nel senso deteriore del termine; non certo una tecnologia. Quantomeno ci sono tante tecniche e tecnologie differenti che, variamente ingegnerizzate e socializzate, vengono spacciate sotto l'etichetta di "IA". Questa narrazione ha a che fare con l'automazione, che già di per sé è una categoria complessa, che confonde, poiché rimanda sia all'automata sia al taumastos: "automatizo", cioè "fare di proprio impulso o arbitrariamente". Cosa che per Aristotele è tipico degli enti naturali e non degli artefatti: eppure gli automata sono artefatti che fanno di proprio impulso, arbirtrariamente... da cui il "taumastos", ciò che "meraviglia". Ne abbiamo scritto con V. García in M. Guerri, Le parole della tecnica, Einaudi, 2025, Automazione, pp. 39-55 (bozze: https://cloud.eudema.net/s/bsbGPGJASLT82Zg ) Invece di concentrarsi come la peggior filosofia occidentale dualista sugli "enti artificiali", suppostamente opposti agli "enti naturali", e dunque sull'alterità, Cristianini potrebbe concentrarsi sulle affinità, sui punti di contatto. Visto che ci ha a che fare tutti i giorni nella sua ricerca, sarebbe interessante. In ogni caso, può essere utile riprendere in mano "The Human Condition" di Hannah Arendt (Vita Activa in italiano), in cui il pensiero (cap V, l'Azione) viene declinato in un modo incompatibile con il programma di ricerca dichiarato di "decifrare i pensieri delle macchine". Personalmente sono più vicino a Simondon che ad Harendt (troppo heideggeriana nei confronti della Tecnica che rimane una specie di Gestell), però su un punto almeno vorrei convenire: le macchine NON HANNO PENSIERI. Non ha senso affermarlo, e in ogni caso non ci aiuta. Non perché l'umano sia detentore del pensiero come caratteristica sua propria, ma perché le macchine sono diverse appunto gli umani, non ragionano, non pensano. fanno altre cose. Cosa fanno insieme agli umani che le hanno costruite? Come lo fanno? In che modo modificano gli umani, e ne vengono modificate, cioè co-evolvono? Ci va bene questa co-evoluzione? Questo è il punto. visto che loro sono scienziati, invece di riprendere termini che hanno altri significati, sarebbe opportuno ricorrere a termini puntuali e adeguati. sì: è anche una questione di linguaggio. usiamo altre parole. coniamo altre parole, cerchiamo un po' la chiarezza. smettiamo di usare termini antropomorfici che servono solo a veicolare narrazioni tossiche. "neuroni" (artificiali!!!) che "riconoscono concetti"! queste sono opinioni a mio avviso scorrette: eppure poche righe prima si lamenta dell'antropomorfizzazione. e allora, ancora: per favore, usiamo altre parole, nuove, diverse. a pensar male, vien da ipotizzare che questi scienziati che improvvisamente pochi anni fa, dopo decenni nell'ombra e sottofinanziati (nell'"inverno dell'IA..."), si sono trovati sulla ribalta, e con finanziamenti stratosferici, e tirati per la giacchetta dai potenti e dagli approfittatori di cui il mondo abbonda, abbiano un po' perso il lume della ragione. e propongono più ricerca, più più più più e ovviamente più e energia e più soldi. Per loro, per le loro ricerche. Così potranno consigliare ai potenti come fare la guerra giusta con l'IA giusta ed etica, visto che in ogni caso l'IA viene raccontata come ineluttabile (ogni riferimento alla filosofa Maria Rosaria Taddeo è voluta: non sono solo gli scienziati che filosofeggiano senza dichiararlo a causare danni, ma forse peggio i filosofi che giustificano l'ingiustificabile in nome dell'etica) vorrei attirare l'attenzione su un'ipotesi: e se la meraviglia per questi "automata" fosse talmente forte da obnubilare scienziati, filosofi, "normali" cittadini, più di quanto non vogliamo ammettere? Umani a bocca aperta ad ascoltare le favole dei "confezionatori di testi" (e non solo)? questo apre alla considerazione degli aspetti relazionali delle tecnologie: se le tecnologie, come propone una tradizione di pensiero estremamente minoritaria (Simondon, Sigaut...), sono sistemi per affrontare, gestire, stabilizzare il comune destino, ovvero la morte (termica dell'universo, ma anche di esseri con cui siamo in relazione, oltre che personale), e sono la via d'elezione dell'ominizzazione perché creano il mondo abitabile dagli umani, cosa dice questo accanimento sull'IA sull'evoluzione delle specie coinvolte (umani, ma non solo)? un umano con una bicicletta diventa ciclista. con un'automobile, automobilista. con l'IA? esistono IA (narrazioni di IA) divergenti dal modello iperindustriale, estrattivo e guerrafondaio attualmente egemone (Palantir è fra i pochi a dichiararlo esplicitamente, ma gli altri lavorano nella stessa identica direzione, IMHO)? Come potrebbero essere messe in opera, eventualmente? Con quali limitazioni, auto-limitazioni rispetto all'evidente assenza di ogni limite della "ricerca" attuale (limitazioni energetiche, trasparenza e replicabilità dell'infrastruttura, modelli gestionali, tracciabilità dei dati in ingresso, ecc ecc)? Queste sono domande innanzitutto filosofiche, e ce n'è particolarmente bisogno oggi. buona giornata cm > > — Beppe > >

May 12, 2026

Re: Forma mentis

by Giacomo Tesio

On Tue, 12 May 2026 05:45:51 +0000 Giuseppe Attardi wrote: > Un punto di vista diverso, da parte di Nello Cristianini, noto > ricercatore di Machine Learning: No Giuseppe, quella non è "un opinione diversa". Quella è disinformazione travestita da divulgazione scientifica. Cristianini scrive """ Davanti a queste prestazioni, la spiegazione di queste straordinarie abilità è spesso che questisistemi sono modelli matematico-statistici che apprendono correlazioni e usano un meccanismo che prevede la parola successiva. """ No: sono archivi compressi con perdita di sequenze testuali di cui è possibile decomprimere approssimazioni di alcune zone fornendo in input una sequenza testuale prossima a quelle presenti nei testi sorgente. E' una spiegazione semplice, comprensibile ed esaustiva. Dimmi tu cosa supera meglio il rasoio di Occam: - intelligenze artificiali che hanno allucinazioni - decompressioni di sequenze testuali compresse con perdita che divergono dai dati forniti in input (prompt, contesto etc...) per riprodurre pattern frequenti nei testi originariamente compressi Come molti altri qui, potrei smontare quell'articolo frase per frase, ma francamente è talmente allucinante che non merita alcuno spazio. Magra consolazione è pensare come articolo e libretto testimonieranno le qualità intellettuali ed etiche dell'autore ben oltre la deflagrazione della bolla. Giacomo

May 12, 2026

Re: nexa Digest, Vol 205, Issue 38

by Stefano Quintarelli

se cerchi di fare backprop con un flip flop hai dei problemi... On 12/05/26 08:32, Giuseppe Attardi via nexa wrote: > Non esattamente: ti sfugge che il calciatore (la rete neurale) ha una > sua capacità di apprendere legata alla struttura del suo modello: la > backpropagation stimola l’apprendimento ma non basta se il modello è > inadeguato. > Sostituisci al calciatore una rete fatta di un singolo perceptron e il > meccanismo non funziona. > > Proprio sul ruolo cruciale dell’architettura dei modelli sta la > differenza con l’interpretazione di macchina-statistica. > I successi del Deep Learning sono dovuti proprio ai progressi nelle > architetture dei modelli. > > — Beppe > >> On 11 May 2026, at 13:09, nexa-request(a)server-nexa.polito.it wrote: >> >> From: antonio <antonio(a)piumarossa.it <mailto:antonio@piumarossa.it>> >> Subject: [nexa] Re: Una visione realistica dell’Intelligenza >> Artificiale - Lettera aperta alla società >> To:nexa@server-nexa.polito.it <mailto:nexa@server-nexa.polito.it> >> Message-ID: <20260511122219.a36e31cefab1826de25daa7e(a)piumarossa.it >> <mailto:20260511122219.a36e31cefab1826de25daa7e@piumarossa.it>> >> Content-Type: text/plain; charset=ISO-8859-1 >> >>> I LLM hanno risolto il problema in modo radicalmente diverso: invece >>> di codificare >>> regole, apprendono pattern statistici da enormi quantità di testo. >> >> Se venisse da me un ragazzino a chiedermi il funzionamento base di una >> rete neurale gli farei questo esempio. >> >> Vuoi tirare il rigore perfetto all'incrocio dei pali? Vieni con me. >> Ti porto nei pressi del dischetto e ti bendo. >> "Tira il pallone in una direzione a caso, poi io ti dirò come >> aggiustare il tiro". >> Un po' più a destra, un po' più alto, ancora più in alto, no, troppo, >> ora abbassa, e così per tutto il giorno. >> Io prenderò nota solo dei movimenti corretti. >> Dopo 10.000 rigori, non avrai più bisogno che io ti guidi. Avrai >> memorizzato esattamente la tensione muscolare e >> la potenza necessaria per colpire l'incrocio. A quel punto, toglieremo >> la benda e farai gol al primo colpo. >> >> Quindi abbiamo: >> >> 1) Il calciatore (la rete neurale): È lui che agisce, ma all'inizio >> non sa nulla. >> 2) Il tiro a caso (forward propagation): La rete neurale fa una >> previsione basandosi su pesi casuali. >> 3) Tu che correggi ("più a destra/alto") (Funzione di perdita/loss >> function): misuri l'errore tra dove è andata la palla e l'incrocio dei >> pali. >> 4) Aggiustare il tiro (backpropagation): Il calciatore capisce >> l'errore e modifica la posizione del corpo per il prossimo tiro. >> 5) Tirare tutto il giorno (addestramento/training): La rete impara >> iterando migliaia di volte finché non azzecca il tiro >> 6) Prendere nota (aggiornamento dei parametri della rete): I "pesi" >> sinaptici" vengono consolidati quando portano ad un risultato migliore. >> >> Bene, ora sostituisci quel "migliaia di volte" con questo numero: >> 38.000.000.000.000.000.000.000.000 >> e "tutto il giorno" con 54 giorni. >> >> (Il training di Llama 3.1 405B ha richiesto circa 3,8 * 10^25 FLOP >> utilizzando 16.384 GPU H100 per 54 giorni) >> >> p.s. forse è meglio citare De Gregori: >> >> Ma Nino non aver paura >> Di sbagliare un calcio di rigore >> Non è mica da questi particolari >> Che si giudica un giocatore >> Un giocatore lo vedi dal coraggio >> Dall'altruismo e dalla fantasia >> >> A. > -- You can reach me on Signal: @quinta.01 (no Whatsapp, no Telegram)

May 12, 2026

Re: nexa Digest, Vol 205, Issue 38

by Giacomo Tesio

Concordo Giuseppe, il paragone suggerito da Antonio è profondamente inadeguato, ma per una ragione più macroscopica di quella che rilevi. Il ragazzino è intelligente, la "rete neurale artificiale" no. Lungi dal chiarire "funzionamento base di una rete neurale", l'esperienza che proponi spingerebbe il ragazzino ad antropomorfizzarla. Infatti il ragazzino impara, mentre le matrici di una "rete neurale artificiale" si limita ad assorbire pattern iterativamente, adattando microscopicamente i propri valori ad ogni ciclo di back propagation in modo da ridurre l'errore del proprio calcolo rispetto al output desiderato. Anzi, per la precisione, non è la rete neurale ad assorbire i pattern adattando i propri valori: è il programmatore statistico che applica la back propagation tramite un software preposto, correggendo i numeri della matrice stessa. Dopo milioni di ripetizioni, le matrici hanno _assorbito_ alcuni pattern statisticamente rilevanti che sono poi in grado di riprodurre. Ma non c'è nessuno ad "imparare" e persino il termine "perceptron", con il suo riferimento evocativo alla esperienza della percezione, è assolutamente inadeguato a descrivere ciò di cui stiamo parlando. Sopratutto per chi purtroppo non comprende appieno il funzionamento di queste macchine (virtuali) programmabili statisticamente. Concordo anche sul fatto (ovvio se ci pensi bene) che l'architettura di una vector mapping machine sia fondamentale per minimizzare la produzione di artefatti durante la decompressione di questi archivi compressi con perdita. Così come trovo ovvio che tipologie di dati sorgente diversi (poesie, immagini, codice, associazioni immagine/descrizione...) potranno essere compressi più efficientemente da architetture diverse, esattamente come algoritmi di compressione diversi producono archivi più o meno adatti a determinati utilizzi. Giacomo On Tue, 12 May 2026 06:32:11 +0000 Giuseppe Attardi wrote: > Non esattamente: ti sfugge che il calciatore (la rete neurale) ha una > sua capacità di apprendere legata alla struttura del suo modello: la > backpropagation stimola l’apprendimento ma non basta se il modello è > inadeguato. Sostituisci al calciatore una rete fatta di un singolo > perceptron e il meccanismo non funziona. > > Proprio sul ruolo cruciale dell’architettura dei modelli sta la > differenza con l’interpretazione di macchina-statistica. I successi > del Deep Learning sono dovuti proprio ai progressi nelle architetture > dei modelli. > > — Beppe > > On 11 May 2026, at 13:09, nexa-request(a)server-nexa.polito.it wrote: > > From: antonio <antonio(a)piumarossa.it<mailto:antonio@piumarossa.it>> > Subject: [nexa] Re: Una visione realistica dell’Intelligenza > Artificiale - Lettera aperta alla società > To: nexa(a)server-nexa.polito.it<mailto:nexa@server-nexa.polito.it> > Message-ID: > <20260511122219.a36e31cefab1826de25daa7e(a)piumarossa.it<mailto:20260511122219.a36e31cefab1826de25daa7e@piumarossa.it>> > Content-Type: text/plain; charset=ISO-8859-1 > > I LLM hanno risolto il problema in modo radicalmente diverso: invece > di codificare regole, apprendono pattern statistici da enormi > quantità di testo. > > Se venisse da me un ragazzino a chiedermi il funzionamento base di > una rete neurale gli farei questo esempio. > > Vuoi tirare il rigore perfetto all'incrocio dei pali? Vieni con me. > Ti porto nei pressi del dischetto e ti bendo. > "Tira il pallone in una direzione a caso, poi io ti dirò come > aggiustare il tiro". Un po' più a destra, un po' più alto, ancora più > in alto, no, troppo, ora abbassa, e così per tutto il giorno. Io > prenderò nota solo dei movimenti corretti. Dopo 10.000 rigori, non > avrai più bisogno che io ti guidi. Avrai memorizzato esattamente la > tensione muscolare e la potenza necessaria per colpire l'incrocio. A > quel punto, toglieremo la benda e farai gol al primo colpo. > > Quindi abbiamo: > > 1) Il calciatore (la rete neurale): È lui che agisce, ma all'inizio > non sa nulla. 2) Il tiro a caso (forward propagation): La rete > neurale fa una previsione basandosi su pesi casuali. 3) Tu che > correggi ("più a destra/alto") (Funzione di perdita/loss function): > misuri l'errore tra dove è andata la palla e l'incrocio dei pali. 4) > Aggiustare il tiro (backpropagation): Il calciatore capisce l'errore > e modifica la posizione del corpo per il prossimo tiro. 5) Tirare > tutto il giorno (addestramento/training): La rete impara iterando > migliaia di volte finché non azzecca il tiro 6) Prendere nota > (aggiornamento dei parametri della rete): I "pesi" sinaptici" vengono > consolidati quando portano ad un risultato migliore. > > Bene, ora sostituisci quel "migliaia di volte" con questo numero: > 38.000.000.000.000.000.000.000.000 > e "tutto il giorno" con 54 giorni. > > (Il training di Llama 3.1 405B ha richiesto circa 3,8 * 10^25 FLOP > utilizzando 16.384 GPU H100 per 54 giorni) > > p.s. forse è meglio citare De Gregori: > > Ma Nino non aver paura > Di sbagliare un calcio di rigore > Non è mica da questi particolari > Che si giudica un giocatore > Un giocatore lo vedi dal coraggio > Dall'altruismo e dalla fantasia > > A. >

May 12, 2026

La responsabilità sociale

by Junio Caselli

Mi collego a quanto scritto da Daniela Tafani per aggiungere il mio punto di vista: Le generazioni che crescono con l’AI come baseline cognitiva sono esposte a una vulnerabilità nuova. Non solo rischiano di essere giudicate da sistemi opachi, ma di esserlo in assenza di strumenti autonomi per riconoscerne limiti, errori, omissioni e presupposti. La futura mutazione dei diritti sociali avrà tra le sue cause principali questo spostamento dell’autorità cognitiva. Il nodo non è soltanto l’indebolimento della capacità cognitiva dovuto all’uso dell’AI, questione già ampiamente discussa, ma il trasferimento dell’autorità cognitiva: chi sembra avere ragione, che cosa appare vero, quale framing si impone o dove si arresta il dubbio. L’AI fornisce vantaggi tattici evidenti nel breve periodo, come per esempio, a prescindere dall’etica sottesa, può aiutare a superare un esame, a redigere un progetto, a produrre testi formalmente convincenti o a simulare una competenza che ancora non si possiede. Ma, in assenza di una governance distribuita e di robuste difese epistemiche, tende a dividere le persone tra chi è dentro la matrice cognitiva dell’AI e chi la usa mantenendone la distanza. I secondi sono pochi. I primi sono molti, e provengono più spesso da contesti che non hanno fornito loro strumenti sufficienti di protezione epistemica. In questo senso la nuova asimmetria dei diritti sociali non sarà soltanto economica o tecnologica o di accesso, ma potrà essere a che e gravemente cognitiva e istituzionale. Junio > Il giorno 11 mag 2026, alle ore 18:56, nexa-request(a)server-nexa.polito.it ha scritto: > > Send nexa mailing list submissions to > nexa(a)server-nexa.polito.it > > To subscribe or unsubscribe via email, send a message with subject or > body 'help' to > nexa-request(a)server-nexa.polito.it > > You can reach the person managing the list at > nexa-owner(a)server-nexa.polito.it > > When replying, please edit your Subject line so it is more specific > than "Re: Contents of nexa digest..." > > Today's Topics: > > 1. Re: Una visione realistica dell’Intelligenza Artificiale - Lettera aperta alla società > (antonio) > 2. Re: Una visione realistica dell’Intelligenza Artificiale - Lettera aperta alla società > (Enrico Nardelli) > > > ---------------------------------------------------------------------- > > Message: 1 > Date: Mon, 11 May 2026 17:54:32 +0200 > From: antonio <antonio(a)piumarossa.it> > Subject: [nexa] Re: Una visione realistica dell’Intelligenza > Artificiale - Lettera aperta alla società > To: nexa(a)server-nexa.polito.it > Message-ID: <20260511175432.6515ec420feb62f282897af3(a)piumarossa.it> > Content-Type: text/plain; charset=ISO-8859-1 > >> Eh, no! Lo confondi ed è peggio. >> L'hai "addestrato" cieco? E cieco conviene che tiri i rigori. > > Hai ragione, infatti quella frase ero incerto se e come inserirla. > Si può intenderla come: > "Ho visto la luce!" (cit. John Belushi in "Blues Brothers") dopo aver > calcolato al buio dentro la "black box". > Ma se rimaniamo dentro la metafora dell'uscire dal buio come assunzione > di consapevolezza e cognizione di sé e della realtà, > allora è meglio che il calciatore/AI resti bendato. > > Forse per un ragazzino un discorso troppo filosofico ;) > > A. > > ------------------------------ > > Message: 2 > Date: Mon, 11 May 2026 18:56:16 +0200 > From: Enrico Nardelli <nardelli(a)mat.uniroma2.it> > Subject: [nexa] Re: Una visione realistica dell’Intelligenza > Artificiale - Lettera aperta alla società > To: "nexa(a)server-nexa.polito.it" <nexa(a)server-nexa.polito.it> > Message-ID: <2b382e08-923c-4019-9f66-bc0de37da1d3(a)mat.uniroma2.it> > Content-Type: multipart/alternative; > boundary="------------WpHNbW4yHA2lHqCXHEVShcjD" > > Cara Daniela > > grazie a te per ricordare sempre infaticabilmente l'importanza di > riflettere su cosa fanno questi strumenti alla società e di cercare di > riprenderne il controllo. > > Grazie anche per i riferimenti (*) e (**) che non conoscevo. > > Molto interessante il riferimento alla visione dell'IAgen come "culto"... 🙂 > > Segnalo questi due ulteriori articoli interessanti in merito ai danni > dell'uso di strumenti di IAgen nei processi di apprendimento: > > - questo di Anthropic, particolarmente rilevante perché è > sostanzialmente l'oste che dice che il suo vino può far male > How AI assistance impacts the formation of coding skills > https://www.anthropic.com/research/AI-assistance-coding-skills > > - questo di ricercatori indipendenti su matematica e lettura > AI Assistance Reduces Persistence and Hurts Independent Performance > https://ai-project-website.github.io/AI-assistance-reduces-persistence/ > > Ciao, Enrico > > > Il 10/05/2026 11:49, Daniela Tafani ha scritto: >> Caro Enrico, >> >> volevo ringraziarti di aver rivolto ai tuoi colleghi, con la lettera aperta, >> un invito a non coltivare quello che chiamate un "fraintendimento". >> >> Come accade sovente in ambito religioso, c'è un doppio aspetto: >> >> - il fraintendimento di cui vi occupate, generato da una debolezza antropologica, dalla tendenza della natura umana >> a una forma animistica di pensiero magico; >> - l'inganno dei sacerdoti di questa specifica religione statutaria, variamente interessati al potere o al profitto che derivano da un simile culto. >> >> Da un punto di vista filosofico, gli argomenti di Searle su intelligenza e proprietà emergenti non sono mai stati confutati. >> >> La religione della tecnologia resta: già David Noble osservava che il concetto stesso di intelligenza artificiale è erede del mito giudaico-cristiano della creazione come di una procreazione divina maschile, senza donne e senza sesso. >> >> Trattandosi di un culto, qualcuno ha legittimamente richiesto di essere esentato dall'uso dei chatbot in nome della libertà religiosa >> (Catherine Sawers: "I have a religious exemption from using all generative 'A.I.' I am not a member of the Silicon Valley sect"). >> >> Ne approfitto per aggiungere all'elenco tuo e di Giacomo (se le aveste già citate, scusatemi) >> un altro paio di pubblicazioni sugli effetti dequalificanti dell'uso dei chatbot: >> >> - sulla "resa cognitiva", in virtù della quale si finisce per adottare l’output di un chatbot senza verifica e anche nei casi in cui contrasti con le proprie intuizioni o i propri ragionamenti*; >> - sull'atrofia cognitiva negli adulti e sul mancato apprendimento nei bambini: negli adulti, con l’uso dei chatbot si indeboliscono, senza rendersene conto, le capacità che si possedevano e che possono tuttavia essere recuperate; nei giovani, l’uso di tali sistemi preclude del tutto l’apprendimento e abitua a a omologarsi, a non pensare, a recepire pensieri già formulati da altri**; >> >> Va da sé che non si tratti di spiacevoli effetti collaterali, ma, come sempre, di una delle funzioni di questi sistemi, >> ritenute economicamente e politicamente utili dal complesso militare-industriale che controlla, in questo momento, >> le traiettorie di sviluppo della tecnologia: dequalificazione e dipendenza da piattaforme e software proprietari, per quanto scadenti, >> sono obiettivi intrecciati, funzionali alla riduzione dei cittadini a sudditi in stato di minorità. >> >> L'obiettivo delle grandissime aziende è che, anche nella vita privata, attività e relazioni umane siano non solo mediate dai loro prodotti, ma siano intrattenute direttamente con quelli, anziché con altri esseri umani: anche in questo ambito si mira a produrre dipendenza, perché questa è funzionale alla sorveglianza, alla manipolazione e al controllo degli utenti. Si diventa dipendenti dall'amico immaginario perché nella realtà c'è un software che estrude output che danno rinforzo senza contenimento, all'infinito. Psicologicamente, è una ricetta per il disastro. Non a caso, qualcuno ha osservato che l'attuale modello di business dell'IA generativa è quello della "psicosi come servizio". Non stupisce, quindi, il caso italiano recentissimo - dopo gli innumerevoli casi statunitensi - di una dipendenza da chatbot presa in carico dal sistema sanitario. >> >> Uno pseudo studio edtech sugli effetti positivi dei chatbot è appena stato ritrattato da Nature***. >> >> Un caro saluto, >> Daniela >> >> >> * Timothy Cook, Adults Lose Skills to AI. Children Never Build Them, “Psychilogy Today”, March 22, 2026,https://www.psychologytoday.com/us/blog/the-algorithmic-mind/202603/ad…. >> ** Steven D. Shaw, Gideon Nave, Thinking ‐ Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender, “The Wharton School Research Paper”, January 11, 2026,https://doi.org/10.31234/osf.io/yk25n_v1. >> *** Retraction Note: The effect of ChatGPT on students’ learning performance, learning perception, and higher-order thinking: insights from a meta-analysis,https://www.nature.com/articles/s41599-026-07310-z. >> >> >> >> ________________________________________ >> Da: Enrico Nardelli via nexa<nexa(a)server-nexa.polito.it> >> Inviato: sabato 9 maggio 2026 19:20 >> A:nexa@server-nexa.polito.it >> Oggetto: [nexa] Re: Una visione realistica dell’Intelligenza Artificiale - Lettera aperta alla società >> >> Grazie Giacomo >> >> per il riferimento a questo studio di Antrhopic, che non conoscevo quando avevo scritto il mio pezzo di un paio di mesi fa us IAgen e sviluppo softwarehttps://www.startmag.it/innovazione/iagen-lavoro-sviluppo-software/ >> >> È molto interessante, perché condotto seguendo gli approcci usati nella ricerca in didattica dell'informatica (o computer science education che dir si voglia): >> >> We found that using AI assistance led to a statistically significant decrease in mastery. On a quiz that covered concepts they’d used just a few minutes before, participants in the AI group scored 17% lower than those who coded by hand, or the equivalent of nearly two letter grades. Using AI sped up the task slightly, but this didn’t reach the threshold of statistical significance. >> >> Questo risultato ribatte quello in molti altri settori sta emergendo rispetto all'uso dell'IA nel settore educativo, che è esemplificato da questo studio massiccio (di cui forse si è già parlato qui in mailing list) sul cosiddetto "Debito Cognitivo". >> >> Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task >> https://arxiv.org/pdf/2506.08872v2 >> >> As the educational impact of LLM use only begins to settle with the general population, in this study we demonstrate the pressing matter of a likely decrease in learning skills based on the results of our study. The use of LLM had a measurable impact on participants, and while the benefits were initially apparent, as we demonstrated over the course of 4 months, the LLM group's participants performed worse than their counterparts in the Brain-only group at all levels: neural, linguistic, scoring >> >> Ciao, Enrico >> >> NB: il grassetto delle citazioni è mio >> >> >> >> Il 08/05/2026 19:57, Giacomo Tesio via nexa ha scritto: >> >> Suvvia Enrico, non te la prendere: non è nulla di personale. >> >> On Fri, 8 May 2026 17:43:17 +0200 Enrico Nardelli wrote: >> >> >> >> Guido, io ho scritto: >> [...] >> >> tu mi replichi >> [...] >> >> NO! Se io avessi scritto >> [...] >> >> Ma siccome ho scritto una cosa diversa, [...] >> >> >> >> Sono certo che Guido non abbia usato un agente automatico per ottenere >> un riassunto della tua mail perché sa che sarebbe un'enorme mancanza di >> rispetto per il tempo che hai dedicato a scrivergli. >> >> Semplicemente, leggere fischi per fiaschi è un effetto collaterale >> comunissimo dell'uso intensivo di riassunti prodotti da software >> programmati statisticamente. >> >> >> Come ogni altra facoltà intellettiva, l'attenzione richiede costante >> allenamento. Nemmeno Anthropic ha il coraggio di negarlo [1][2]: >> https://www.anthropic.com/research/AI-assistance-coding-skills >> >> """ >> On average, participants in the AI group finished about two minutes >> faster, although the difference was not statistically significant. >> There was, however, a significant difference in test scores: the AI >> group averaged 50% on the quiz, compared to 67% in the hand-coding >> group—or the equivalent of nearly two letter grades (Cohen's d=0.738, >> p=0.01). The largest gap in scores between the two groups was on >> debugging questions, suggesting that the ability to understand when >> code is incorrect and why it fails may be a particular area of concern >> if AI impedes coding development. >> """ >> >> Un effetto collaterale che tende a vanificare persino l'utilità dei >> "riassunti automatici" per chi, come suggerivo in altra mail, legge >> comunque i documenti da riassumere. >> >> >> Giacomo >> >> [1] pur argomentato che dipende da come le usi, per cui se >> rincretinisci, è solo colpa tua... ;-) >> >> [2] Per altro, ben 2 minuti in meno nel completare lo sviluppo con un AI >> (a pagamento) per diverse ore in più a debuggarlo: che affarone! :-D >> >> >> >> -- >> >> -- EN >> >> https://www.hoepli.it/libro/la-rivoluzione-informatica/9788896069516.html >> [cid:part1.B02fsOl4.0jOB00vj@mat.uniroma2.it] ====================================================== >> Prof. Enrico Nardelli >> Past President di "Informatics Europe" >> Direttore del Laboratorio Nazionale "Informatica e Scuola" del CINI >> Dipartimento di Matematica - Università di Roma "Tor Vergata" >> Via della Ricerca Scientifica snc - 00133 Roma >> home page:https://www.mat.uniroma2.it/~nardelli >> blog:https://link-and-think.blogspot.it/ >> tel: +39 06 7259.4204 fax: +39 06 7259.4699 >> mobile: +39 335 590.2331 e-mail:nardelli@mat.uniroma2.it<mailto:nardelli@mat.uniroma2.it> >> online meeting:https://blue.meet.garr.it/b/enr-y7f-t0q-ont >> ====================================================== >> >> -- > -- > > -- EN > > https://www.hoepli.it/libro/la-rivoluzione-informatica/9788896069516.html > ====================================================== > Prof. Enrico Nardelli > Past President di "Informatics Europe" > Direttore del Laboratorio Nazionale "Informatica e Scuola" del CINI > Dipartimento di Matematica - Università di Roma "Tor Vergata" > Via della Ricerca Scientifica snc - 00133 Roma > home page: https://www.mat.uniroma2.it/~nardelli > blog: https://link-and-think.blogspot.it/ > tel: +39 06 7259.4204 fax: +39 06 7259.4699 > mobile: +39 335 590.2331 e-mail: nardelli(a)mat.uniroma2.it > online meeting: https://blue.meet.garr.it/b/enr-y7f-t0q-ont > ====================================================== > > > --

May 12, 2026

Re: nexa Digest, Vol 205, Issue 38

by Giuseppe Attardi

Non esattamente: ti sfugge che il calciatore (la rete neurale) ha una sua capacità di apprendere legata alla struttura del suo modello: la backpropagation stimola l’apprendimento ma non basta se il modello è inadeguato. Sostituisci al calciatore una rete fatta di un singolo perceptron e il meccanismo non funziona. Proprio sul ruolo cruciale dell’architettura dei modelli sta la differenza con l’interpretazione di macchina-statistica. I successi del Deep Learning sono dovuti proprio ai progressi nelle architetture dei modelli. — Beppe On 11 May 2026, at 13:09, nexa-request(a)server-nexa.polito.it wrote: From: antonio <antonio(a)piumarossa.it<mailto:antonio@piumarossa.it>> Subject: [nexa] Re: Una visione realistica dell’Intelligenza Artificiale - Lettera aperta alla società To: nexa(a)server-nexa.polito.it<mailto:nexa@server-nexa.polito.it> Message-ID: <20260511122219.a36e31cefab1826de25daa7e(a)piumarossa.it<mailto:20260511122219.a36e31cefab1826de25daa7e@piumarossa.it>> Content-Type: text/plain; charset=ISO-8859-1 I LLM hanno risolto il problema in modo radicalmente diverso: invece di codificare regole, apprendono pattern statistici da enormi quantità di testo. Se venisse da me un ragazzino a chiedermi il funzionamento base di una rete neurale gli farei questo esempio. Vuoi tirare il rigore perfetto all'incrocio dei pali? Vieni con me. Ti porto nei pressi del dischetto e ti bendo. "Tira il pallone in una direzione a caso, poi io ti dirò come aggiustare il tiro". Un po' più a destra, un po' più alto, ancora più in alto, no, troppo, ora abbassa, e così per tutto il giorno. Io prenderò nota solo dei movimenti corretti. Dopo 10.000 rigori, non avrai più bisogno che io ti guidi. Avrai memorizzato esattamente la tensione muscolare e la potenza necessaria per colpire l'incrocio. A quel punto, toglieremo la benda e farai gol al primo colpo. Quindi abbiamo: 1) Il calciatore (la rete neurale): È lui che agisce, ma all'inizio non sa nulla. 2) Il tiro a caso (forward propagation): La rete neurale fa una previsione basandosi su pesi casuali. 3) Tu che correggi ("più a destra/alto") (Funzione di perdita/loss function): misuri l'errore tra dove è andata la palla e l'incrocio dei pali. 4) Aggiustare il tiro (backpropagation): Il calciatore capisce l'errore e modifica la posizione del corpo per il prossimo tiro. 5) Tirare tutto il giorno (addestramento/training): La rete impara iterando migliaia di volte finché non azzecca il tiro 6) Prendere nota (aggiornamento dei parametri della rete): I "pesi" sinaptici" vengono consolidati quando portano ad un risultato migliore. Bene, ora sostituisci quel "migliaia di volte" con questo numero: 38.000.000.000.000.000.000.000.000 e "tutto il giorno" con 54 giorni. (Il training di Llama 3.1 405B ha richiesto circa 3,8 * 10^25 FLOP utilizzando 16.384 GPU H100 per 54 giorni) p.s. forse è meglio citare De Gregori: Ma Nino non aver paura Di sbagliare un calcio di rigore Non è mica da questi particolari Che si giudica un giocatore Un giocatore lo vedi dal coraggio Dall'altruismo e dalla fantasia A.

May 12, 2026

Forma mentis

by Giuseppe Attardi

Un punto di vista diverso, da parte di Nello Cristianini, noto ricercatore di Machine Learning: https://www.repubblica.it/tecnologia/2026/05/12/news/nello_cristianini_libr… — Beppe

May 12, 2026

Re: Una visione realistica dell’Intelligenza Artificiale - Lettera aperta alla società

by Guido Vetere

Claude: Il corso Generative AI for Everyone di Andrew Ng è stato lanciato a fine 2023 — il blog di Coursera ha annunciato il lancio del corso, e in soli due mesi aveva già attratto oltre 100.000 iscritti, diventando il corso in più rapida crescita di Coursera nel 2023. Considerando la velocità con cui si è evoluto il campo — scaling laws, architetture mixture-of-experts, reasoning models, ecc. — capisce bene che certi contenuti registrati a metà 2023 sembrino già datati. All’epoca GPT-4 era uscito da pochi mesi, Claude 2 era appena arrivato, e la spiegazione “standard” degli LLM era ancora molto ancorata al paradigma next-token prediction con RLHF, senza toccare sviluppi successivi. Niente di sorprendente. Il giorno lun 11 mag 2026 alle 20:07 Andrea Bolioli via nexa < nexa(a)server-nexa.polito.it> ha scritto: > Buonasera, > > sono andato a rivedere che cosa diceva Andrew Ng (uno dei massimi esperti > viventi di AI, sono un suo fan) nel suo corso introduttivo all'AI > generativa. > Allego screenshot di Coursera. > Su come lavoravano gli LLM, Andrea Ng diceva la stessa cosa che hanno > scritto Nardelli e Quattrociocchi . > Boh... > > AB > > > > > > On Mon, May 11, 2026 at 5:58 PM antonio via nexa < > nexa(a)server-nexa.polito.it> wrote: > >> > Eh, no! Lo confondi ed è peggio. >> > L'hai "addestrato" cieco? E cieco conviene che tiri i rigori. >> >> Hai ragione, infatti quella frase ero incerto se e come inserirla. >> Si può intenderla come: >> "Ho visto la luce!" (cit. John Belushi in "Blues Brothers") dopo aver >> calcolato al buio dentro la "black box". >> Ma se rimaniamo dentro la metafora dell'uscire dal buio come assunzione >> di consapevolezza e cognizione di sé e della realtà, >> allora è meglio che il calciatore/AI resti bendato. >> >> Forse per un ragazzino un discorso troppo filosofico ;) >> >> A. >> >

May 11, 2026