genai Archives - Fabio Lalli

28 Settembre 202428 Settembre 2024AI & GENAI

The Intelligence Age: la trasformazione del lavoro e l’obsolescenza della competenza

Negli ultimi anni, l’intelligenza artificiale generativa (GenAI) ha guadagnato un ruolo centrale nella trasformazione del mondo del lavoro. Come evidenziato dallo studio di Sia Partners, oltre l’80% delle attività di un terzo delle professioni potrebbe essere automatizzato, e siamo solo all’inizio di una rivoluzione che cambierà il modo in cui lavoriamo, viviamo e risolviamo problemi complessi. Questa evoluzione non è solo un passaggio tecnologico: è il preludio a ciò che Sam Altman ha definito l’inizio dell’“The Intelligence Age”, un’era di straordinaria prosperità e innovazione.

Impatto settoriale e suddivisione del lavoro

Il potenziale impatto dell’AI generativa varia tra i settori, ma è significativo in aree come l’ingegneria, la finanza, il design digitale e l’assistenza sanitaria. Attività ripetitive e strutturate, come la gestione fiscale o la creazione di contenuti web, saranno tra le prime a essere automatizzate, mentre altre aree, come la sanità o il legale, vedranno l’intelligenza artificiale come supporto nella presa di decisioni complesse.

Sam Altman, nel suo post “The Intelligence Age“, sottolinea come l’intelligenza artificiale diventerà un potente strumento per aumentare le capacità umane, rendendo le persone in grado di affrontare problemi che prima sembravano irrisolvibili. Questo significa che anche settori come l’istruzione e la medicina potrebbero vedere una rivoluzione, con l’introduzione di tutor e assistenti virtuali che personalizzeranno l’apprendimento e miglioreranno la qualità delle cure sanitarie.

Nuovi modelli di lavoro: l’era del “team virtuale”

Uno dei concetti chiave introdotti da Altman è l’idea che in futuro ognuno di noi potrebbe avere un “team virtuale” composto da esperti AI in diverse discipline. Questi team ci aiuteranno a svolgere attività che oggi richiedono competenze multiple e interazioni complesse, trasformando il modo in cui collaboriamo e produciamo risultati. Questo concetto si inserisce nella visione di “lavoro aumentato“, dove l’intelligenza artificiale non sostituisce il lavoratore umano, ma ne amplifica le capacità.

Un esempio pratico può essere visto nel settore legale: un avvocato potrebbe affidare la ricerca e la revisione dei documenti a un sistema AI, concentrandosi sugli aspetti strategici e creativi del caso. Allo stesso modo, gli educatori potrebbero affidarsi a tutor AI personalizzati per offrire supporto individuale agli studenti, ottimizzando l’esperienza di apprendimento.

Efficienza e produttività: AI come forza moltiplicatrice

Lo studio di Sia Partners mostra come l’AI generativa potrebbe accelerare il 10-20% delle attività nelle professioni, portando a un significativo aumento della produttività. Sam Altman, sempre nel suo post, spinge oltre questa riflessione, immaginando un futuro in cui l’intelligenza artificiale diventerà un moltiplicatore di produttività su larga scala. “L’AI ci permetterà di realizzare molto di più di quanto possiamo fare oggi“, afferma, e il risultato sarà una prosperità senza precedenti per tutti.

L’AI non solo accelera i processi, ma porta precisione ed efficienza in compiti che finora richiedevano molto tempo e risorse. Aziende che adottano l’AI vedono miglioramenti nelle operazioni, dalla logistica alla pianificazione finanziaria. Questo livello di efficienza, secondo Altman, permetterà di concentrare risorse su sfide ancora più ambiziose, come la risoluzione della crisi climatica o la colonizzazione dello spazio.

Reskilling e Upskilling: prepararsi all’obsolescenza della competenza

Un punto critico, evidenziato sia dallo studio che da Altman, ma oggetto continuo di discussioni e confronti in ogni dove, è la necessità di preparare la forza lavoro a questa nuova era. Molte aziende non hanno ancora sviluppato piani chiari per il reskilling e l’upskilling dei loro dipendenti. Altman immagina un futuro in cui la formazione continua diventa un aspetto centrale del lavoro umano: dovremo costantemente adattarci e aggiornare le nostre competenze per sfruttare al meglio le nuove tecnologie. E questo, come dico da tempo, è legato alla velocità con cui la competenza invecchia, e viviamo un tema di obsolescenza della competenza.

Come società, la nostra capacità di navigare nell’era dell’intelligenza dipenderà da quanto investiremo nell’infrastruttura educativa e nell’accessibilità delle tecnologie AI. L’istruzione diventerà una componente essenziale per ridurre le disuguaglianze che potrebbero emergere da questa trasformazione.

Sfide e rischi: un futuro da costruire con saggezza

Nonostante le promesse, Altman riconosce che l’era dell’intelligenza porterà con sé rischi significativi, inclusi cambiamenti nel mercato del lavoro e potenziali disuguaglianze. La stessa automazione che aumenta la produttività potrebbe portare alla perdita di posti di lavoro, e questo richiederà una riflessione profonda su come redistribuire le risorse e creare nuove opportunità per tutti.

La sfida, quindi, è trovare un equilibrio tra il progresso tecnologico e la gestione etica di questi cambiamenti. Altman, e su questo condivido pienamente, avverte che l’AI non sarà solo uno strumento per i ricchi o per pochi settori privilegiati, ma dovrà essere accessibile a tutti per garantire una prosperità condivisa.

L’adozione dell’AI e il futuro dell’umanità

Sia lo studio di Sia Partners che le riflessioni di Altman convergono sull’importanza dell’adozione rapida dell’AI. Le aziende che per prime integreranno l’intelligenza artificiale nelle loro operazioni avranno un vantaggio competitivo significativo. Ma non solo, anche in contesti non solo professionali, l’adozione dell’AI porterà benefici a chi sarà usarla prima di altri. Come sottolinea Altman, il vero salto sarà quando l’AI diventerà parte integrante della vita quotidiana di ogni persona, migliorando non solo il lavoro, ma anche la qualità della vita.

Infine Altman dipinge un quadro ambizioso del futuro, in cui “la prosperità sarà così grande da sembrare inimmaginabile“. Questo richiederà un investimento in infrastrutture, energia e volontà umana, elementi necessari per far sì che l’AI diventi uno strumento di progresso per tutti, e non solo per pochi.

Un futuro luminoso e complesso

L’intelligenza artificiale generativa rappresenta una delle più grandi trasformazioni nella storia dell’umanità. Mentre lo studio di Sia Partners ci mostra il potenziale impatto sul mondo del lavoro, Sam Altman ci invita a guardare oltre, verso un futuro in cui l’AI diventerà parte integrante della nostra vita e della nostra civiltà. Le sfide saranno molte, come è comprensibile, e come è sempre successo ad ogni grande cambiamento, ma le opportunità sono altrettanto straordinarie.

“Il futuro sarà così luminoso che nessuno può descriverlo adeguatamente oggi“. Ma ciò che possiamo fare è prepararci, investire in nuove competenze e infrastrutture, e abbracciare la promessa di un’era di intelligenza che potrebbe superare ogni nostra aspettativa.

7 Febbraio 20247 Febbraio 2024AI & GENAI

Anthropic e Claude AI: il futuro dell’assistenza digitale

Claude AI è sicuramente un segnale forte al mercato riguardo la prossima generazione di assistenti digitali intelligenti. Un sistema che combina capacità linguistiche avanzate con una nuova concezione di interazione etica e sicura. Questo modello, sviluppato da Anthropic, si distingue per la sua versatilità e precisione, offrendo una gamma di servizi che vanno dalla generazione di testo e codice alla sommarizzazione di documenti e al supporto decisionale. Con la promessa di un’interfaccia utente intuitiva e una straordinaria facilità di integrazione, Claude AI si presenta come una soluzione robusta per gli utenti che cercano un’esperienza di AI conversazionale più riflessiva e responsabile.

Cosa è Anthropic AI

Anthropic AI è una startup di intelligenza artificiale focalizzata sulla sicurezza, interpretabilità e controllabilità dei sistemi AI, fondata da un gruppo di ex ricercatori di OpenAI, tra cui spiccano i fratelli Dario e Daniela Amodei. L’ambizione di Anthropic è quella di sviluppare tecnologie AI che non solo avanzino le frontiere della ricerca e dell’applicazione pratica ma che lo facciano in modo sicuro ed etico, affrontando proattivamente i rischi potenziali associati ai sistemi di intelligenza artificiale generativa e di grandi dimensioni.

La Missione e la Visione di Anthropic

La missione di Anthropic si concentra sulla creazione di sistemi AI che siano affidabili, comprensibili dall’uomo e in grado di operare secondo principi etici ben definiti. Questo impegno nasce dalla convinzione che, mentre l’IA presenta un potenziale immenso per il bene sociale, economico e tecnologico, la sua evoluzione debba essere guidata da una comprensione profonda dei suoi impatti e da un impegno verso la minimizzazione dei rischi. Anthropic si pone quindi come pioniere nell’ambito della “AI Safety”, promuovendo un approccio alla ricerca e allo sviluppo che tenga conto delle implicazioni etiche e della sicurezza fin dalle fasi iniziali.

Differenze e Innovazioni

Rispetto ad altre realtà nel campo dell’IA, Anthropic si distingue per il suo approccio denominato “Constitutional AI”. Questa metodologia innovativa prevede la creazione di modelli di IA che seguano un insieme di principi costituzionali, una sorta di “codice etico”, che guida il comportamento dell’IA in situazioni complesse, garantendo che le sue azioni e risposte siano allineate con valori umani fondamentali come la sicurezza, la privacy e il rispetto dell’individuo.

Contributi e Impatto sul Campo dell’IA

Dal suo lancio, Anthropic ha guadagnato riconoscimenti per i suoi contributi significativi alla comunità dell’IA, compresa la pubblicazione di ricerche pionieristiche e lo sviluppo di Claude, il suo modello di punta. Con finanziamenti da giganti tecnologici come Google e Amazon, Anthropic ha solidificato la sua posizione come uno degli attori chiave nello sviluppo futuro dell’IA. La sua enfasi sulla trasparenza, sull’interpretabilità dei modelli e sulla collaborazione aperta con la comunità scientifica e tecnologica evidenzia un percorso verso un’IA che sia non solo avanzata ma anche al servizio dell’umanità.

Cosa è Claude AI?

Claude AI rappresenta la frontiera più avanzata nell’ambito dell’intelligenza artificiale conversazionale, sviluppata dalla startup Anthropic con l’intento di creare un assistente digitale non solo altamente competente ma anche eticamente consapevole. Nato dalla visione di ex ricercatori di OpenAI, Claude si distingue nel panorama IA per la sua capacità di condurre conversazioni naturali, fornendo risposte comprensive e dettagliate attraverso l’impiego di modelli linguistici di grande dimensione, i cosiddetti Large Language Models (LLMs).

La Genesi di Claude

L’origine di Claude AI affonda le radici nell’esperienza accumulata dai suoi creatori durante il loro lavoro su GPT-3 presso OpenAI, da cui hanno tratto ispirazione per migliorare e raffinare l’approccio alla creazione di sistemi di IA conversazionale. Diversamente da altri modelli esistenti, Claude è stato progettato per superare specifiche sfide legate alla sicurezza, all’interpretazione dei dati e alla direzionalità delle risposte fornite, ponendo le basi per un modello di IA che rispetti principi etici ben definiti.

Le Capacità Uniche di Claude

Claude si distingue per le sue eccezionali capacità di elaborazione del linguaggio, che gli consentono di affrontare un’ampia gamma di compiti: dalla sommarizzazione di testi all’editing, dalla risposta a domande complesse alla scrittura di codice, fino alla facilitazione di processi decisionali. Una delle sue caratteristiche più innovative è la possibilità di leggere e comprendere documenti fino a 75.000 parole, offrendo agli utenti la capacità di esplorare e interagire con quantità di informazioni paragonabili a quelle contenute in un libro breve. Questa funzionalità apre nuove prospettive nell’utilizzo dell’IA per supportare la ricerca accademica, l’analisi di dati complessi e la creazione di contenuti.

Un Modello Etico e Sicuro

Un aspetto che distingue profondamente Claude dagli altri modelli di IA è il suo impegno verso la sicurezza e l’etica. Anthropic ha introdotto un approccio rivoluzionario denominato “Constitutional AI”, attraverso il quale il modello viene allenato seguendo un insieme di principi etici predefiniti, mirati a massimizzare l’impatto positivo delle sue interazioni evitando allo stesso tempo consigli dannosi o comportamenti indesiderati. Questa metodologia non solo garantisce una maggiore affidabilità delle risposte di Claude ma promuove anche un uso responsabile dell’IA, in linea con le aspettative della società moderna.

Claude: Un Nuovo Standard nelle Conversazioni AI

Claude AI si posiziona come un vero e proprio punto di riferimento nel panorama delle intelligenze artificiali conversazionali, segnando un’avanzata significativa rispetto ai modelli precedenti. Offrendo tre versioni principali – Claude 1, Claude 2 e Claude Instant – Anthropic si rivolge a una vasta gamma di utenti, dalle esigenze personali a quelle aziendali, definendo nuovi standard in termini di interattività e funzionalità.

Le Diverse Facce di Claude

Ogni versione di Claude è stata progettata con obiettivi specifici in mente. Claude 1 pone le basi con una solida comprensione del linguaggio naturale e la capacità di interagire in modo significativo, mentre Claude 2 estende queste capacità con un’elaborazione più profonda e una maggiore comprensione del contesto. Claude 2 è progettato per leggere e analizzare grandi volumi di testo, rendendolo ideale per compiti che vanno dall’analisi di dati complessi al supporto decisionale. Claude Instant, d’altra parte, offre una soluzione più agile e veloce, adatta per interazioni rapide che richiedono tempi di risposta immediati, pur mantenendo una qualità di conversazione elevata.

Comparazione delle Capacità

Nel confronto diretto delle capacità, Claude 1 e Claude 2 dimostrano una competenza notevole nella conversazione e nella scrittura creativa, con Claude 2 che mostra un’abilità superiore nell’analisi di testi estesi e nella gestione di dati complessi. La versione Instant, pur non avendo la stessa profondità di comprensione, compensa con la sua rapidità, rendendola un’opzione ideale per gli sviluppatori che necessitano di integrare una componente AI conversazionale nei loro prodotti senza compromettere le prestazioni.

La capacità di Claude di scrivere codice è un altro punto di forza, in particolare con Claude 2, che può generare algoritmi e aiutare nella risoluzione di problemi di programmazione con una comprensione del linguaggio e delle sue applicazioni che va oltre la semplice generazione di testo. Questa poliedricità rende Claude un partner ideale per una varietà di utenti, dai content creator ai data scientist, fino agli sviluppatori di software.

Caratteristiche Tecniche e Modelli di Algoritmo di Claude AI

Claude AI, sviluppato da Anthropic, si basa su una serie di innovazioni tecniche e concettuali che lo distinguono nell’ambito dell’intelligenza artificiale conversazionale. Al cuore di Claude giace una struttura di modelli di algoritmi avanzati, definiti come Large Language Models (LLMs), che si avvalgono di tecniche di apprendimento profondo e di vasti corpus di dati testuali per generare risposte coerenti, accurate e contestualizzate.

Architettura e Dimensioni del Modello

Una delle caratteristiche principali di Claude è la sua architettura basata su Transformer, un tipo di modello di apprendimento automatico che ha rivoluzionato il campo del Natural Language Processing (NLP). I modelli Transformer sono particolarmente efficaci nel catturare relazioni complesse all’interno di sequenze di dati, come il testo, grazie alla loro capacità di gestire dipendenze a lungo termine tra le parole. Claude si avvale di questa architettura con un numero significativo di parametri, nell’ordine delle decine di miliardi, che gli conferiscono una notevole capacità di comprensione e generazione del linguaggio.

Apprendimento e Fine-tuning

Il processo di apprendimento di Claude si basa su tecniche di fine-tuning avanzate, dove il modello pre-addestrato su ampi dataset viene ulteriormente ottimizzato per specifici compiti o per aderire a particolari principi etici, come quelli definiti nell’approccio di Constitutional AI di Anthropic. Questo processo di fine-tuning permette a Claude di allinearsi a un insieme di valori e obiettivi predefiniti, migliorando la sua affidabilità e la sua sicurezza nell’interazione con gli utenti.

Constitutional AI

Una delle innovazioni più significative introdotte con Claude è l’approccio Constitutional AI. A differenza dei tradizionali sistemi di apprendimento automatico, che si basano su feedback umano per guidare le risposte del modello, il Constitutional AI di Claude integra una “costituzione” di principi etici direttamente nel processo di apprendimento. Questo insieme di regole guida il modello nelle sue risposte, assicurando che siano allineate con valori come la non nocività, la privacy e il rispetto dell’autonomia dell’utente. Tale approccio non solo migliora l’etica operativa di Claude ma ne aumenta anche la trasparenza e l’interpretabilità.

Capacità di Elaborazione e Interazione

Grazie alla sua avanzata architettura e al suo ampio training, Claude è in grado di elaborare fino a 75.000 parole in un’unica sessione, permettendo un’analisi approfondita di documenti estesi. Questa capacità supera di gran lunga quella dei suoi concorrenti, rendendo Claude uno strumento particolarmente potente per la sintesi di informazioni, l’analisi di dati e la generazione di contenuti complessi.

Claude AI è Meglio di ChatGPT?

La questione se Claude sia superiore a ChatGPT si presta a una risposta sfumata: sì e no. L’analisi comparativa rivela che Claude eccelle in alcuni benchmark rispetto a ChatGPT, mentre in altri aspetti rimane indietro. Una distinzione chiave emerge tra le versioni gratuite e a pagamento di entrambi i sistemi: Claude gratuito si dimostra superiore alla versione gratuita di ChatGPT, ma la sottoscrizione a pagamento di ChatGPT offre funzionalità avanzate e una base di conoscenza più ampia rispetto a quella di Claude.

Analisi Comparativa e Benchmark

La valutazione dell’intelligenza di un sistema AI non può essere esauriente e solleva interrogativi su quali benchmark siano più affidabili. In questo contesto, la classifica dei chatbot di LMSYS emerge come uno strumento utile, proponendo un confronto diretto basato su tre criteri di valutazione principali:

Valutazione Elo: Questo algoritmo, utilizzato originariamente per classificare i giocatori di scacchi, si basa su confronti ciechi fianco a fianco e sull’input umano per determinare quale risposta, e di conseguenza quale modello, sia il migliore. Claude e ChatGPT vengono messi a confronto in termini di capacità di generare risposte coerenti e pertinenti, con Claude che spesso prevale nella versione gratuita.
MT-Bench: Questo benchmark valuta i modelli utilizzando GPT-4 e si avvale di sessioni di domande e risposte a più turni come coppie di input/output per la valutazione. Con una precisione fino all’80% rispetto alla valutazione umana, questo test offre una misura comparativa delle capacità di elaborazione e di risposta dei modelli.
MMLU (Massive Multitask Language Understanding): Questo metodo valuta la conoscenza acquisita dai modelli durante l’addestramento, testando la loro capacità di rispondere a domande che richiedono vari livelli di comprensione su un’ampia gamma di argomenti. Claude supera il tier gratuito di ChatGPT in termini di rating Elo e prestazioni MMLU, ma GPT-4 mantiene un vantaggio nei tier più lenti e costosi.

Capacità Distintive e Limitazioni

Oltre alla conoscenza grezza, Claude si distingue per la sua abilità nell’analizzare, leggere e riassumere documenti lunghi, con un limite di 150 pagine sufficiente a gestire piccoli libri. Questa capacità rappresenta un vantaggio significativo per utenti che necessitano di elaborare grandi volumi di testo.

Claude Pro non offre molte delle funzionalità introdotte da ChatGPT+, come chat vocale, creazione di immagini, analisi dei dati, comprensione delle immagini e navigazione web. Questo lascia Claude Pro in una posizione di svantaggio competitivo rispetto a ChatGPT+ al medesimo punto di prezzo, indicando un’area in cui Claude deve migliorare per incrementare la sua quota di mercato.

Come Usare Claude AI

L’utilizzo di Claude AI, la piattaforma di intelligenza artificiale conversazionale sviluppata da Anthropic, rappresenta un salto qualitativo nell’interazione uomo-macchina grazie alla sua avanzata capacità di comprendere e rispondere in modo naturale e contestualizzato. Ecco una guida passo dopo passo su come iniziare ad utilizzare Claude AI, sia per scopi personali che professionali.

Passo 1: Accesso alla Piattaforma

Per accedere a Claude AI, visita il sito ufficiale e procedi con la creazione di un account. Questo richiederà di fornire alcuni dati base come l’indirizzo email e di impostare una password. Una volta completata la registrazione, potrai accedere alla dashboard di Claude, dove avrai la possibilità di interagire direttamente con l’IA.

Passo 2: Iniziare una Conversazione

Una volta entrato nella dashboard di Claude, ti troverai di fronte a un’interfaccia utente intuitiva e semplice. Qui, potrai digitare domande o comandi nel campo di testo dedicato. Claude è progettato per comprendere una vasta gamma di richieste, dalle domande generali sulla conoscenza del mondo alla generazione di testo creativo, dall’analisi di dati al supporto decisionale.

Passo 3: Utilizzare Documenti per Contestualizzare le Richieste

Una delle caratteristiche distintive di Claude è la sua capacità di elaborare documenti estesi, consentendoti di caricare pdf o documenti di testo per arricchire il contesto delle tue interazioni. Se hai un articolo, un rapporto o qualsiasi altro documento di cui desideri una sintesi, un’analisi o semplicemente porre domande specifiche, puoi caricarlo attraverso l’interfaccia utente. Claude lo analizzerà e utilizzerà le informazioni contenute per fornire risposte più accurate e contestualizzate.

Passo 4: Sfruttare le Capacità Avanzate di Claude

Esplora le diverse capacità di Claude chiedendo di scrivere codice, generare idee creative, fornire consulenza su decisioni complesse o qualsiasi altro compito supportato dal modello. Claude può anche essere utilizzato per esercizi di brainstorming, supporto allo studio, o semplicemente per soddisfare la tua curiosità su vari argomenti.

Passo 5: Iterare e Migliorare

Una delle chiavi per ottenere il massimo da Claude è sperimentare con diverse formulazioni delle tue richieste. Se non sei soddisfatto della risposta ottenuta, prova a riformulare la tua domanda o a fornire dettagli aggiuntivi per aiutare Claude a capire meglio il contesto. La piattaforma offre anche la possibilità di fornire feedback sulle risposte ricevute, contribuendo così a migliorare la qualità del servizio.

Accesso e Integrazione API di Claude AI

Una delle caratteristiche più interessanti di Claude AI è la sua flessibilità e facilità di integrazione in varie applicazioni tramite la sua Interfaccia di Programmazione delle Applicazioni (API). Questa capacità è particolarmente attraente per sviluppatori e aziende che mirano a incorporare un’intelligenza artificiale conversazionale sofisticata nei loro prodotti o servizi. Attraverso l’API di Anthropic, gli sviluppatori possono collegare senza problemi le loro applicazioni ai modelli linguistici avanzati di Claude, abilitando un’ampia gamma di funzionalità, dalla assistenza clienti automatizzata alla generazione dinamica di contenuti e oltre.

Il processo di accesso a Claude tramite API è progettato per essere semplice e amichevole per gli sviluppatori. Registrandosi al programma per sviluppatori di Anthropic, individui e organizzazioni possono ottenere chiavi API e accedere a una documentazione completa che li guida nell’integrare le capacità di Claude nei loro sistemi. L’API consente un controllo preciso sulle interazioni con Claude, inclusa la specifica della versione del modello (come Claude-1, Claude-2 o Claude-Instant), la personalizzazione dello stile conversazionale e l’impostazione dei parametri di risposta per adattarsi alle esigenze uniche di ogni applicazione.

Inoltre, il modello di prezzo pay-as-you-go dell’API assicura che gli sviluppatori paghino solo per le risorse computazionali che utilizzano, rendendolo una soluzione conveniente per progetti di tutte le dimensioni. Questo approccio consente anche una rapida prototipazione e scalabilità, poiché gli sviluppatori possono regolare il loro utilizzo in base alla domanda senza costi iniziali significativi. Con il supporto sia di Anthropic che di Amazon Bedrock, gli sviluppatori hanno la flessibilità di scegliere la piattaforma che meglio si adatta alle loro esigenze di distribuzione, sia che diano priorità alle massime prestazioni con Claude-2 o cercano la velocità e l’efficienza di Claude-Instant per interazioni in tempo reale.

Quanto Costa Claude AI?

Con l’avvento di Claude AI, la proposta di Anthropic nel mondo dell’intelligenza artificiale conversazionale, si apre un nuovo capitolo nel dialogo tra uomo e macchina. Una delle domande più frequenti riguarda il costo di accesso a questa tecnologia all’avanguardia. In questo articolo, esploriamo i diversi piani tariffari di Claude AI e confrontiamo le sue offerte con quelle del suo concorrente diretto, ChatGPT di OpenAI.

Accesso Gratuito e Claude Pro

Per l’utente medio, Anthropic fornisce accesso gratuito al loro modello di Claude AI più avanzato tramite la loro interfaccia di chat su claude.ai, ancora in fase di beta testing aperto a ottobre 2023. Per accedere, è sufficiente registrarsi e creare un account gratuito. Questo livello di accesso gratuito offre agli utenti l’ultimo e più capace modello di Claude, Claude 2, in netto contrasto con OpenAI che riserva GPT-4 agli abbonati di ChatGPT+.

Parallelamente, Anthropic propone Claude Pro a $20 al mese, un abbonamento analogo a ChatGPT+. Il piano Pro è pensato per quegli utenti che desiderano funzionalità aggiuntive e un supporto più ampio.

Prezzi per Sviluppatori e Imprese

Anthropic commercializza l’accesso ai suoi modelli a tre gruppi distinti: utenti standard, sviluppatori che desiderano integrare Claude nelle loro applicazioni e imprese che richiedono supporto a livello aziendale.

Per gli sviluppatori, è possibile ottenere l’accesso ai modelli di Claude tramite l’API di Anthropic o tramite Amazon Bedrock. Entrambi supportano un approccio on-demand, con prezzi basati sulla quantità di testo che si desidera che Claude elabori. I prezzi per mille “token” – che rappresentano la quantità di testo processato dal modello – variano in base ai costi di calcolo per input e output. La seguente tabella illustra i prezzi per mille token sia per input che per output, offrendo un confronto dei prezzi con i modelli GPT di OpenAI.

Modello	Token Massimi	Costo per 1K Token Input	Costo per 1K Token Output
Claude-Instant	100K	$0.00163	$0.00551
Claude-2	100K	$0.01102	$0.03268
GPT-3.5	4K	$0.0015	$0.002
GPT-4	8K	$0.03	$0.06

Throughput Provisionato per Clienti Enterprise

AWS Bedrock offre ai clienti enterprise l’opzione “Throughput Provisionato”, che riserva capacità di calcolo su cloud dedicata alla loro attività. Questa opzione non è economica, ma consente di inviare richieste quanto necessario per un costo fisso, una volta che la capacità di calcolo è stata riservata. La sottoscrizione minima di un mese per il throughput con Amazon Bedrock ha un costo iniziale di $29,462.40 per il punto prezzo di Claude-Instant. La tabella seguente riporta il prezzo per ora della tua prenotazione:

Modello	Costo/ora per 1 mese di impegno	Costo/ora per 6 mesi di impegno
Claude-Instant	$39.60	$22.00
Claude-2	$63.00	$35.00

Claude nell’Uso Quotidiano e Professionale

Claude AI di Anthropic si è rapidamente affermato come uno strumento versatile, utile non solo nel quotidiano degli utenti personali ma anche nelle operazioni professionali. Questo assistente digitale intelligente si adatta a svariate casistiche d’uso: è in grado di analizzare documenti lunghi, fornendo riassunti e insight profondi, e di generare codice, facilitando il lavoro di programmatori e sviluppatori. La capacità di Claude di comprendere e interagire in modo naturale lo rende uno strumento prezioso per settori che vanno dall’educazione all’industria creativa, dalla ricerca scientifica al marketing digitale.

Casi d’uso e Partnership di Successo: Quora, Notion, DuckDuckGo

Claude AI ha rapidamente guadagnato terreno non solo tra gli utenti individuali ma anche come partner tecnologico per aziende e piattaforme online rinomate. L’efficacia di Claude come strumento AI è stata ulteriormente validata attraverso collaborazioni di successo e testimonianze entusiastiche da parte di aziende come Quora, Notion e DuckDuckGo.

Quora e Claude: Una Conversazione Naturale

Quora, la piattaforma di domande e risposte, ha integrato Claude attraverso Poe, la loro app di chat AI, e i risultati hanno ricevuto feedback positivi. Gli utenti hanno descritto le risposte di Claude come dettagliate e di facile comprensione, apprezzando la naturalezza delle conversazioni. Questo testimonia l’abilità di Claude di fornire un’esperienza utente ricca e umana, oltrepassando la semplice fornitura di informazioni per creare un dialogo coinvolgente e significativo.

Notion e l’Assistenza AI di Claude

Notion, la piattaforma all-in-one per la gestione di note e progetti, ha adottato Claude AI per potenziare la loro nuova funzionalità di assistente AI connesso, Notion AI. La partnership ha permesso agli utenti di Notion di lavorare più efficacemente, migliorando le loro capacità di scrittura e organizzazione all’interno del loro spazio di lavoro digitale. Questa collaborazione sottolinea come Claude possa essere integrato in maniera fluida in strumenti esistenti per aumentare la produttività e arricchire l’esperienza degli utenti.

DuckDuckGo e l’Affidabilità di Claude

DuckDuckGo, noto per il suo impegno nella privacy degli utenti, ha scelto di collaborare con Anthropic per migliorare la qualità delle risposte fornite nel loro motore di ricerca. La partnership si è concentrata su DuckAssist, la prima risposta istantanea nei risultati di ricerca a utilizzare la tecnologia del linguaggio naturale per generare risposte a partire da Wikipedia e altre fonti correlate. Il lavoro congiunto ha permesso di migliorare la qualità delle risposte di DuckAssist, rispettando al contempo i rigorosi requisiti di privacy imposti dalla piattaforma.

Integrazione e Accessibilità di Claude

L’accesso e l’integrazione di Claude sono stati progettati per essere il più fluidi possibile. Anthropic ha fornito una guida dettagliata che accompagna gli utenti dalla configurazione iniziale fino all’interazione avanzata, assicurando che ogni passaggio sia intuitivo e accessibile. Gli sviluppatori possono sfruttare l’API di Claude per incorporarlo in applicazioni esistenti, mentre le aziende possono beneficiare del supporto a livello enterprise per implementazioni su larga scala.

Claude AI e l’Etica nell’Intelligenza Artificiale

L’etica è al centro della filosofia di Claude AI. Incorporando principi etici direttamente nel suo modello di apprendimento, Claude assicura che ogni interazione rispetti valori fondamentali come la privacy, la sicurezza e l’autonomia. Questo approccio etico si riflette in una maggiore trasparenza e accuratezza nelle risposte fornite, posizionando Claude come un modello di riferimento anche nel confronto con altre soluzioni AI come ChatGPT.

Claud AI e Anthropic, un percorso di investimenti e crescita

L’ascesa di Claud AI e Anthropic nel campo dell’intelligenza artificiale è stata caratterizzata da una serie di investimenti strategici e da una crescita esponenziale del valore aziendale. Nell’ultimo anno, Anthropic, noto per lo sviluppo del modello di linguaggio Claud AI, ha catturato l’attenzione di investitori di alto profilo, culminando in una serie di finanziamenti che hanno solidificato la sua posizione come serio concorrente nel settore dell’intelligenza artificiale conversazionale.

Nel corso delle discussioni per un nuovo round di finanziamenti, Anthropic ha ottenuto la fiducia di Menlo Ventures per una significativa iniezione di capitale di $750 milioni. Questo potenziale investimento potrebbe portare la valutazione dell’azienda a un incredibile $18.4 miliardi, segnando un notevole incremento rispetto alla precedente valutazione di $4.1 miliardi.

Un fattore chiave che ha contribuito a tale crescita è stato l’impegno di Google, che ha dimostrato la propria fiducia in Anthropic attraverso un impegno finanziario che potrebbe arrivare fino a $2 miliardi. Questo sostegno è parte di una strategia più ampia che include un’iniezione iniziale di $500 milioni seguita da ulteriori investimenti progressivi di $1.5 miliardi.

Le partnership di Anthropic con giganti tecnologici come Google, Salesforce e Zoom sottolineano l’importanza e la fiducia nell’approccio di Anthropic alla sicurezza e all’etica dell’IA. Il modello Claud AI, in particolare, si è distinto per le sue capacità avanzate, inclusa l’abilità di elaborare e riassumere testi estesi fino a 75,000 parole, un limite ben superiore a quello di ChatGPT.

Questa serie di investimenti testimonia la visione e la fiducia che il mercato ripone in Anthropic e Claud AI, non solo come innovatori nel campo dell’IA ma anche come leader emergenti in un’industria in rapido sviluppo. Con tali risorse finanziarie e una squadra di ricerca di primo livello, Anthropic è pronta a proseguire il suo percorso di innovazione e a plasmare il futuro dell’intelligenza artificiale conversazionale.

Prospettive Future per Claude e l’IA Conversazionale

Guardando al futuro, si prevede che Claude AI e Anthropic continueranno a essere pionieri nell’IA conversazionale. Con l’evoluzione costante di Claude e il suo impatto crescente sul mercato e sulla società, Anthropic mira a definire il cammino per un futuro in cui l’IA sia più sicura, più etica e più integrata nel tessuto sociale e professionale.

30 Gennaio 202430 Gennaio 2024AI & GENAI

Stingray: l’innovazione con l’Intelligenza Artificiale

Il modello “Stingray” del Board of Innovation è un nuovo framework per l’innovazione e il design che sfrutta l’intelligenza artificiale generativa (GenAI). Questo modello è stato creato in risposta all’emergere esplosivo dell’AI generativa, che ha portato a un progresso innovativo esponenziale.

Il Board of Innovation ritiene che il tradizionale modello “Double Diamond“, utilizzato per la risoluzione di problemi complessi e il design, stia diventando obsoleto a causa dell’evoluzione delle tecnologie e delle nuove metodologie di lavoro. Il modello Stingray mira a migliorare l’efficienza dei team di innovazione e ad aumentare la fiducia negli investimenti fornendo soluzioni pratiche e validate

Il modello Stingray è stato presentato in un webinar intitolato “Death of the Double Diamond and the new AI-powered Stingray model“, dove è stato spiegato come l’AI stia cambiando il modello Double Diamond in un modello Stingray, che consente di progredire ulteriormente nel percorso di validazione dei concetti in meno tempo. Il modello ha un impatto significativo sui processi di innovazione e design front-end, consentendo di ideare e validare concetti tenendo conto della fattibilità, sostenibilità e vitalità fin dall’inizio del processo.

Cos’è Stingray

Il modello Stingray, sviluppato dalla Board of Innovation, rappresenta un nuovo approccio nell’ambito dell’innovazione, in risposta alle limitazioni del tradizionale modello Double Diamond. Stingray nasce dalla necessità di integrare l’intelligenza artificiale (IA) nei processi di design e innovazione, per affrontare problemi complessi e accelerare la generazione di idee.

A differenza del Double Diamond, che si concentra su fasi distinte di scoperta e definizione seguite da sviluppo e consegna, Stingray è strutturato in tre fasi principali: “Train”, “Develop” e “Iterate”. Questo modello mira a superare i pregiudizi umani e ad accelerare la validazione delle idee, enfatizzando la sperimentazione e l’utilizzo dell’IA come strumento centrale nel processo creativo.

Il modello Double Diamond: Pro e Contro

Il modello Double Diamond, per quasi due decenni, è stato un pilastro nei progetti di design e innovazione, offrendo un approccio strutturato basato sulla divergenza e convergenza per identificare problemi e soluzioni.

La sua forza risiede nella semplicità e nella struttura, che hanno guidato migliaia di individui e team globalmente, orientando investimenti miliardari. Tuttavia, l’emergere dell’innovazione guidata dall’intelligenza artificiale sta mettendo in discussione la sua rilevanza. Nato in un’epoca in cui i progetti erano limitati dalla quantità di Post-It su un muro e dalla capacità di elaborazione del cervello umano, il Double Diamond si appoggiava a strumenti come PowerPoint, Excel e Photoshop, lontani dalle potenzialità dell’odierna data science e GenAI.

In questo contesto, esperti come Koen Burghouts di PepsiCo riconoscono il possibile declino del modello. Se da un lato il Double Diamond ha avuto un impatto significativo nella strutturazione del pensiero innovativo, dall’altro lato, in un ambiente dominato dall’innovazione AI-driven, rischia di diventare obsoleto, non tenendo il passo con il ritmo esponenziale del progresso e le nuove esigenze di elaborazione e analisi dei dati.

3 Ragioni per cui il Double Diamond viene ritenuto “vecchio”

Il problem solving complesso non è più solo una questione di pensiero umano. La gestione dell’interazione tra pensiero umano e intelligenza artificiale è cruciale. Invece di valutare per settimane poche soluzioni superficiali, ora possiamo considerarne dozzine immediatamente, prioritarizzandole rapidamente e approfondendo le più promettenti.
Utilizzando il Double Diamond, i team possono impiegare settimane o mesi in ricerche di empatia, ottenendo soluzioni che soddisfano i bisogni dei clienti ma che spesso non sono finanziariamente sostenibili o tecnologicamente fattibili. Grazie a strumenti come la GenAI, possiamo sintetizzare rapidamente i bisogni dei consumatori, individuando concetti che siano non solo desiderabili, ma anche fattibili e sostenibili.
I team spesso devono filtrare tante informazioni che possono cadere vittime dei propri pregiudizi. Si concentrano su utenti mainstream a discapito di quelli meno rappresentati a causa della complessità di considerare le esigenze di tutti. Tuttavia, i modelli di linguaggio come ChatGPT, pur avendo i loro bias, sono più facilmente ‘riaddestrabili’ rispetto agli esseri umani. Questo offre la possibilità di superare i pregiudizi umani e fornire soluzioni veramente inclusive per un ampio spettro della società.

Approccio e Modalità del Modello Stingray

Il modello Stingray si distingue per il suo approccio innovativo nell’utilizzo dell’intelligenza artificiale per guidare il processo di design e innovazione.

La prima fase, “Train”, si concentra sull’addestramento dell’IA utilizzando dati e informazioni pertinenti, stabilendo così le fondamenta per le fasi successive. In “Develop”, le idee vengono sviluppate e raffinate con l’assistenza dell’IA, che fornisce insights e analisi avanzate. Infine, “Iterate” enfatizza l’importanza di testare e rivedere continuamente i progetti, utilizzando l’IA per ottimizzare e perfezionare ulteriormente le soluzioni. Questo ciclo iterativo di sviluppo e raffinamento mira a un’innovazione più rapida ed efficace, superando i limiti del modello Double Diamond che tende a essere più lineare e sequenziale.

Le Tre Fasi del Modello Stingray

Il modello Stingray, emergente nel panorama dell’innovazione e del design, si articola in tre fasi distinte: “Train”, “Develop” e “Iterate”. Ogni fase gioca un ruolo cruciale nel trasformare le idee innovative in soluzioni concrete, sfruttando il potenziale dell’intelligenza artificiale (IA). Ecco una panoramica dettagliata di ciascuna fase.

Fase 1: Train – Definizione degli Obiettivi e Raccolta Informazioni In questa fase iniziale, i team definiscono gli obiettivi del progetto e raccolgono le informazioni rilevanti per identificare le soluzioni. Queste possono includere dati proprietari sull’azienda, come le capacità produttive o informazioni pubbliche su tendenze di mercato e concorrenza. Una volta raccolti questi dati, vengono utilizzati per generare ipotesi prioritarie su problemi e tipologie di soluzioni, fornendo una guida iniziale per il proseguimento del progetto. Questa fase, che può durare da ore a giorni, non solo stabilisce un punto di partenza solido, ma consente anche iterazioni rapide e continue nel ridefinire gli obiettivi del progetto.

Fase 2: Develop – Esplorazione Esponenziale di Problemi e Soluzioni Nella fase “Develop”, il modello permette di generare un ampio spettro di ipotesi e soluzioni mirate, superando i limiti del pensare prima ai problemi e poi alle soluzioni. Questa fase può essere guidata interamente dall’IA o integrare workshop umani. L’output è un insieme categorizzato di soluzioni, che possono includere descrizioni iniziali di prodotti o servizi, con visualizzazioni o prototipi, e ipotesi iniziali sulla fattibilità e capacità di soddisfare i criteri di successo del progetto. Il punto chiave è l’utilizzo dell’IA non solo per ideare, ma anche per identificare cluster di soluzioni promettenti e gestibili.

Fase 3: Iterate – Validazione Iterativa delle Soluzioni Pratiche Con un ampio set di potenziali soluzioni, i team iniziano un processo iterativo di sperimentazione per restringere, de-rischio e focalizzarsi su un insieme più limitato di soluzioni. Queste saranno validate per desiderabilità, fattibilità, sostenibilità e viabilità. La produttività fornita dall’IA permette di esplorare tipi di iterazioni desiderate ma spesso limitate da budget o tempo nei metodi tradizionali. Le squadre possono impiegare metodi di design thinking e innovazione tradizionali, ma anche nuovi metodi come test sintetici, utilizzando IA per predire comportamenti dei consumatori o condurre interviste autonome con chatbot IA.

Il modello Stingray rappresenta quindi una rivoluzione nel mondo dell’innovazione, integrando l’IA per ottimizzare ogni fase del processo creativo, dalla definizione del problema allo sviluppo e alla validazione delle soluzioni.

Visione e Prospettiva del Modello Stingray

Il valore della proposizione del modello Stingray è esattamente nell’intersezione tra l’intelligenza artificiale e il design thinking. Mentre il modello Stingray sfrutta l’IA per anticipare e risolvere problemi complessi, è fondamentale il contributo del design thinking per definire obiettivi e ambiti di applicazione dell’IA.

Questa integrazione tra umano e macchina è il fulcro dell’innovazione futura. A mio avviso il potenziale di Stingray è nell’effetto catalizzatore del “pensare in modo più esteso e creativo”, abilitando un futuro dove i metodi di design sono arricchiti e potenziati dall’IA.

Confronto con Altri Framework

Il modello Stingray, confrontato con altri framework di innovazione, si distingue per l’integrazione dell’IA nel processo creativo. A differenza di metodi come il Lean Startup, incentrato sulla costruzione-misurazione-apprendimento, o l’Agile, che enfatizza iterazioni rapide, Stingray unisce queste dinamiche con l’analisi avanzata dell’IA.

Questo approccio offre una visione più ampia e dati-driven per il processo decisionale, ma potrebbe richiedere risorse e competenze tecniche maggiori.

Opportunità e Potenziale di Implementazione del Modello Stingray

Il modello Stingray apre nuove possibilità per l’integrazione dell’IA nel processo di innovazione. La sua capacità di accelerare la validazione delle idee e di esplorare soluzioni creative oltre i confini del pensiero umano tradizionale offre un potenziale significativo per le aziende che cercano di innovare rapidamente. La sua enfasi sulla iterazione e sul miglioramento continuo delle soluzioni, guidata dai dati, permette un adattamento agile alle mutevoli esigenze di mercato.

Le imprese possono sfruttare Stingray per sviluppare prodotti e servizi più in linea con le aspettative dei consumatori, anticipando le tendenze e rimanendo competitivi. Questa implementazione dell’IA nel design rappresenta una frontiera promettente nell’evoluzione dei processi di innovazione.

Impatto Etico e Sociale dell’IA

L’uso dell’IA nel modello Stingray solleva questioni etiche e sociali importanti. La gestione dei bias nell’IA è cruciale per garantire che i prodotti e i servizi siano equi e non discriminanti. Inoltre, la dipendenza dall’IA nel design potrebbe influenzare il mercato del lavoro, con potenziali ripercussioni sulle competenze richieste e sulla natura del lavoro creativo.

Tendenze Future

Il futuro del modello Stingray potrebbe vedere un’ulteriore integrazione di tecnologie emergenti, come l’apprendimento profondo e l’elaborazione del linguaggio naturale, per generare insights ancora più profondi e automatizzati. Questo potrebbe portare a un’innovazione ancora più rapida e personalizzata, ma anche ad una maggiore necessità di supervisione umana per garantire risultati pertinenti e responsabili.

Un punto di vista aggiuntivo (non richiesto)

Sebbene il modello Stingray offra un approccio sicuramente nuovo, va tenuto presente che come tutti i modelli basati su AI porta con se anche alcune sfide. La sua efficacia dipende fortemente dalla qualità dei dati utilizzati per l’addestramento dell’IA, e potrebbe non essere adatto a tutte le tipologie di progetti, specialmente quelli che richiedono un’intensa comprensione umana o un approccio artistico. La dipendenza dall’IA potrebbe anche limitare l’innovazione a ciò che è “prevedibile” dai dati, potenzialmente soffocando la creatività.

Per questo, come consiglio da sempre nel processo di adozione di qualsiasi (nuovo) modello, è necessario sempre valutare cosa prendere o meno, senza un approccio “talebano” e religioso: sono dell’idea che sono i modelli che vanno adattati all’azienda e non l’azienda che si adatta ad un modello, snaturando se stessa.

20 Dicembre 2023TECH & BUSINESS

Macro Trend 2024: dell’Intelligenza artificiale e (tanto) altro

Il 2024 si prospetta come un anno di notevole trasformazione tecnologica, in cui l’intelligenza artificiale (AI) emerge come un catalizzatore fondamentale, abilitando una moltitudine di trend emergenti e consolidati. Mentre alcuni di questi trend sono ancora nelle loro fasi iniziali, promettendo un terreno fertile per investimenti futuri, altri hanno già raggiunto una maturità tale da richiedere un’adozione immediata. Questa dinamica riflette un panorama tecnologico in cui l’AI non solo guida l’innovazione ma anche crea impatti collaterali in settori diversi, spingendo le aziende e gli investitori a valutare attentamente dove posizionare le loro pedine nel gioco dell’innovazione.

In questo contesto, alcuni trend si stanno affermando come pilastri per le strategie a lungo termine, mentre altri rappresentano opportunità di cambiamento e adattamento che le organizzazioni possono e devono cogliere nel presente. La convergenza di queste tendenze sta plasmando un futuro in cui la tecnologia non è solo uno strumento di progresso, ma anche un elemento chiave per affrontare le sfide globali e locali, offrendo nuove prospettive di crescita e sviluppo in un’ampia gamma di settori.

Sicurezza Pubblica nel XXI secolo

L’innovazione tecnologica sta rivoluzionando il settore della sicurezza pubblica. L’uso di droni e sistemi intelligenti di sorveglianza sta migliorando la risposta a emergenze e criminalità, consentendo una gestione più efficace delle risorse di sicurezza, riducendo i tempi di risposta e migliorando l’efficacia degli interventi.

Smart Grids

La transizione verso reti energetiche intelligenti è fondamentale per gestire in modo più efficiente le fonti di energia rinnovabile. Queste reti supportano il flusso bidirezionale di energia, permettendo non solo il consumo, ma anche la produzione e la vendita di energia da parte dei consumatori.

Swarming Cost-Effective per la Difesa

L’uso di sistemi di droni in scenari di difesa per creare un effetto di massa e sovraccarico offre un vantaggio strategico significativo. Questi sistemi possono essere utilizzati per missioni di sorveglianza, ricognizione o attacco.

Acquisizioni Tecnologiche

Le aziende stanno ampliando le loro competenze software attraverso acquisizioni strategiche. Questo permette loro di estendere la scala dei loro vantaggi software e migliorare il profilo del business acquisito.

Nuove Applicazioni per la Visione Artificiale

L’impiego della visione computerizzata in vari settori industriali come trasporti, agricoltura e miniere permette l’analisi e il monitoraggio automatico, migliorando l’efficienza e la sicurezza.

Nuova Era dell’Esplorazione Marittima

L’innovazione tecnologica sta rivoluzionando il settore marittimo. AI, hardware avanzati e visione computerizzata sono utilizzati per modernizzare le flotte e migliorare l’esplorazione e l’utilizzo sostenibile delle risorse marine.

Democratizzazione dei “Farmaci Miracolosi”

Lo sviluppo di terapie farmaceutiche innovative e la loro introduzione nel mercato in modo economicamente sostenibile rappresenta un trend importante. Questo include la gestione dei costi e la logistica complessa di tali farmaci.

Medicina Programmabile

La medicina programmabile rappresenta una rivoluzione nel modo in cui vengono sviluppate e distribuite le terapie, permettendo un approccio più rapido e mirato alla cura di varie malattie.

Potenziamento della Forza Lavoro Sanitaria

L’integrazione dell’intelligenza artificiale nel settore sanitario sta contribuendo a ridurre il carico di lavoro e migliorare l’efficienza del personale sanitario, contribuendo a ridurre il burnout e migliorare la qualità delle cure.

AI che Supera il Futuro della Salute

L’adozione dell’intelligenza artificiale nel settore sanitario non solo per l’automazione, ma anche per l’innovazione in diagnosi, trattamento e gestione dei pazienti è un trend in crescita.

App a Voce Primaria

Lo sviluppo di applicazioni che utilizzano l’interfaccia vocale come modalità principale di interazione sta migliorando l’accessibilità e la facilità d’uso.

AI Mirata e Costruita su Misura

Lo sviluppo di soluzioni AI specifiche per settori e esigenze particolari sta garantendo che l’AI sia ottimizzata per applicazioni specifiche piuttosto che per usi generali.

Strumenti AI per l’Educazione dei Bambini

Lo sviluppo di piattaforme AI progettate specificamente per l’educazione dei bambini, con focus sulla sicurezza, l’interattività e l’adattabilità alle diverse esigenze di apprendimento è un trend emergente.

Generatori AI senza Codice

La creazione di piattaforme che permettono agli utenti di generare contenuti e applicazioni senza la necessità di competenze di programmazione sta democratizzando l’accesso alla creazione digitale.

La Creatività Potenziata dall’AI

L’uso di strumenti AI che funzionano come co-piloti creativi, assistendo gli utenti nel processo creativo e rendendo l’arte e il design più accessibili è un trend in crescita.

Nuova Era di Decentralizzazione

L’importanza della decentralizzazione per garantire la libertà degli utenti e la neutralità delle infrastrutture internet, contrastando la centralizzazione del potere, è un trend emergente.

Rifacimento dell’Esperienza Utente nel Futuro

Innovazioni nell’esperienza utente nel settore delle criptovalute stanno rendendo il settore più semplice e accessibile.

Ascesa della Pila Tecnologica Modulare

La tendenza verso architetture modulari nelle reti per promuovere l’innovazione aperta e la concorrenza è un trend in crescita.

AI + Blockchain

La combinazione di intelligenza artificiale e blockchain per democratizzare l’innovazione nell’AI e garantire la sicurezza e la trasparenza è un trend emergente.

Dal Gioco per Guadagnare al Gioco e Guadagnare

La trasformazione dell’economia dei giochi per permettere ai giocatori non solo di divertirsi ma anche di trarre vantaggi economici dalle loro attività di gioco è un trend in crescita.

Intelligenza Artificiale come acceleratore di Giochi

L’uso di agenti AI nei giochi per creare esperienze di gioco più ricche e coinvolgenti è un trend emergente.

Verifica Formale meno “Formale”

Lo sviluppo di metodi di verifica formale più accessibili e meno complessi, particolarmente importanti nel settore dei contratti intelligenti, è un trend in crescita.

NFT come Asset di Marca Onnipresenti

L’uso degli NFT come strumenti per costruire identità di marca e coinvolgere la comunità è un trend emergente.

SNARKs Diventano Mainstream

L’adozione di SNARKs per la verifica sicura e efficiente di carichi di lavoro computazionali è un trend in crescita.

I trend tecnologici del 2024 abbracciano una vasta gamma di settori in rapida evoluzione, evidenziando il ruolo centrale dell’innovazione tecnologica nel plasmare il futuro in diversi ambiti. Nel 2024 le aziende adotteranno un approccio sempre più pragmatico all’innovazione, con un’attenzione crescente alle pratiche tecnologiche sostenibili e all’importanza di un’approccio alle decisioni tecnologiche strategico, ma anche concreto.

19 Dicembre 2023AI & GENAI

Phi-2 Microsoft: un passo avanti verso gli Small Language Models

Gli Small Language Models, tra cui spicca sicuramente Phi2 di Microsoft presentato pochi giorni fa, stanno ridefinendo il campo dell’intelligenza artificiale grazie alla loro efficienza e compattezza, consentendo una maggiore facilità di integrazione in dispositivi vari e una riduzione dei costi di calcolo. Questi modelli, più agili e meno esigenti in termini di risorse, saranno ideali per un’ampia gamma di applicazioni, promuovendo un’IA più accessibile e sostenibile in diverse industrie. I vantaggi degli Small Language Models , soprattutto viste le criticità attualmente presenti per l’adozione in molte aziende, aprono nuove prospettive di implementazione, con un impatto significativo su efficienza, scalabilità e applicabilità pratica.

Introduzione al Phi2

Phi2 di Microsoft rappresenta un ulteriore passo avanti nell’evoluzione dei modelli di linguaggio. Questo modello di “piccole” dimensioni, con i suoi 2.7 miliardi di parametri, sfida l’idea che solo i modelli di grandi dimensioni possano offrire prestazioni avanzate.

Lanciato ufficialmente all’evento Microsoft Ignite 2023 di pochi giorni fa, Phi2 è un ulteriore accelerazione rispetto al percorso che sta facendo l’AI in questo periodo, e si focalizza su temi di efficienza, scalabilità e accessibilità.

Caratteristiche tecniche

Phi2 rappresenta un modello di linguaggio ridotto ma altamente efficiente. Rispetto ai giganti del settore come Llama2 e Mistral, Phi2 ha dimostrato come riportato nei documenti di Model Training e benchmark che la dimensione non è sempre sinonimo di superiorità: l’importanza della qualità dei dati oltre alla quantità. In particolare:

Dimensione del Modello: Phi2 ha 2.7 miliardi di parametri, posizionandosi come un modello di media dimensione nel panorama degli LLM.
Architettura Transformer: Utilizza l’architettura Transformer, ampiamente riconosciuta per la sua efficacia nel trattamento del linguaggio naturale.
Lunghezza del Contesto: Capace di gestire un contesto di 248 token, permettendo un’analisi approfondita del testo.
Training sui Dati: Addestrato su un mix di dataset sintetici e dati web, con enfasi sulla qualità e la varietà dei dati.
Tempo di Training: Impiegati 14 giorni per l’addestramento su 96 GPU NVIDIA A100.
Tecnologie Utilizzate: Usa PyTorch, DeepSpeed e Flash Attention per l’efficienza del training e dell’inferenza.
Capacità di Ragionamento: Eccelle in compiti di ragionamento logico e comprensione del linguaggio.
Apprendimento da Codice Python: Particolarmente addestrato su codice Python, mostrando competenze significative in questo linguaggio di programmazione.
Sicurezza e Bias: Miglioramenti notevoli in termini di riduzione della tossicità e dei bias rispetto a modelli open-source simili.
Interpretazione Meccanicistica: Progettato per facilitare la ricerca sull’interpretazione meccanicistica, migliorando la comprensione di come il modello elabora e risponde alle query.

Prestazioni e benchmark

Phi2 eccelle in diversi benchmark, posizionandosi al pari, se non superiore, a modelli molto più grandi. Le sue prestazioni sono particolarmente rilevanti in compiti di ragionamento, comprensione del linguaggio e codifica, dove ha dimostrato di superare modelli come il 13B Llama-2 e il 7B Mistral. Questi risultati evidenziano il potenziale dei modelli più piccoli e efficienti nell’era dell’IA. Qui il link con informazioni su Phi2 Performance. Mentre qui trovate Phi-1.5 e Phi-1

Dalla documentazione presente in rete, ho trovato questi punti rilevanti:

Prestazioni in Common Sense Reasoning:Phi2 mostra eccellenti risultati in test come PIQA e ARC, superando modelli più grandi nel ragionamento di senso comune.
Capacità di Comprensione del Linguaggio:Nei benchmark come HellaSwag e SQuADv2, Phi2 dimostra una comprensione del linguaggio paragonabile a modelli con un numero di parametri molto superiore.
Efficienza in Task di Matematica:Nel benchmark GSM8k, Phi2 ha mostrato capacità avanzate nella risoluzione di problemi matematici, evidenziando la sua forza in compiti logici e numerici.
Performance nel Coding:In test come HumanEval e MBPP, Phi2 eccelle nella generazione di codice Python corretto, riflettendo la sua specifica formazione in questo linguaggio.
Benchmark Big Bench Hard (BBH):In questo benchmark, Phi2 ha ottenuto risultati buoni, superando modelli come Llama-2 e Mistral, specialmente in compiti di ragionamento multistep.
Confronto con Gemini Nano 2:Rispetto a Google Gemini Nano 2, Phi2 ha mostrato prestazioni superiori in diversi test di benchmark riportati da Google, nonostante una dimensione più ridotta.
Riduzione della Tossicità e Bias:In benchmark come ToxiGen, Phi2 ha dimostrato un elevato livello di sicurezza rispetto ai modelli comparabili, producendo meno output tossici e mostrando minori bias.

Applicazioni e casi d’uso

Phi2 trova applicazione in una vasta gamma di settori, dalla didattica all’assistenza sanitaria. Nell’educazione, può personalizzare l’apprendimento e supportare gli insegnanti con risposte immediate e pertinenti. Nel campo sanitario, offre consigli preliminari e supporto per il benessere mentale. E sono solo alcuni esempi, ma gli ambiti di applicazione sono enormi.

Vantaggi dei modelli più piccoli

Gli Small Language Models (SLM) rappresentano una svolta nell’IA, combinando efficienza e precisione in modelli compatti. Perfetti per l’uso su dispositivi e in ambienti con risorse limitate, gli SLM offrono prestazioni elevate e sicurezza migliorata, rendendoli strumenti fondamentali per un’ampia gamma di applicazioni. Sono ideali per dispositivi con capacità di calcolo limitate e applicazioni in tempo reale. Riducendo il tempo e i costi di addestramento, questi modelli diventano più accessibili e sostenibili, aprendo la strada a un’IA più democratica.

Efficienza di Risorse: Richiedono meno memoria e potenza di elaborazione rispetto ai LLM, ottimizzando l’uso delle risorse.
Maggiore Trasparenza: Sono più trasparenti e comprensibili, facilitando l’audit e l’identificazione di errori o vulnerabilità.
Precisione: Tendono a generare informazioni più accurate e sono meno inclini a bias, grazie alla loro scala ridotta e alla formazione mirata.
Sicurezza Migliorata: Con meno parametri e una base di codice ridotta, presentano un minor rischio di attacchi e vulnerabilità.
Adattabilità: Possono essere facilmente integrati in dispositivi con limitazioni di risorse, offrendo flessibilità nell’applicazione.
Personalizzazione: Permettono una personalizzazione più semplice per scopi specifici, adattandosi meglio ai requisiti individuali.

Inoltre, la loro maggiore interpretabilità è essenziale in campi critici come la medicina e il diritto.

Sfide e considerazioni etiche

Nonostante i numerosi vantaggi, l’uso di Phi2 – così come la maggior parte dei sistemi di LLM e SLM, presenta alcune sfide. La qualità e l’affidabilità delle informazioni generate rimangono una preoccupazione primaria. Questioni etiche come la privacy, la sicurezza dei dati e il rischio di abusi richiedono attenzione. È fondamentale assicurare che queste tecnologie siano accessibili a tutti, evitando di creare un divario digitale. Suggerisco la lettura di questo articolo dell’Unesco “Artificial Intelligence: examples of ethical dilemmas“

+++

Se questo tema trattato in questo post ed in generale ti interessano temi come #AI, #GenAI, #Web3, #AR, #VR, #Gaming e #Blockchain e vuoi essere sempre aggiornato sulle ultime tendenze tecnologiche, assicurati di iscriverti alla mia newsletter, di seguirmi qui su Linkedin Fabio Lalli o su questi canali MTVRS anche su Telegram https://t.me/mtvrs_it

18 Dicembre 2023AI & GENAI

Dalla Generative AI nelle aziende, fino all’Interactive AI

In questo anno che si sta chiudendo l’AI Generativa è diventata senza dubbio il tema di discussione principale e una delle tecnologie più influenti e potenzialmente impattanti nel medio breve termine, grazie ad applicazioni come ChatGPT, Stable Diffusion, GitHub Copilot, e Midjourneyche sono entrate già nel vivo del modo di lavorare e stanno introducendo notevoli cambiamenti in alcune aree di competenza .

In un sondaggio di O’Reilly,condotto sui propri utenti lo scorso settembre 2023, sono state analizzate le modalità di utilizzo delle aziende stanno già implementando l’AI Generativa, gli ostacoli nella sua adozione e le lacune di competenze da colmare.

Dati e stato attuale

Tra i dati rilevanti che emergono dallo studio, due terzi dei partecipanti al sondaggio (67%) hanno affermato che le loro aziende utilizzano l’AI Generativa. Di questi, il 41% la usa da più di un anno, mentre il 26% da meno di un anno. Solo il 33% delle aziende non utilizza affatto l’AI Generativa.

L’adozione dell’AI non è ancora universale per quanto i numeri diano una indicazione importante di accelerazione: molti utilizzatori (38%) sono ancora nelle fasi iniziali, sperimentando e lavorando su progetti di prova, e molto spesso con utilizzi superficiali e su processi di base o semplici, attraverso l’utilizzo di piattaforme terze e non integrate (con modelli basati su cloud come GPT-4). L’adattamento di un modello per specifici casi d’uso rimane ancora una grande sfida.

Nonostante l’alta percentuale di adoption (e aggiungerei di alta predisposizione a farlo a mio avviso), c’è ancora molto da fare in termini di formazione, recruiting, cultura e implementazione.

La formazione di modelli e lo sviluppo di applicazioni complesse si stanno semplificando grazie a molti nuove soluzioni open source che cominciano a nascere grazie a diverse comunità online e soprattutto a soluzioni che, con dimensioni piccole e meno intensive in termini di risorse, permettono l’avvio con budget ridotti.

Intorno all’AI Generativa si stanno sviluppando ecosistemi di strumenti di diverso genere, abilitando diverse modalità di lavoro e possibilità di integrazioni di potenzialità all’interno dell’azienda a costi accessibili.

Ostacoli e criticità

I fattori che ostacolano una maggiore adozione dell’intelligenza artificiale generativa nelle aziende e che sono stati identificati dalla survey, includono:

Difficoltà nel trovare casi d’uso appropriati: trovare casi d’uso aziendali appropriati e facilmente implementabili è la sfida più grande. Questo tema è tipico delle fasi di trasformazione e cambiamento e riflette solitamente la mancanza di immaginazione ed interpretazione o l’eccesso di cautela nell’implementare soluzioni AI potenzialmente inappropriatate.
Preoccupazioni legali, rischi e conformità: sono parecchi le preoccupazioni riguardo ai rischi legali e alla conformità. Le implicazioni legali dell’utilizzo dell’AI generativa, come la proprietà ed i diritti del contenuto prodotto, creano incertezza e preoccupazione.
Mancanza di politiche per l’uso dell’AI: la mancanza di linee guida progettuali all’interno delle aziende sull’utilizzo dell’AI è un problema minore ma importante. In molti casi i CEO delegano all’IT o ai CIO la gestione della tematica sottovalutando le implicazioni finanziarie, legali, la conformità normativa, l’etica e via dicendo.
Resistenza al cambiamento: alcune aziende non riconoscono la necessità dell’AI, il che può indicare una mancanza di visione o di apertura verso le nuove tecnologie o processi di sperimentazione.
Mancanza di competenze: La difficoltà nel trovare persone qualificate nell’AI è una sfida significativa. Questo è un ostacolo sia per le aziende che cercano di adottare l’AI sia per quelle che già la utilizzano e vogliono integrare competenze ed accelerare i processi di implementazione.
Problemi di infrastruttura: Costruire un’infrastruttura AI è complicato e costoso, e questo rappresenta un ostacolo per molte aziende. L’adozione di infrastrutture terze è sicuramente una soluzione, ma le implicazioni relative a tematiche di dati, segregazione, tutela e utilizzo è l’elemento cruciale.
Qualità dei dati e formazione dei modelli: Nel processo di implementazione la qualità dei dati per la formazione dei modelli sembra non esser un problema e sono meno percepiti come barriere di partenza rispetto ad altri problemi.

Come le aziende stanno usando l’AI

L’utilizzo che emerge dallo studio rappresenta a mio avviso l’esempio naturale dell’impiego l’intelligenza artificiale generativa in processi e ambiti di base e facilmente intuibili:

Programmazione: l’utilizzo più comune dell’AI generativa è nel campo della programmazione, con strumenti come GitHub Copilot o ChatGPT, utilizzati dal 77% dei rispondenti alla survey. Questo include sia sperimentazioni sia impiego effettivo nel lavoro quotidiano ed in particolare sia nella produzione di codice, che supporto ai test, che soprattutto nel processo di produzione documentale.
Analisi dei dati: il 70% degli intervistati utilizza l’AI per l’analisi dei dati, con una divisione quasi equa tra sperimentazione e utilizzo pratico.
Interazione con i clienti: il 65% delle aziende sta esplorando o già utilizzando l’AI per progetti di custormer care e servizi di assistenza clienti (interni ed esterni) e condivisione della knowledge base.
Generazione di testi: l’AI è utilizzata per generare contenuti testuali, con il 47% delle aziende che la impiega per la produzione di contenuti di marketing e il 56% per altri tipi di documentazione (report, relazioni, sintesi o estensione di documenti).
Design e creatività: l’uso dell’AI come supporto di design e la creatività è meno comune, in parte probabilmente a causa della natura dell’audience di O’Reilly, maggiormente orientata allo sviluppo. In linea generale comunque è evidente che l’utilizzo già oggi nelle aziende nei processi creatività è crescente, vista la semplicità di accesso a tool come Firefly di Adobe, Dall-E di OpenAi, Midjourney e molti altri.
Altri ambiti di applicazioni: alcune aziende stanno utilizzando l’AI in un’ampia varietà di modi, iniziando processi di integrazione di dati e servizi: dalla rilevazione di frodi, all’insegnamento, allla gestione delle relazioni con i clienti, alle risorse umane fino alla conformità.
Integrazione in strumenti esistenti: non ultima, l’AI generativa sta diventando una parte integrante di strumenti comuni di office automation, marketing e collaboration, da Microsoft Office, Google Docs e Adobe Photoshop, Canva e tanti altri che stanno progressivamente integrando funzionalità standard e base nelle proprie applicazioni.

Approccio, strumenti utilizzati ed impatti

Per quanto riguarda strumenti e piattaforme, la survey riporta una serie di informazioni (a mio avviso note) ma rilevanti da conoscere:

Uso di applicazioni preconfezionate e personalizzate: circa il 36% degli intervistati usa applicazioni come ChatGPT e GitHub Copilot, mentre il restante 64% sta sviluppando applicazioni AI personalizzate, un passo significativo che richiede investimenti in personale, infrastruttura ed educazione.
Scelta dei modelli AI: i modelli GPT sono i più utilizzati (23%), seguiti da un sorprendente 21% di aziende che sviluppano i propri modelli AI, un processo che richiede senza dubbio risorse sostanziali. Una percentuale più bassa di aziende (16%) utilizza modelli open source, meno costosi e più flessibili.
Diversità dei modelli utilizzati: oltre ai modelli GPT, un’ampia varietà di altri modelli viene utilizzata dalle aziende, compresi quelli derivati da LLaMA di Meta e modelli disponibili (su piattaforme come Hugging Face). In molti casi c’è da tenere in considerazione che alcuni di questi modelli open source hanno restrizioni sulla loro possibilità di utilizzo.
Stadio di sviluppo: molti degli intervistati sono ancora nelle fasi iniziali dello sviluppo con l’AI, con il 34% che lavora su concept e progetti in fase embrionale, mentre il 18% ha applicazioni AI in produzione.
Test per i rischi: le aziende che stanno procedendo con le implementazioni dele loro applicazioni AI, stanno valutando diverse fasi di test vista la varietà di rischi, inclusi risultati imprevisti, vulnerabilità alla sicurezza, affidabilità, equità, etica e privacy.
Competenze necessarie per progetti AI: le competenze necessarie per i progetti AI includono la programmazione, l’analisi dei dati e le operazioni per l’AI e il Machine Learning, competenze che attualmente non sono presenti nelle aziende e riflettono la complessità e la natura interdisciplinare del lavoro con l’AI Generativa.
Impatto sul business: le aziende si aspettano che l’AI aumenti la produttività, generi maggiori entrate e migliori la pianificazione e la previsione. Solo una piccola percentuale prevede una riduzione del personale grazie all’AI. In linea generale l’approccio all’implementazione iniziale e l’adozione dell’AI generativa sta partendo da progetti di Marketing o di ottimizzazione costi.

Dall’AI Generativa a quella Interattiva

Le prospettive sull’AI Generativa sono positive, ma come dico da tempo siamo solo all’inizio di un grande processo di cambiamento. Se il 2023 è stato l’anno della AI Generativa, già dal 2024 vedremo i grandi segnali dell’arrivo della fase successiva.

Mustafa Suleyman, co-fondatore di DeepMind (poi Google DeepMind), sostiene che dopo l’era dell’AI Generativa, il futuro sarà dominato appunto dall’Intelligenza Artificiale Interattiva, e questa sarà una nuova fase fondamentale nella storia della tecnologia.

L’Intelligenza Artificiale Interattiva (Interactive AI) si riferisce a sistemi di intelligenza artificiale che saranno in grado di interagire in modo più dinamico e flessibile con gli utenti. Questo tipo di AI non si limiterà a rispondere a richieste specifiche o eseguire attività predefinite, ma sarà in grado di adattarsi e rispondere a situazioni in continua evoluzione, e spesso in tempo reale.

Le caratteristiche rilevanti saranno:

Dialogo bidirezionale: L’AI Interattiva potrà sostenere conversazioni bidirezionali con gli utenti, comprendendo e rispondendo a domande, commenti o richieste in modo contestualizzato.
Adattabilità: Questa forma di AI sarà in grado di adattarsi ai comportamenti e alle preferenze degli utenti nel tempo, offrendo risposte e servizi personalizzati.
Apprendimento in tempo reale: L’AI Interattiva potrà apprendere dai propri errori e dalle interazioni con gli utenti, migliorando costantemente le sue capacità di risposta e decisionali.
Interazione vocale: l’AI Interattiva utilizzerà interfacce vocali (o altri sistemi IOT) per un’interazione più naturale e intuitiva con gli utenti.
Automazione avanzata: l’interazione andrà oltre la semplice automazione di compiti, e permetterà una collaborazione più profonda tra umani e sistemi AI: una assistente presente nella risoluzione di problemi complessi o nella generazione di idee creative.
Personalizzazione: questa nuova modalità di AI offrirà una esperienze altamente personalizzata basata sulle interazioni precedenti e sui dati raccolti dagli utenti.
Elevata elaborazione del linguaggio naturale: verranno sempre più implementate tecnologie avanzate di elaborazione del linguaggio naturale per comprendere e generare risposte naturali.

Forward looking

L’importanza dell’adozione dell’Intelligenza Artificiale Generativa (AI Generativa) per le aziende e il ruolo cruciale dei partner nel supportare questo processo emergono chiaramente anche dall’articolo del MIT Sloan.

L’AI Generativa senza dubbio offre un ampio ambito di applicazioni, ma non c’è dubbio che l’adozione debba essere ponderata e consapevole, ed è fondamentale che le aziende non solo adottino l’AI Generativa, ma anche che i loro dipendenti comprendano questa nuova tecnologia deve esser utilizzata con un approccio incrementale e potenziante, piuttosto che di sostituzione, soprattutto del lavoro umano.

In questa fase anche la scelta di partner competenti nel campo è cruciale, sia per evitare che il FOMO faccia fare scelte poco pesate e sia per poter iniziare un viaggio con un approccio strutturato in questo nuovo territorio, dal supporto all’identificazione di casi d’uso più appropriati, fino a garantire che l’implementazione avvenga in modo etico e responsabile, massimizzando i benefici e riducendo i rischi.

In questi mesi, lavorando con diverse aziende, ho messo a punto un modello di valutazione della maturità e percorso: nei prossimi giorni pubblicherò una survey con l’obiettivo di raccogliere delle informazioni per validare il modello e condividere con i partecipanti l’output. Come si direbbe… stay tuned! 🙂

16 Dicembre 2023AI & GENAI

Industrial revolution mechanized muscles. AI revolution is mechanizing minds.

Era il diciottesimo secolo e l’avvento delle macchine iniziava a spostare equilibri che sembravano consolidati. La rivoluzione industriale, con la sua meccanizzazione massiccia, sollevò preoccupazioni e timori ovvi in prossimità dei grandi ed imminenti cambiamenti.

Cosa sarebbe stato dell’uomo e della sua essenza di fronte a questa trasformazione?

Una serie di evoluzioni, miglioramenti e criticità in divenire in vari ambiti che poi nella storia abbiamo letto: da grandi impatti industriali a lavorativi, dal tempo liberato dalle macchine, l’emergere del lavoro part-time, l’incremento dei consumi, nuove dinamiche di aggregazione sociale, la riduzione delle distanze e tempi, nuovi ambiti normativi da sviluppare ma soprattutto – di base – la facilitazione delle attività fisiche, e la conseguente meccanizzazione dei muscoli.

E cosa sarà dell’uomo e della sua essenza di fronte all’imminente crescita dell’AI?

Oggi siamo nel pieno (non si può e non si deve parlare di inizio perché questo processo di cambiamento è nato ben prima di chatgpt…) di nuova rivoluzione “industriale”, derivante appunto dalla rivoluzione dell’intelligenza artificiale, e che presenta incredibili parallelismi con la storia già vissuta. L’IA sta creando nuova forma di libertà temporale, destabilizzando processi e modelli consolidati, forgiando nuove forme di comunità e conoscenza. Stiamo assistendo e partecipando, in modo diretto o indiretto, consapevole o meno, ognuno di noi, ad uno shift di competenze, creatività, apprendimento, segnando temporalmente quella che verrà con certezza chiamata l’era della meccanizzazione delle menti.

AI’s societal impact mirrors industrialization: disruptive, transformative, yet inevitably integrated

E così come la meccanizzazione è divenuta parte integrante delle industrie, trasformando il modo in cui operavano, l’IA diventerà essenziale in termini di sopravvivenza e competitività (se già non lo è per molti ambiti), integrandosi pienamente nei modelli e nella consapevolezza aziendale. Nessuna impresa potrà ormai prescindere dall’adozione dell’IA per “meccanizzare” processi di studio, analisi e conoscenza, creando nuovi modelli operativi.

Tanto meno riusciremo a fare a meno di utilizzare strumenti di AI per sviluppare competenze, comprendere e cercare, e non è detto che lo faremo coscientemente perché l’AI ci sarà e sarà sempre più invisibile ai nostri occhi, esattamente come la tecnologia che indossiamo ed usiamo, e di cui non ci accorgiamo più.

11 Novembre 2023AI & GENAI

GPT Store, ecco perchè sarà una rivoluzione.

Ho ricevuto un po’ di commenti e messaggi riguardo GPT, e provo a condividere il motivo dell’entusiasmo intorno all’annuncio di OpenAI, relativamente al GPTs Store, così da rendere più completo il senso del concetto di “rivoluzione”.

🤓 Cos’è il GPT Store prima di tutto?

Il GPT Store è fondamentalmente un AppStore per l’Intelligenza Artificiale, e questo dovrebbe già far capire il potenziale di quello che abbiamo davanti.

📊 Un po’ di contesto:

L’Appstore di Apple ha 2,24 milioni di app e giochi
Il Play Store di Google ha 2,59 milioni di app

Entrambe gli store gli store nati nel 2008, hanno traguardato il milione di app tra il 2012 ed il 2013. A mio avviso il GPTs Store di OpenAI avrà almeno 100 milioni di app e succederà in molto meno tempo, addirittura meno di un anno.

❓ Perchè questa stima?

Da quando ho fondato IQUII abbiamo sviluppato ben oltre 500 app (ios, android e non solo) per diversi brand in diverse industrie: indicativamente una app ben fatta, tra progettazione, disegno, integrazione, sviluppo, e test ha un ciclo lavoro di 2 / 3 mesi (ribadisco app mediamente complesse). Oltre ai tempi necessari per pubblicazione, validazione e lancio.

💥 Per sviluppare un GPTs, di base, e senza grandi integrazioni, ci vogliono tra 10 ed i 30 minuti (per stare larghi). Compresa pubblicazione e condivisione tramite canali social, wa, telegram e via dicendo. Ovviamente non parlo di GPTs con integrazioni di servizi terze parti magari da realizzare ad hoc per aggiungere un valore dinamico e fortemente integrato con il proprio core business. Ma parliamo di tempi decisamente diversi.

👀 Non c’è dubbio che GPT Store rivoluzionerà quasi tutti i settori, inclusi:

Salute mentale
Fitness
Assistenza sanitaria
Produttività
Creazione di contenuti
Analisi di business
Marketing
Vendite
Viaggi
e tanto altro ancora.

Praticamente intere industrie.

✍ Chiunque voglia entrare essere qualificato e avere una solida conoscenza di:

Formulazione di prompt
Ricerca
Raccolta dati
Integrazione di servizi
ma soprattutto analisi di processi ed analisi di impatto.

Nulla dovrà esser lasciato al caso, e commettere gli stessi errori già fatti in fasi precedenti (investimenti affrettati e senza disegno e progettazione, come successo anche nel mobile) avrà, in questo caso, impatti molto più grandi.