Digitalia #838 - Agentic coding e beni culturali

1
00:00:00,000 --> 00:00:00,180
.
2
00:00:14,880 --> 00:00:19,320
Dallo studio distribuito di Gunp Media Production.
3
00:00:19,320 --> 00:00:21,059
Notizie di tecnologia
4
00:00:23,100 --> 00:00:26,039
Questo è Digitalia.
5
00:00:29,160 --> 00:00:34,259
Settimana del 18 maggio 2026 nelle carte ci sono i jolly in
6
00:00:34,259 --> 00:00:37,740
cucina i fuori menù digitali ha gli speciali modelli di linguaggio di
7
00:00:37,740 --> 00:00:43,200
grandi dimensioni e programmazione agentica nel mondo dei beni culturali tra generativa
8
00:00:43,200 --> 00:00:46,859
ontologia archeologia aumentata come si insegna una macchina a capire la cultura
9
00:00:47,159 --> 00:00:49,920
Da Liguria 1 di Sanremo, qui è Franco Solerio.
10
00:00:49,920 --> 00:00:55,799
Dallo studio di Milano, Città Studi, Francesco Facconi. Da Salerno, Rocco Loffredo.
11
00:01:00,719 --> 00:01:06,060
Buongiorno a tutti amici bentornati all'ascolto di Digitalia lo sapete ogni tanto ci
12
00:01:06,060 --> 00:01:09,420
prendiamo una settimana o per impegno o per malattia o cosa ma ci
13
00:01:09,420 --> 00:01:14,459
facciamo un punto di onore di non lasciarvi mai senza la puntata settimanale.
14
00:01:15,060 --> 00:01:19,200
E quindi troviamo degli ospiti speciali e per delle puntate speciali
15
00:01:19,200 --> 00:01:23,939
allora avevamo quest'idea piccola introduzione avevamo questa idea di fare uno
16
00:01:23,939 --> 00:01:28,200
speciale dedicato all'agenti coding poi Max ci ha presentato Rocco che
17
00:01:28,200 --> 00:01:31,019
è un dottorando che lavora nel suo team e ha esperienza
18
00:01:31,019 --> 00:01:35,700
sì di coding agenti ma soprattutto sta studiando come creare
19
00:01:36,000 --> 00:01:41,040
degli agenti AI e in particolare quelli dedicati alla cultura che è un mix
20
00:01:41,040 --> 00:01:43,980
un po' particolare un po' strano e allora ci siamo detti vabbè vediamo se
21
00:01:43,980 --> 00:01:47,879
riusciamo a dare uno sguardo da dentro a questa cosa degli agenti, capire cosa
22
00:01:47,879 --> 00:01:52,560
sono come funziona come come si programmano, eccetera sia nel mondo del coding in
23
00:01:52,560 --> 00:01:57,060
generale, perché lui è un programmatore a tutti gli effetti sia nel
24
00:01:57,359 --> 00:02:01,019
creare proprio dei nuovi agenti e allora ciao Francesco e
25
00:02:01,019 --> 00:02:06,359
benvenuto Rocco Benvenuto grazie grazie mille Allora, prima di tutto
26
00:02:06,359 --> 00:02:10,860
vogliamo una curiosità da com'è lavorare col prof del
27
00:02:12,780 --> 00:02:17,400
Partiamo subito con le domande difficili, le domande scomode noi siamo
28
00:02:17,400 --> 00:02:21,900
inchiesta Lo so che è un uomo di team Massimo è
29
00:02:21,900 --> 00:02:25,560
un grande organizzatore è è un grande capo, diciamo
30
00:02:26,819 --> 00:02:34,620
lavorare con lui è ottima esperienza soprattutto di crescita perché non è banale, soprattutto
31
00:02:34,620 --> 00:02:40,620
ciò che facciamo è lui come ricerca di mantenere sempre facendo da collante con
32
00:02:40,620 --> 00:02:43,620
tutto il team con suo E lui è un uomo, sì è un uomo
33
00:02:43,620 --> 00:02:47,879
di organizzazione, un uomo di squadra, un uomo di team, certo, certamente certamente
34
00:02:48,479 --> 00:02:52,860
Allora abbiamo dato un'occhiata un po' al tuo curriculum a queste cose eccetera, ma
35
00:02:52,860 --> 00:02:56,280
è la prima volta che chiacchieriamo a noi piace di Italia farla così no
36
00:02:56,280 --> 00:02:59,699
come non ci sentiamo mai in settimana per commentare le notizie le commentiamo la
37
00:02:59,699 --> 00:03:03,599
prima volta in trasmissione e anche per gli speciali per cui per noi come
38
00:03:03,599 --> 00:03:06,960
per i nostri ascoltatori, anche per noi sei tutto da scoprire
39
00:03:07,259 --> 00:03:09,300
cosa fai Rocco esattamente?
40
00:03:09,300 --> 00:03:14,939
Allora, faccio il dottorato all'Università degli Studi di
41
00:03:14,939 --> 00:03:17,939
Salerno, come abbiamo già anticipato con Massimo.
42
00:03:18,900 --> 00:03:24,719
I topic principali su cui lavoro sono incentrati sull'intelligenza artificiale, quindi gli LLM,
43
00:03:24,719 --> 00:03:28,379
ultimamente anche con gli agenti AI, che è un mondo in cui praticamente
44
00:03:28,379 --> 00:03:31,860
attualmente ne parlano tutti e dal punto di vista della ricerca
45
00:03:32,639 --> 00:03:35,759
sto iniziando a ritagliare anche il mio piccolo spazio.
46
00:03:35,759 --> 00:03:42,360
Nel tempo libero posso definirmi al di fuori dell'università un
47
00:03:42,360 --> 00:03:47,520
strimpello, chitarre bassi, sono un po' di tutto, sono
48
00:03:48,180 --> 00:03:53,580
diciamo formazione metal mettiamola così che i geek finiscono sempre lì, non si
49
00:03:53,580 --> 00:03:59,580
sa perché forse è una necessità di sfogare l'istinto creativo da qualche parte.
50
00:03:59,580 --> 00:04:02,099
probabile è una delle musiche secondo me più geek perché
51
00:04:02,099 --> 00:04:05,219
è super preciso guarda che non è un caso
52
00:04:06,060 --> 00:04:12,539
quello fatto bene richiede molta nerdaggine, diciamo soprattutto lato sound
53
00:04:12,539 --> 00:04:16,920
perché un orecchio poco allenato, soprattutto nei generi che prediligo
54
00:04:16,920 --> 00:04:21,660
può sentire principalmente rumore bianco però poi se uno incomincia
55
00:04:21,660 --> 00:04:24,660
soprattutto se suona in digitale, quindi con schede audio
56
00:04:25,259 --> 00:04:31,019
DAV dedicate, se inizi a partire con ok proviamo questa cassa apriviamo questo
57
00:04:31,019 --> 00:04:36,779
cono proviamo questo microfono si finisce nel buco della tana Conosciamo la malattia
58
00:04:36,779 --> 00:04:39,420
e non se ne viene più e non se ne viene fuori se
59
00:04:39,420 --> 00:04:44,339
qualcuno ne trovasse un vaccino ci faccia sapere perché non lo vogliamo facci
60
00:04:44,339 --> 00:04:46,259
sapere poi non lo prenderemo non ho detto quello
61
00:04:46,860 --> 00:04:54,120
Allora, quindi tu stai nel tuo dottorando stai lavorando a creare degli
62
00:04:54,120 --> 00:05:00,959
LLM che in qualche modo capiscano la cultura che trasmettano le arti.
63
00:05:00,959 --> 00:05:02,699
Allora
64
00:05:03,480 --> 00:05:07,139
La domanda che ci siamo posti con Massimo all'inizio del dottorato
65
00:05:07,139 --> 00:05:09,660
che da cui poi è partita praticamente il percorso di ricerca
66
00:05:09,660 --> 00:05:13,439
che stiamo intraprendendo è ok noi sappiamo che gli LLM
67
00:05:14,459 --> 00:05:19,680
Attualmente sono nel general Purpose diciamo rispondono bene o male a quasi tutto
68
00:05:19,680 --> 00:05:24,600
bene o male, non lo so dipende quanto vai dentro nel dettaglio ciò
69
00:05:24,600 --> 00:05:29,879
so che ciò che ci eravamo chiesti era ma se questi l'LM quando
70
00:05:29,879 --> 00:05:33,540
rispondono comunque dal punto di vista della sintassi rispondono bene
71
00:05:33,959 --> 00:05:38,939
noi sappiamo che loro si appoggiano su un approccio probabilistico.
72
00:05:38,939 --> 00:05:44,160
Noi sappiamo che un LLM quando genera la sua risposta quello che sta facendo è
73
00:05:45,360 --> 00:05:50,459
indovinare, capire qual è la parola più prova concatenare parole esattamente.
74
00:05:50,459 --> 00:05:56,220
Da qui ci siamo posti Pappagalli stocastici li chiamavamo tempo fa ormai perfetto
75
00:05:56,220 --> 00:05:59,819
da qui ci siamo posti una domanda, ma il fatto che loro siano
76
00:05:59,819 --> 00:06:04,680
così bravi a rispondere rispettino così bene queste regole sintattiche ci ha posto
77
00:06:04,680 --> 00:06:07,439
il seguente quesito, ma invece dal punto di vista semantico
78
00:06:07,740 --> 00:06:10,680
Loro sono molto bravi a rispondere, ma di fatto
79
00:06:10,680 --> 00:06:16,139
quando rispondono capiscono veramente semanticamente appunto cosa stanno dicendo.
80
00:06:16,139 --> 00:06:20,220
Da qui abbiamo iniziato a indagare, siamo posti due domande.
81
00:06:20,939 --> 00:06:24,839
Il percorso di ricerca adesso si incentra sul provare a capire
82
00:06:24,839 --> 00:06:31,139
se dando loro un supporto semantico, quindi integrando conoscenze esterne in
83
00:06:31,139 --> 00:06:34,560
formati strutturati, come ad esempio possono essere le ontologie che possono
84
00:06:34,560 --> 00:06:37,740
essere visto per definizione come una forma strutturata di conoscenza
85
00:06:38,279 --> 00:06:43,439
in cui la semantica è del tutto esplicitata se l'LM con questa
86
00:06:43,439 --> 00:06:49,439
con questo aiuto in cui si danno tipo definizioni gli si esplicitano
87
00:06:49,439 --> 00:06:54,839
legami tra concetti se rispondono meglio o peggio in determinati domini.
88
00:06:54,839 --> 00:06:57,420
Il nostro il laboratorio in cui lavoriamo si chiama
89
00:06:57,899 --> 00:07:01,620
È un centro per i beni per i beni culturali, quindi automaticamente
90
00:07:01,620 --> 00:07:04,259
il dominio su cui stiamo lavorando è quello dei beni culturali.
91
00:07:04,259 --> 00:07:10,259
La domanda è quindi integrando l'LM e ontologie, se le
92
00:07:10,259 --> 00:07:13,319
domande che poniamo su dei domini precisi in quest'ambito dei
93
00:07:13,319 --> 00:07:15,360
beni culturali, se le domande sono migliori o meno.
94
00:07:15,360 --> 00:07:17,399
Se sono migliori vuol dire
95
00:07:17,699 --> 00:07:23,279
o meglio pensiamo che a loro quindi l'aiuto semantico serve e quindi di
96
00:07:23,279 --> 00:07:29,100
base diciamo fanno cilecca se rispondono uguale o se rispondono peggio ci iniziamo
97
00:07:29,100 --> 00:07:33,480
a porre due domande sul dove poi si separa diciamo l'essere umano
98
00:07:33,899 --> 00:07:40,319
da appunto questa intelligenza che in questo questi periodi sta spopolando perché
99
00:07:40,319 --> 00:07:44,040
se arriverà arriviamo a dire che gli LLM capiscono anche la semantica
100
00:07:44,040 --> 00:07:49,079
non so poi noi in quanto esseri umaniamo a che serviamo esattamente
101
00:07:49,079 --> 00:07:52,800
cosa che serviamo Cioè, secondo l'ipotesi è che mettendo insieme
102
00:07:53,399 --> 00:08:00,540
ontologie e agenti stai costruendo qualcosa che ragiona davvero o
103
00:08:00,540 --> 00:08:04,860
che segue meglio le istruzioni ti risponde più a tono?
104
00:08:04,860 --> 00:08:10,319
Sì, diciamo attualmente il campo d'applicazione, il caso d'uso
105
00:08:10,319 --> 00:08:13,079
in cui stiamo lavorando è quello ad esempio del
106
00:08:13,560 --> 00:08:19,500
un motore di ricerca semantico all'interno delle biblioteche moderne antiche, poi
107
00:08:19,500 --> 00:08:22,860
dipende dal dataset che ci forniscono per fare le sperimentazioni.
108
00:08:22,860 --> 00:08:26,639
L'idea di base sarebbe se tu chiedi a un modello prodotto
109
00:08:26,639 --> 00:08:31,680
diciamo pseudo finito, un prototipo, eccetera, eccetera, se cerchi un libro
110
00:08:31,680 --> 00:08:34,679
o un set di libri di un determinato dominio,
111
00:08:34,980 --> 00:08:38,759
Il modello non deve darti in output solamente i titoli o gli
112
00:08:38,759 --> 00:08:43,500
abstract di quei libri che per parole chiave hanno quel concetto che
113
00:08:43,500 --> 00:08:48,179
gli hai definito, ma riescono a capire appunto semanticamente quello che tu
114
00:08:48,179 --> 00:08:51,720
stai chiedendo, ad esempio, un esempio che facciamo quasi sempre
115
00:08:52,320 --> 00:08:55,679
in laboratorio per intenderci sia tra di noi sia chi spieghiamo,
116
00:08:55,679 --> 00:09:00,899
diciamo cosa cerchiamo di fare è Nel caso chiedi a un
117
00:09:00,899 --> 00:09:05,759
bibliotecario, diciamo basato su intelligenza artificiale di darti dei libri.
118
00:09:06,059 --> 00:09:09,539
Che parli della peste nera a Napoli, per esempio, un
119
00:09:09,539 --> 00:09:16,620
argomento molto divertente, molto un esempiogro non abbiamo solamente libri
120
00:09:16,620 --> 00:09:20,039
che hanno esplicitato nel titolo nell'abstract peste nera o
121
00:09:20,580 --> 00:09:25,139
Napoli, eccetera, eccetera, ma si riesca a fare un'inferenza tale per cui
122
00:09:25,139 --> 00:09:29,279
prendendo un libro, facendo collegando i vari puntini, appunto che si possono
123
00:09:29,279 --> 00:09:33,480
notare in una struttura grafo quale può essere l'ontologia, il libro il
124
00:09:33,480 --> 00:09:37,139
modello capisce che in quel libro quel documento o almeno è stato
125
00:09:37,139 --> 00:09:40,200
scritto magari anche in quel periodo e ti dà in output quel
126
00:09:40,860 --> 00:09:44,879
quel prodotto, quel libro questo ad esempio è uno dei casi
127
00:09:44,879 --> 00:09:49,440
su cui stiamo lavorando poi di fatto questo ontologie sono dei
128
00:09:50,759 --> 00:09:55,259
delle serie di dati più strutturati che tu dai impasto
129
00:09:55,259 --> 00:10:01,500
all'M oltre al dataset tradizionale del testo puro, no?
130
00:10:01,500 --> 00:10:02,879
Esattamente esattamente.
131
00:10:02,879 --> 00:10:06,299
Posso aprire una parentesi, scusatemi perché la parola ontologia
132
00:10:06,299 --> 00:10:10,320
penso che sia conosciuta a livello molto superficiale un
133
00:10:10,320 --> 00:10:12,720
po' da tutti quanti e correggimi Franco, però
134
00:10:13,080 --> 00:10:17,340
magari ci dai due parole, ma due di numero per definirci cos'è un'ontologia
135
00:10:17,340 --> 00:10:21,120
perché sappiamo tutti che è una classificazione, ma probabilmente in questo caso
136
00:10:22,500 --> 00:10:24,240
Vale la pena capire meglio.
137
00:10:24,240 --> 00:10:30,240
Allora, come ontologia dovete pensarla come una struttura attualmente,
138
00:10:30,240 --> 00:10:33,840
ma una definizione precisa a caldo no, no, no,
139
00:10:33,840 --> 00:10:36,659
possiamo andare avanti per esempi fra l'altro, se preferisci
140
00:10:37,200 --> 00:10:40,980
Una struttura immaginata ad esempio un grafo in cui abbiamo
141
00:10:40,980 --> 00:10:43,919
questi vari nodi e vari archi, un esempio diciamo che
142
00:10:43,919 --> 00:10:48,000
fa capire immediatamente il nodo libro, il nodo autore.
143
00:10:48,000 --> 00:10:52,259
L'arco has autore e quindi ha l'autore
144
00:10:52,740 --> 00:10:55,440
diciamo questo è un esempio molto semplice, però dovete immaginarvi questa
145
00:10:55,440 --> 00:10:59,700
serie di nodi a cui corrispondono di determinati concetti e gli
146
00:10:59,700 --> 00:11:04,980
archi che legano questi nodi con una particolare diciamo proprietà.
147
00:11:04,980 --> 00:11:07,740
esempio banale che appunto ho appena fatto libro,
148
00:11:07,740 --> 00:11:11,159
autore l'arco autore oppure è stato scritto da
149
00:11:11,940 --> 00:11:15,840
sia da un verso che dall'altro a cui ci aggiungi zona geografica nel quale
150
00:11:15,840 --> 00:11:20,700
è ambientato anno in cui c'è la storia, eccetera eccetera per cui in termini
151
00:11:20,700 --> 00:11:26,279
generici o in termini specifici, cioè tu all'LLM gli dici che questi concetti generici
152
00:11:26,279 --> 00:11:30,960
sono legati oppure per ogni libro nella biblioteca gli dici questo è il titolo
153
00:11:30,960 --> 00:11:35,519
del libro libro questo è l'autore questo è e questi collegamenti glieli dai tu
154
00:11:35,519 --> 00:11:40,679
questo che non capisco sì, diciamo dipende dal tipo di dataset che noi forniamo
155
00:11:40,679 --> 00:11:45,120
al modello, perché in base anche al dataset che ci viene dato
156
00:11:45,419 --> 00:11:49,620
, ovvero il catalogo della biblioteca XY su cui andiamo a lavorare,
157
00:11:51,899 --> 00:11:58,379
Possiamo tanto avere l'associazione banale titolo autore, titolo, data di
158
00:11:58,379 --> 00:12:01,919
pubblicazione, titolo abstract, oppure possiamo andare ad esempio a prendere
159
00:12:01,919 --> 00:12:05,700
l'abstract e possiamo far esplodere il testo, diciamo non strutturato
160
00:12:05,700 --> 00:12:09,059
che è quello dell'abstract, anch'esso in un ramo
161
00:12:09,419 --> 00:12:11,460
in una struttura a grafo.
162
00:12:11,460 --> 00:12:15,000
È un lavoro grosso, quindi costruire questi grafici.
163
00:12:15,000 --> 00:12:20,820
Sì, come io penso come in qualsiasi altro lavoro in cui si si
164
00:12:20,820 --> 00:12:24,419
applica l'intelligenza artificiale, la parte grossa è sempre quella del dataset, quella
165
00:12:25,200 --> 00:12:28,559
La parte appunto di addestramento del modello, anche perché poi
166
00:12:28,559 --> 00:12:32,519
tutta la complessità non solo la complessità sta nella creare
167
00:12:32,519 --> 00:12:35,940
l'ontologia adatta su quel dominio in modo tale che l'LM
168
00:12:35,940 --> 00:12:39,899
la comprenda la sappia analizzare la sappia interpellare anche.
169
00:12:40,379 --> 00:12:46,080
Per la sabbia consultare, scusa la sabbia consultare per estraporre le informazioni ma anche
170
00:12:46,080 --> 00:12:51,659
poi come fargliela diciamo interpellare si può fare un fine tuning conviene un rag
171
00:12:51,659 --> 00:12:56,220
va bene ok però con il rag ad esempio che come vai ad estrapolare
172
00:12:56,220 --> 00:13:00,779
l'ontologia attualmente quella su quello su cui stiamo lavorando è andare a
173
00:13:01,080 --> 00:13:07,019
estrapolare noi le chiamiamo triple, ovvero le associazioni noto noto arcografo tu
174
00:13:07,019 --> 00:13:12,360
fai una domanda il sistema consulta questa ontologia ottiene questo sottografo tra
175
00:13:12,360 --> 00:13:17,759
virgolette in cui ci sono questi legami esplicitati cercando di rimanere coerenti
176
00:13:17,759 --> 00:13:19,919
con la domanda che tu gli poni come utente
177
00:13:20,220 --> 00:13:24,720
e poi l'LM cerca di darti una risposta questo si è dimostrato con i primi lavori
178
00:13:24,720 --> 00:13:32,820
che abbiamo fatto un approccio più efficiente a volte di poco a volte di molto abbiamo
179
00:13:32,820 --> 00:13:38,879
notato che se tu una forma con un aiuto in forma strutturata e non
180
00:13:39,419 --> 00:13:44,159
anziché una forma non strutturata, quale può essere un plain text, un classico documento
181
00:13:44,159 --> 00:13:51,480
Word o PDF Il modello in maniera più concentrata riesce a avere un focus
182
00:13:51,480 --> 00:13:54,539
maggiore su quello che gli stai dando e ti dà una risposta più dettagliata.
183
00:13:55,019 --> 00:13:58,139
Perché se gli dai un testo non strutturato, c'è tutta la parte
184
00:13:58,139 --> 00:14:06,059
di inferenze deve riassumerlo diciamo può prendere iniziative strane può divagare mentre
185
00:14:06,059 --> 00:14:10,019
in queste altre situazioni, quando gli dai proprio il legame, la correlazione
186
00:14:10,620 --> 00:14:16,440
elemento legame elemento diretta lui la vede la capisce e da lì poi
187
00:14:16,440 --> 00:14:21,120
giochi su un po' di prompt engineering vedi un po' gestisci tu un
188
00:14:21,120 --> 00:14:25,259
pochino il prompt finale come deve essere gestito come l'output, eccetera.
189
00:14:25,259 --> 00:14:27,179
Ma in tutto questo, perdonami
190
00:14:27,899 --> 00:14:33,120
i dati sono dati umani, cioè che qualcuno nel corso del tempo ha inserito o
191
00:14:33,120 --> 00:14:36,419
sono cose che è riuscite a ottenere anche dal PDF del libro dalla scansione
192
00:14:37,679 --> 00:14:39,720
Più o meno autorizzata, diciamo.
193
00:14:39,720 --> 00:14:44,460
Allora, se chiedi il catalogo, il catalogo in genere ci
194
00:14:44,460 --> 00:14:49,259
viene fornito stesso da l'ente, diciamo la nel corso degli
195
00:14:49,259 --> 00:14:53,820
anni nel corso degli anni hozzato tutto esattamente esattamente.
196
00:14:54,299 --> 00:14:57,000
In genere quello che verosimilmente otteniamo più spesso
197
00:14:57,000 --> 00:15:02,039
è questo file Excel mostruoso con vari record.
198
00:15:02,039 --> 00:15:06,779
Noi lo convertiamo per quello che riusciamo in ontologia, quindi prendiamo
199
00:15:06,779 --> 00:15:09,600
tutti gli elementi che creiamo i legami tra questi elementi
200
00:15:10,080 --> 00:15:14,399
e poi da lì innanzitutto verifichiamo se l'ontologia è valida, quindi
201
00:15:14,399 --> 00:15:17,759
c'è poi tutto un processo in cui dobbiamo assicurarci che l'ontologia
202
00:15:17,759 --> 00:15:22,080
abbia senso che non ci sia un ambiguità e eccetera.
203
00:15:22,080 --> 00:15:24,720
Successivamente c'è poi tutta la fase di integrazione di
204
00:15:24,720 --> 00:15:28,320
questa ontologia nel framework generale in cui poi l'LM
205
00:15:28,799 --> 00:15:32,039
Perdonami, ma l'ontologia della mia biblioteca.
206
00:15:32,039 --> 00:15:35,220
Non può aiutare in qualche modo anche
207
00:15:35,220 --> 00:15:39,179
la biblioteca di Franco adesso porto esempi.
208
00:15:39,179 --> 00:15:40,980
Certo, allora qui
209
00:15:42,539 --> 00:15:47,039
Sì, però dipende sempre da come l'ontologia è strutturata.
210
00:15:47,039 --> 00:15:51,480
Vi spiego noi per ontologia in genere parliamo dello schema della struttura.
211
00:15:51,480 --> 00:15:56,220
Tu quando vai a realizzare l'ontologia, tu c'hai l'entità autore, ci sta
212
00:15:56,220 --> 00:16:00,240
l'entità libro, definisci l'entità autore eccetera poi tu la vai a popolare
213
00:16:00,539 --> 00:16:05,340
, ovvero crei tanti autori di individui di classe autore
214
00:16:05,340 --> 00:16:09,179
di questi nomi entità di classe libro con questi nomi
215
00:16:09,179 --> 00:16:13,200
la popo appunto e poi da la fornisce se l'ontologia
216
00:16:13,919 --> 00:16:17,460
lo stesso schema che sia la libreria tua o che sia
217
00:16:17,460 --> 00:16:21,360
la libreria di Franco popolate in maniera diversa se lo schema
218
00:16:21,360 --> 00:16:25,139
è lo stesso funziona anche se poi cerchiamo anche di generalizzare
219
00:16:25,139 --> 00:16:28,080
da quest'altro punto di vista in genere particolare quello su cui
220
00:16:28,080 --> 00:16:32,039
sto cercando di lavorare, appunto cercare di prescindere dallo schema dell'ontologia
221
00:16:32,340 --> 00:16:38,100
, quindi oltre a fornirgli l'ontologia gli forniamo come questa è strutturata e poi
222
00:16:38,100 --> 00:16:42,659
se la vede il modello in questo caso l'LLM o meglio ancora la gente
223
00:16:42,659 --> 00:16:49,200
che decide autonomamente se interpellarla con un metodo RAG facendo una query che si
224
00:16:49,200 --> 00:16:52,860
chiama per interrogare le ontologie si usano queste query chiamate query SPARQL
225
00:16:53,220 --> 00:16:58,620
con cui tu vai a chiedere a selezionare come in un database
226
00:16:58,620 --> 00:17:02,279
c'è un select elemento con i vari criteri e tu lo ottieni
227
00:17:03,480 --> 00:17:07,920
Ciò su cui stiamo lavorando attualmente è questo sistema che autonomamente
228
00:17:07,920 --> 00:17:12,720
cerca di scegliere in base alla domanda che l'utente fa, come
229
00:17:12,720 --> 00:17:16,799
interfacciarsi con questa ontologia per estrapolare al meglio l'informazione.
230
00:17:16,799 --> 00:17:20,039
Un esempio da cui diciamo che ci ha fatto
231
00:17:20,039 --> 00:17:22,079
accendere la lampadina per lavorare in questo modo
232
00:17:22,440 --> 00:17:27,059
era appunto il tipo di domanda, come ad esempio Dammi
233
00:17:27,059 --> 00:17:30,420
un elenco di libri che parlano di questo argomento.
234
00:17:30,420 --> 00:17:36,839
Se tu utilizzi un dell'LM classico o un rag classico, se tu gli poni la domanda,
235
00:17:36,839 --> 00:17:41,220
dammi l'elenco di tutti i libri che parlano di XY il rag per come funziona
236
00:17:41,700 --> 00:17:44,099
interrompetemi ovviamente se inizia a dire nomi
237
00:17:44,099 --> 00:17:46,740
che non vi sono familiari, tranquillo.
238
00:17:46,740 --> 00:17:51,599
Il rag per come funziona quello classico, se tu poni al sistema la domanda
239
00:17:51,599 --> 00:17:54,779
dammi tutti i libri che parlano di tot lui non esegue il comando.
240
00:17:54,779 --> 00:17:59,039
Lui ti cerca all'interno dell'ontologia tutte le informazioni, tutti
241
00:17:59,039 --> 00:18:02,519
diciamo le frasi, le triple più simili alla frase
242
00:18:03,059 --> 00:18:11,759
dammi tutti i libri che parlano di questa è una è un come dire,
243
00:18:11,759 --> 00:18:15,779
è un difetto è un problema perché per quello che vogliamo fare qui
244
00:18:16,500 --> 00:18:21,660
abbiamo abbiamo un baco e non riusciamo a uscircene da qui ci
245
00:18:21,660 --> 00:18:27,960
vede l'idea poi di provare quella programmazione agentica, ovvero ok cerchiamo anziché
246
00:18:27,960 --> 00:18:32,940
anziché utilizzare un LLM oppure un semplice codice Python con il retriver
247
00:18:32,940 --> 00:18:35,819
che effettueràerà che l'LM che risponde mettiamoci un agente
248
00:18:36,240 --> 00:18:43,259
che esegue uno step di istruzioni in cui in cui alcuni
249
00:18:43,259 --> 00:18:47,819
sono deterministici e alcuni ha diciamo una potere di scelta.
250
00:18:47,819 --> 00:18:49,680
quindi partiamo dalla domanda domanda.
251
00:18:49,920 --> 00:18:54,900
Tu la gente riceve la domanda dell'utente già da qua capisce, cerca di
252
00:18:54,900 --> 00:19:00,599
capire che tipo di approccio utilizzare per interfacciarsi con l'ontologia, quindi capire se
253
00:19:00,599 --> 00:19:06,180
la domanda possiamo rispondere o tramite rag quindi con l'esempio che
254
00:19:06,660 --> 00:19:11,099
con l'approccio che ho detto precedentemente, ma per cui ci sono alcuni casi,
255
00:19:11,099 --> 00:19:14,400
come ad esempio questo che vi ho appena detto in cui non funziona.
256
00:19:14,400 --> 00:19:18,960
Oppure una semplice ad esempio, una semplice query SPARQL, quindi magari ci
257
00:19:18,960 --> 00:19:23,039
sono domande per cui il rag viene meno rispetto all'approccio classico con
258
00:19:23,039 --> 00:19:25,319
cui si interroga le ontologie, quindi se io gli chiedo
259
00:19:25,680 --> 00:19:30,059
dammi tutti i libri che sono stati scritti a Napoli, tu anziché
260
00:19:30,059 --> 00:19:33,900
eseguire il rag la gente capisce o meglio cerchi di fargli capire
261
00:19:33,900 --> 00:19:37,380
che cerchi di far capire alla gente che deve invece utilizzare l'altro
262
00:19:37,380 --> 00:19:42,119
approccio, ovvero quello di scrivere all'ontologia select all books where location
263
00:19:42,480 --> 00:19:46,799
location io e a Francesco un attimino perché di nuovo sulle definizioni non
264
00:19:46,799 --> 00:19:50,700
sono sicuro che tutti i nostri ascoltatori sappiano che cos'è il rag.
265
00:19:50,700 --> 00:19:57,599
Il rag è una tecnica di recupero delle informazioni
266
00:19:58,319 --> 00:20:04,500
per i modelli linguistici di grandi dimensioni da dati strutturali, cioè è
267
00:20:04,500 --> 00:20:09,839
come se l'azienda che deve cercare i dati della knowledge base di
268
00:20:09,839 --> 00:20:12,660
tutta l'azienda, tutti i progetti, tutte le vendite, tutte le cose che
269
00:20:12,660 --> 00:20:17,579
fa non ha questi dati nel training dataset dell'intelligenza artificiale ma ce
270
00:20:17,579 --> 00:20:21,660
li ha in dei database separati e l'intelligenza artificiale o la gente
271
00:20:22,200 --> 00:20:28,680
Fa una rag, cioè una ricerca aumentata in cui deve andare a trovare esattamente
272
00:20:28,680 --> 00:20:34,799
un dato preciso che c'è nel database e quindi questo limita annulla praticamente le
273
00:20:34,799 --> 00:20:40,319
possibilità di allucinazione mentre se tu gli dessi tutti i dati dell'azienda nella rete
274
00:20:40,319 --> 00:20:45,599
neurale nel dataset di training, lui spesso ti risponde a tono però tu non
275
00:20:45,599 --> 00:20:49,200
puoi essere sicuro se ti ha risposto bene se ti ha risposto giusto se
276
00:20:49,200 --> 00:20:52,859
sei inventato tutto se sei inventato una parte della risposta.
277
00:20:52,859 --> 00:20:56,160
Oltre al fatto che ogni vendita dovresti rifare il completo training del
278
00:20:56,160 --> 00:20:59,940
modello invece i miei dati sono su quel database quando ti chiedo
279
00:20:59,940 --> 00:21:02,460
una fattura, vai sul database fattura e mi tiri giù.
280
00:21:02,460 --> 00:21:08,220
Quindi voi avete lavorate sia su un modello LLM che di cui fate voi il training?
281
00:21:08,880 --> 00:21:13,500
Prendete dei modelli che esistono. Modelli che esistono, i modelli su
282
00:21:13,500 --> 00:21:17,579
cui lavoriamo principalmente sono sempre modelli open source per questioni
283
00:21:17,579 --> 00:21:22,740
diciamo di token se volessimo utilizzare sempre i modelli diciamo
284
00:21:22,740 --> 00:21:24,960
in quelli grossi in cloud, quindi Gemini
285
00:21:25,859 --> 00:21:30,900
Claude, GPT eccetera. Fate fallire l'università, esattamente, sì
286
00:21:30,900 --> 00:21:32,819
praticamente faccio fallire i primi fondi di massimo.
287
00:21:32,819 --> 00:21:38,279
Poi i fondi miei che diciamo sono durerebbero
288
00:21:38,279 --> 00:21:40,319
un giorno e poi dopo quelli dell'università.
289
00:21:40,319 --> 00:21:45,119
infatti diciamo il rug lo vedo molto spesso quando lo spiega a qualcuno lo
290
00:21:45,119 --> 00:21:49,140
vedo sempre lo definisco sempre come il trade off tra il prompt engineering puro
291
00:21:49,440 --> 00:21:52,500
e il fine tuning perché alla fine alla fine della fiera
292
00:21:52,500 --> 00:21:58,079
quello è tu stai facendo un stai mettendo stai ovviando al
293
00:21:58,079 --> 00:22:01,619
problema del fine tuning che la necessità di un expertise
294
00:22:02,400 --> 00:22:07,859
grande sia perché devi mettere devi riaddestrare modelli e dimensioni colossali e anche
295
00:22:07,859 --> 00:22:12,359
lì i fondi di Max se ne vanno esattamente a voglia e anche
296
00:22:12,359 --> 00:22:15,000
lì nel caso un saluto ai fondi di Max in tutto ciò che
297
00:22:15,000 --> 00:22:17,940
ci ascoltano anche ci ascoltano esattamente stanno tremando in questo momento
298
00:22:18,420 --> 00:22:24,960
Un conto è addestrare questi modelli colossali e quindi necessiti di una
299
00:22:24,960 --> 00:22:29,220
potenza hardware non indifferente un expertise non indifferente perché poi magari la
300
00:22:29,220 --> 00:22:32,279
potenza hardware ce l'hai pure però come lo addestri sai come si
301
00:22:32,279 --> 00:22:34,619
addestra, se tu puoi fare un macello rovini tutti i pesi
302
00:22:34,619 --> 00:22:36,779
del modello e non funziona più niente lei è un macello.
303
00:22:37,079 --> 00:22:43,740
Il rug, come abbiamo detto prima, aiuta perché tu tutta la conoscenza ulteriore
304
00:22:43,740 --> 00:22:48,299
che vedere al modello la metti a parte, cioè c'è un secondo protagonista
305
00:22:48,299 --> 00:22:51,660
che è il Retriever che in questo caso a volte è un codice
306
00:22:52,259 --> 00:22:56,039
fatto ad hoc adesso può essere addirittura un agente che come hai detto
307
00:22:56,039 --> 00:22:59,759
prima può scegliere in che modo approcciarsi a questa base di conoscenza esterna.
308
00:23:01,799 --> 00:23:09,180
E quindi sì, diciamo perdonami rimanendo nell'esempio provando a semplificare, ma
309
00:23:09,180 --> 00:23:12,359
correggimi se semplifico troppo io digito in una casella di testo
310
00:23:12,359 --> 00:23:17,519
dimmi tutti i libri che parlano di Napoli del 1800 questa
311
00:23:17,519 --> 00:23:21,839
dice ok vuole capire tramite un LLM un modello
312
00:23:22,140 --> 00:23:28,799
Napoli 1800 quindi userò anzi subentrerà la gente capace di fare la ricerca che
313
00:23:28,799 --> 00:23:35,759
triggerato lanciato da queste parole chiave da questi concetti, anzi che fa la ricerca
314
00:23:35,759 --> 00:23:40,680
restituisce i dati in un formato standard che a quel punto il modello
315
00:23:41,279 --> 00:23:47,160
li condisce e ti restituisce perfetto ottima richiesta esattamente sì esattamente
316
00:23:47,160 --> 00:23:53,880
esattamente Certamente, ormai lavorando con gli LLM con gli agenti individui
317
00:23:53,880 --> 00:23:58,619
anche tu umano i pattern diventi come un killbot però umano
318
00:23:58,920 --> 00:24:01,200
che riesce a riconoscere facilmente se qualcosa è
319
00:24:01,200 --> 00:24:03,240
stato scritto o meno con l'intelligenza artificiale.
320
00:24:03,240 --> 00:24:06,000
Perfetto, alla fine anche noi siamo intelligenze
321
00:24:06,000 --> 00:24:07,559
artificiali, solo che non lo sappiamo.
322
00:24:07,559 --> 00:24:12,900
Non sappiamo chi ha fatto l'artificio non l'abbiamo abbiamo fatto delle ipotesi
323
00:24:12,900 --> 00:24:16,619
abbiamo fatto delle ipotesi ma non sappiamo bene chi ha fatto l'artificio
324
00:24:16,920 --> 00:24:24,720
Certo quali sono i modelli open che utilizzate che vanno per la maggiore?
325
00:24:24,720 --> 00:24:29,220
Sappiamo che Facebook è stato tra i primi meta a dire siamo in ritardo
326
00:24:29,220 --> 00:24:36,660
puntiamo sull'aprire i nostri modelli, però con anche regalando tutto la Cina che è
327
00:24:36,660 --> 00:24:41,099
famosa per l'apertura nelle politiche nel sociale eccetera per cui ha pensato
328
00:24:42,180 --> 00:24:46,619
Non si capisce perché è proprio loro hanno i modelli open anzi lo sappiamo
329
00:24:46,619 --> 00:24:52,140
che sono motivi di competizione eccetera stessi motivi per cui Google da Gemma di
330
00:24:52,140 --> 00:24:59,400
fatto e quindi cosa va per la maggiore adesso nel vostro ambiente?
331
00:24:59,759 --> 00:25:04,680
Attualmente noi utilizziamo, vabbè, Llama è un evergreen, quindi il
332
00:25:04,680 --> 00:25:10,500
3.3 in particolare ultimamente stiamo utilizzando assai anche il modello
333
00:25:10,500 --> 00:25:15,660
open source di OpenAI che si chiama GPT OSS mi pare
334
00:25:16,559 --> 00:25:21,180
fortunatamente abbiamo macchine idonee per poterli caricare perché parliamo di modelli
335
00:25:21,180 --> 00:25:26,519
comunque andiamo sui 100 giga quindi serve comunque un po' di
336
00:25:26,519 --> 00:25:29,700
potenza computazionale per farli girare gira sul mio Raspberry 4
337
00:25:30,599 --> 00:25:35,819
Forse può decollare, fa la missione Artemis 3, Raspberry che ci serve
338
00:25:35,819 --> 00:25:42,059
per far girare una Llama, farla girare bene fra l'altro. Attualmente
339
00:25:43,079 --> 00:25:46,799
modelli piccoli, quello poi alla fine dipende sempre da che tipo di
340
00:25:46,799 --> 00:25:50,579
approccio gli vuoi dare, perché se vogliamo fare se vogliamo parlare di
341
00:25:50,579 --> 00:25:54,720
agenti, quindi in cui c'è un'inferenza pesante in cui devono prendere scelte
342
00:25:54,720 --> 00:25:58,799
e quant'altro con modelli locali nelle tue macchine, io penso che o
343
00:25:58,799 --> 00:26:02,160
ti metti una sfilza di accento in parallelo come GPU
344
00:26:02,460 --> 00:26:05,640
Oppure attualmente abbiamo una sola GPU che è una
345
00:26:05,640 --> 00:26:09,240
6000 con 48 giga di RAM e là se la cavicchia.
346
00:26:09,240 --> 00:26:14,579
Purtroppo modelli già quando arriviamo a 120 miliardi di parametri che è il caso
347
00:26:14,579 --> 00:26:19,680
del modello open source di OpenAI, già lì ad esempio, fa un po' fatica
348
00:26:20,039 --> 00:26:25,500
quindi l'idea è sempre quella di mettere le GPU in parallelo perché
349
00:26:25,500 --> 00:26:30,599
è il modo diciamo tra i 1000 virgolette più economico, perché comunque
350
00:26:30,599 --> 00:26:33,180
devi mettere in parallelo delle G più degne di nota.
351
00:26:33,180 --> 00:26:36,720
E comunque anche quello tutto in locale, tutto l'hardware in lo Esattamente esattamente
352
00:26:36,720 --> 00:26:40,019
se invece però ci sono vari trick tu puoi utilizzare per cercare di
353
00:26:40,619 --> 00:26:47,579
spingere meno il lato il lato hardware, ovvero ad esempio se tu l'LM che
354
00:26:47,579 --> 00:26:52,319
sta a valle del sistema ragg ad esempio che deve solamente rispondere alla domanda
355
00:26:52,319 --> 00:26:57,119
dell'utente e riceve già le informazioni che cui deve appoggiarsi per rispondere
356
00:26:57,539 --> 00:27:01,380
La puoi usare tranquillamente un modello piccolino, perché la c'ha
357
00:27:01,380 --> 00:27:04,740
l'imput c'ha l'istruzione ha il materiale deve solo rispondere deve
358
00:27:04,740 --> 00:27:08,160
solo occupare della parte generazionale della risposta, diciamo.
359
00:27:08,160 --> 00:27:11,759
L un un modello piccolino va bene un modello invece che quello
360
00:27:11,759 --> 00:27:15,299
ad esempio in che deve scegliere invece il come approcciarsi all'ontologia
361
00:27:15,660 --> 00:27:19,019
che deve costruire per bene la query per consultare l'ontologia eccetera
362
00:27:19,019 --> 00:27:24,059
lì conviene un modello diciamo un pochino più importante che capisce
363
00:27:24,059 --> 00:27:27,660
bene l'istruzione, anche perché come ben sappiamo questi questi modelli sono
364
00:27:27,660 --> 00:27:32,160
ben hanno diciamo la chiacchiera facile divagano facilmente se non sono
365
00:27:32,160 --> 00:27:34,859
ben pilotati quindi in contesti in cui ti serve
366
00:27:35,220 --> 00:27:40,200
ti aspetti un output preciso da un modello da un LLM e iniziano a
367
00:27:40,200 --> 00:27:46,740
divagare, ti smarmellano tutto tutta l'organizzazione e ci sono un po' di problemi poi.
368
00:27:46,740 --> 00:27:48,779
Dicevi quante a 100 monti?
369
00:27:49,380 --> 00:27:55,140
Attualmente nessuno abbiamo una 6000 l'ideale sarebbe Max apri il portafoglio per piacere
370
00:27:55,140 --> 00:27:58,920
Allora sto ordinandola giusto io poi Max la metto sulla tua carta sono
371
00:27:58,920 --> 00:28:02,579
13.000 € l'una su Amazon oggi però consegno domani quindi tranquillo.
372
00:28:02,579 --> 00:28:05,940
domani che mi ha risposto un attimo Max è un argomento molto interessante
373
00:28:06,420 --> 00:28:07,079
Perfetto
374
00:28:10,079 --> 00:28:17,640
E vabbè, sperimentazione pura o avete in mente un prodotto, un caso di
375
00:28:17,640 --> 00:28:23,519
utilizzo o un cliente tra virgolette, un utilizzatore che potrebbe essere interessato al
376
00:28:23,519 --> 00:28:27,359
tipo di tecnologia che fate voi oppure a proprio base noi vogliamo pubblicare
377
00:28:27,359 --> 00:28:30,240
e poi saranno gli altri a pensare alle applicazioni specifiche.
378
00:28:30,240 --> 00:28:31,440
Allora, lato
379
00:28:31,980 --> 00:28:37,200
lato integrazione di ontologia, attualmente solo sperimentazione pura.
380
00:28:37,200 --> 00:28:40,019
Un po'' perché mi servono un po' di pubblicazioni per il
381
00:28:40,019 --> 00:28:42,960
dottorato, perché invece c'è la tesi da scrivere, eccetera, eccetera, quindi
382
00:28:42,960 --> 00:28:47,160
comunque ci si sta affondando in sperimentazioni su sperimentazioni per capire
383
00:28:47,160 --> 00:28:49,440
se la cosa funziona o meno e quanto funziona bene
384
00:28:49,799 --> 00:28:52,200
o se funziona male se si può sistemare o meno.
385
00:28:52,200 --> 00:28:57,900
Lato invece agentico in ultimamente ci stiamo comunque addentrando in
386
00:28:59,339 --> 00:29:08,160
Sperimentazioni che potrebbero poi diventare prodotti fruibili all'esterno, anche se attualmente è
387
00:29:08,160 --> 00:29:13,380
una competizione comunque aperta comunque ci stanno molti colossi che stanno lavorando
388
00:29:13,380 --> 00:29:16,380
su questo dalla mattina alla sera ti trovi sempre il nuovo ente
389
00:29:16,380 --> 00:29:20,460
XY che ha questo prodotto basato su programmazione agentica quindi lì non è
390
00:29:20,460 --> 00:29:23,700
banale quello che invece infatti noi cerchiamo di fare è sempre ritagliarci
391
00:29:23,700 --> 00:29:27,000
il nostro piccolino in questo caso ontologie e beni culturali
392
00:29:27,299 --> 00:29:31,799
per dare poi il nostro diciamo il nostro valore aggiunto, seppur di
393
00:29:31,799 --> 00:29:35,400
poco un esempio che fa Max è sempre quella della sfera della
394
00:29:35,400 --> 00:29:42,000
conoscenza in cui tu metti una piccola puntina all'esterno della circonferenza che
395
00:29:42,000 --> 00:29:44,339
poi nel complesso di fatto è nulla, però nel piccolo
396
00:29:44,819 --> 00:29:47,759
hai dato il tuo contributo in quella specifica nicchia
397
00:29:51,180 --> 00:29:54,839
Tra poco ti chiedo come si fa come si prepara la salsiccia,
398
00:29:54,839 --> 00:30:00,900
però dobbiamo ringraziare prima due minuti per ringraziare il nostro sponsor Squarespace
399
00:30:00,900 --> 00:30:05,519
questo episodio di Digitalia è sponsorizzato da Squarespace, la piattaforma all-in-one
400
00:30:05,519 --> 00:30:08,279
per creare la tua presenza online e farla crescere
401
00:30:08,640 --> 00:30:11,519
C'è stato nel momento un momento nella vita di ogni geek in ascolto
402
00:30:11,519 --> 00:30:15,059
siamo sicuri in cui creare un sito web era una forma di esplorazione
403
00:30:15,059 --> 00:30:19,200
un modo per imparare, smanettare e capire come funzionano le cose sotto il
404
00:30:19,200 --> 00:30:22,799
cofano, ma poi il tempo libero si riduce i progetti aumentano i plugin
405
00:30:22,799 --> 00:30:26,640
da aggiornare diventano una scocciatura e lì entra in gioco Squarespace il modo
406
00:30:26,640 --> 00:30:29,759
intelligente elegante e completo per costruire un sito professionale
407
00:30:30,059 --> 00:30:35,039
senza perdere settimane a litigare con i vari sistemi di publishing, le dipendenze e
408
00:30:35,039 --> 00:30:40,079
i DNS con il sistema Blueprint AI di Squarespace bastano pochi clic per generare
409
00:30:40,079 --> 00:30:43,859
una struttura su misura il sistema ti fa alcune domande che tipo di sito
410
00:30:43,859 --> 00:30:48,119
vuoi, lo stile, il tono, la palette di colori e ti propone un design
411
00:30:48,119 --> 00:30:52,740
perfettamente coerente, bello moderno, pronto da rifinire con il drag and drop
412
00:30:53,039 --> 00:30:56,519
Squarespace funziona davvero per ogni tipo di progetto dal portfoglio personale
413
00:30:56,519 --> 00:30:59,460
al blog tecnico fino al servizio online o alla landing page
414
00:30:59,460 --> 00:31:02,880
per un nuovo prodotto se poi offri servizi puoi anche gestire
415
00:31:02,880 --> 00:31:08,700
appuntamenti, vendere consulenze, inviare fatture personalizzate e ricevere pagamenti tutto dal
416
00:31:08,700 --> 00:31:11,700
sito e una volta pubblicato hai tutti gli strumenti per far
417
00:31:11,700 --> 00:31:15,059
crescere il tuo pubblico le newsletter automatizzate il SEO integrato
418
00:31:15,359 --> 00:31:18,960
strumenti per analisi per capire chi ti legge da dove a che
419
00:31:18,960 --> 00:31:22,799
cosa cerca puoi vendere veramente di tutto puoi vendere i corsi puoi
420
00:31:22,799 --> 00:31:27,000
vendere contenuti di ogni tipo tutorial semplicemente costruire la tua base di
421
00:31:27,000 --> 00:31:31,680
follower di clienti o di sostenitori e tutto quanto è sempre fully
422
00:31:31,680 --> 00:31:36,599
managed, cioè non lo gestisci tu niente aggiornamenti niente rischio di rotture
423
00:31:36,599 --> 00:31:41,400
improvvise niente notti insonni perché un'estensione è andata in conflitto dopo l'ultimo
424
00:31:41,400 --> 00:31:45,420
update e se serve supporto c'è l'assistenza 24 ore su 24 sette
425
00:31:45,420 --> 00:31:50,099
giorni su sette che risponde sono persone vere vere esseri umani
426
00:31:50,400 --> 00:31:53,099
non qualunque non da un call center in giro per il mondo, ma
427
00:31:53,099 --> 00:31:58,380
vi rispondono direttamente da un ufficio Squarespace per cui o lo sanno o
428
00:31:58,380 --> 00:32:02,099
lo chiedono nella porta a fianco agli ingegneri che sviluppano il sistema
429
00:32:02,880 --> 00:32:07,140
Provalo, provalo gratuitamente vai su squarespace.com slash digitalia senza la carta di
430
00:32:07,140 --> 00:32:11,940
credito non serve nessun impegno nessuna spesa, nessuna sorpresa quando però sei
431
00:32:11,940 --> 00:32:15,900
pronto a pubblicare usa il codice coupon Digitalia dà il diritto al
432
00:32:15,900 --> 00:32:19,559
10% di sconto sul primo acquisto di un sito o di un
433
00:32:19,559 --> 00:32:23,819
dominio per cui codice coupon Digitalia 10% di sconto grazie a Squarespace
434
00:32:23,819 --> 00:32:26,519
per aver sponsorizzato anche questa puntata di Digitalia
435
00:32:32,279 --> 00:32:37,799
E salsicce esatto esatto vogliamo entrare in cucina
436
00:32:39,660 --> 00:32:44,339
Tu prima parlavi di Python perché immagino appunto che c'è del
437
00:32:44,339 --> 00:32:47,519
codice da scrivere non c'è solo da fare il training di
438
00:32:47,519 --> 00:32:52,200
questi modelli o il post-training o generare queste ontologie e
439
00:32:52,200 --> 00:32:56,460
fornirgliele poi ci vuole qualche cosa che faccia funzionare il tutto.
440
00:32:56,460 --> 00:32:58,920
Ci sarà il cuoco che si occupa appunto di
441
00:32:58,920 --> 00:33:01,380
girare ogni tanto se non si brucia tutto
442
00:33:01,799 --> 00:33:06,059
brucia Ecco tu sviluppavi già era già una tua competenza
443
00:33:06,059 --> 00:33:11,279
prima di iscriverti all'università era una tua era già un
444
00:33:11,279 --> 00:33:13,740
qualche cosa che avevi idea di andare in quella direzione.
445
00:33:13,740 --> 00:33:18,180
Allora, in realtà, no, è stata una è stato un
446
00:33:18,660 --> 00:33:23,579
un piacevole incontro, una piacevole sorpresa in particolare col dottorato,
447
00:33:23,579 --> 00:33:31,319
perché attualmente col dottorato smanetto programmo con LLM agenti eccetera,
448
00:33:31,319 --> 00:33:35,160
però io di formazione sono ingegnere elettronico quindi diciamo
449
00:33:35,519 --> 00:33:39,960
non era molto il mio diciamo non era incentrato proprio sul software esattamente
450
00:33:39,960 --> 00:33:46,740
esattamente infatti ho vari aneddoti più o meno divertenti sul come mi sono
451
00:33:46,740 --> 00:33:50,220
approcciato a a questo mondo in particolare con l'L ad esempio
452
00:33:50,880 --> 00:33:56,039
Con l'LM ad esempio, ho capito la loro potenza quando preso dalla
453
00:33:56,039 --> 00:33:58,740
classica serata in cui tu sbatti su un codice, perché non sai
454
00:33:58,740 --> 00:34:02,400
che come funziona che succede come mai non funziona poi noi sappiamo
455
00:34:02,400 --> 00:34:06,599
che Python in particolare un linguaggio di programmazione molto sporco tra virgolette
456
00:34:06,599 --> 00:34:09,539
viene definito spesso come un linguaggio di programmazione molto sporco.
457
00:34:09,960 --> 00:34:16,139
Desi una sera che non sapevo perché quel codice in particolare non funzionasse lo
458
00:34:16,139 --> 00:34:21,059
dai impasto all'LM, diciamo ma proviamolo anche perché erano i primi tempi, quindi molto
459
00:34:21,059 --> 00:34:25,019
spesso vedevi molte gaffe da parte di questi modelli, quindi c'era un po' di
460
00:34:25,019 --> 00:34:28,980
scetticismo poi tempo un mese, due mesi sono esplosi tutti quanti
461
00:34:29,280 --> 00:34:33,599
Diedi questo codice al modello e mi trovò in tempo record un errore
462
00:34:33,599 --> 00:34:38,039
che era letteralmente una variabile scritta un typ su una variabile che giustamente
463
00:34:38,039 --> 00:34:42,719
tu non noti o Python se ne fotte perché giustamente se dai un
464
00:34:42,719 --> 00:34:45,119
nome a una variabile quello fa tutto lui e quindi continua.
465
00:34:45,239 --> 00:34:49,260
Io avrei potuto perdere tutta la nottata a fare a cercare l'errore non
466
00:34:49,260 --> 00:34:52,139
l'avrei mai trovato e da lì ho incominciato più o meno ad approcciarmi,
467
00:34:52,139 --> 00:34:56,519
capire un pochino come funzionano non solo gli LLM ma anche come poterli
468
00:34:56,519 --> 00:35:01,800
utilizzare implementare in questi framework che sono dovete immaginarli come appunto dei codici
469
00:35:02,159 --> 00:35:08,699
classico codice Python con una pipeline di task che vengono eseguiti, dove poi
470
00:35:08,699 --> 00:35:13,019
a un certo punto fai o tramite chiamate API o tramite l'LM locale
471
00:35:13,019 --> 00:35:17,039
ci sta poi l'intervento dell'LM in fase generazionale che può essere ad esempio
472
00:35:17,039 --> 00:35:19,139
la scrittura di un report che è la cosa più semplice
473
00:35:19,500 --> 00:35:19,679
.
474
00:35:19,679 --> 00:35:27,119
per esempio generare inviare report l'output che si ottiene Oppure nel
475
00:35:27,119 --> 00:35:32,460
caso appunto delle ontologie, se tutta la programmazione Python si occupa
476
00:35:32,460 --> 00:35:35,579
di interrogare, quindi con le librerie specifiche e l'ontologia.
477
00:35:35,579 --> 00:35:37,679
però la query che effettivamente viene mandata
478
00:35:37,679 --> 00:35:40,019
all'ontologia viene generata dall'M dalla gente
479
00:35:40,320 --> 00:35:42,300
Quindi poi dipende sempre di volta in volta
480
00:35:42,300 --> 00:35:45,840
dove quelle dove la gente lo vuoi incastrare.
481
00:35:45,840 --> 00:35:48,360
Per quanto riguarda la programmazione, quindi la
482
00:35:48,360 --> 00:35:49,860
cucina vera e propria di questi agenti
483
00:35:51,840 --> 00:35:59,219
Attualmente in Internet si trova la qualunque tra N8N open clow che
484
00:35:59,219 --> 00:36:03,059
sono adesso sono sulle bocche di tutti per poter realizzare, diciamo in
485
00:36:03,059 --> 00:36:06,059
formato più o meno a chi visivo e chi un po' meno
486
00:36:06,059 --> 00:36:09,539
sistemi basati su agenti hai anche ai meno addetti ai lavori
487
00:36:09,840 --> 00:36:13,139
Io sia per questioni di diciamo appunto ricerca, perché su
488
00:36:13,139 --> 00:36:16,559
quello su cui lavoriamo è più sull'instaurare una metodologia su
489
00:36:16,559 --> 00:36:19,019
fare ricerca sulla metodologia e non su diciamo
490
00:36:20,219 --> 00:36:25,320
Il come utilizzare un prodotto già fatto e finito noi tendiamo a
491
00:36:25,320 --> 00:36:32,760
smanettare la tua codice integrare noi LLM con chiamate ad hoc
492
00:36:33,480 --> 00:36:38,340
all'interno dei nostri codici Python la gente viene strutturato in questo
493
00:36:38,340 --> 00:36:43,860
modo, noi iniziamo col codice programmiamo instanziamo l'LM, noi partiamo sempre
494
00:36:43,860 --> 00:36:49,139
dall'LM perché alla fine la gente diciamo homemade chiamiamolo così
495
00:36:49,619 --> 00:36:54,480
lo possiamo vedere come un LLM a cui fai notare l'esistenza di
496
00:36:54,480 --> 00:36:58,079
determinate funzioni Python o almeno questo è come io li creo.
497
00:36:58,079 --> 00:37:02,940
Quindi c'è l'LLM, dice l'LLM, guarda nel system prompt
498
00:37:02,940 --> 00:37:05,699
oppure in un prompt dedicato guarda io ti faccio
499
00:37:05,699 --> 00:37:07,920
questa domanda ti arriveranno queste tipologie di domande
500
00:37:08,400 --> 00:37:12,780
Hai questi strumenti da usare Hai questi strumenti che da un lato possono essere
501
00:37:12,780 --> 00:37:17,400
nei diciamo nei prodotti che trovi troviamo su Internet come mo viene sempre in
502
00:37:17,400 --> 00:37:23,340
mente N8N possono essere i tool, ovvero il link la Gmail, il GitHub eccetera
503
00:37:23,820 --> 00:37:28,920
che possono essere che sono quindi le chiamate API determinati servizi o con l'MCP
504
00:37:28,920 --> 00:37:35,099
e quant'altro nel caso diciamo a basso livello invece quello che io vedo come
505
00:37:35,099 --> 00:37:40,199
strumento in realtà è un codice Python scritto a ad hoc che dato un
506
00:37:40,199 --> 00:37:43,320
input ottiene in output in questo caso quello che si fa
507
00:37:43,619 --> 00:37:49,019
è dire all'LLM quel modello quella determinata funzione Python uno che
508
00:37:49,019 --> 00:37:53,820
tipologia di ingresso di input prende che tipologia di output dà
509
00:37:54,840 --> 00:37:58,500
è il docstring, ovvero un commento iniziale che si mette
510
00:37:58,500 --> 00:38:02,400
subito dopo la dichiarazione della funzione voi dovete immaginare i meno
511
00:38:02,400 --> 00:38:06,300
ai detti ai lavori che ascoltano una funzione Python ha inizialmente
512
00:38:06,300 --> 00:38:09,539
un iter un'intestazione iniziale che dice il nome della funzione
513
00:38:10,199 --> 00:38:12,960
la tipologia dell'input, la tipologia dell'autooutput.
514
00:38:12,960 --> 00:38:16,260
E poi dopo in genere ci sta subito il codice
515
00:38:16,260 --> 00:38:19,199
della funzione con il return che ti dà l'output.
516
00:38:19,199 --> 00:38:22,860
In genere tra l'intestazione e l'inizio del codice ci sta una parte di un
517
00:38:22,860 --> 00:38:26,820
commento chiamato, non vorrei fare una gaffe, mi pare si chiami docstring
518
00:38:27,179 --> 00:38:31,199
in cui si dice letteralmente quella funzione cosa fa
519
00:38:31,199 --> 00:38:33,239
questa funzione è quella che poi i sistemi di
520
00:38:33,239 --> 00:38:37,079
generazione e la documentazione estraggono per creare Esattamente esattamente.
521
00:38:37,079 --> 00:38:40,559
L'LLM di fatto non vede l'intero codice ma vede che quella
522
00:38:40,559 --> 00:38:43,860
funzione prende questi input prende questi output e legge quel docstring.
523
00:38:43,860 --> 00:38:47,280
Quindi sa che cosa serve esattamente e lì poi
524
00:38:47,639 --> 00:38:51,360
scegli autonomamente in base a quello che gli hai chiesto quale tu
525
00:38:51,360 --> 00:38:56,760
l' utilizzare, quale delle funzioni che tu gli dai a disposizione utilizzare.
526
00:38:56,760 --> 00:39:00,360
Ovviamente non è tutto tutto scritto a mano ci sono
527
00:39:00,360 --> 00:39:04,019
delle librerie che possono aiutare nella realizzazione di questi framework.
528
00:39:04,019 --> 00:39:06,960
Quelli su cui lavoro principalmente su cui ho lavorato
529
00:39:06,960 --> 00:39:10,440
principalmente sono stati agent development kit di Google
530
00:39:10,739 --> 00:39:16,619
e LangGraph che sono è correlato agli amici di Langchain che immagino conosciate
531
00:39:18,480 --> 00:39:22,199
Il primo, quello di Google è un pochino una programmazione più ad
532
00:39:22,199 --> 00:39:25,440
alto livello in cui gli stanzi letteralmente già la gente è pronto
533
00:39:25,440 --> 00:39:30,000
e gli dici cosa deve fare, quindi è più incentrato in parte
534
00:39:30,000 --> 00:39:33,960
al contesto proprio Google, quindi con Google Workspace e quant'altro.
535
00:39:34,380 --> 00:39:39,480
Un po' per la programmazione multiagentica che poi non so se riprenderemo magari dopo
536
00:39:39,480 --> 00:39:45,719
in cui abbiamo più agenti che fanno diversi compiono diversi task e tu, dato
537
00:39:45,719 --> 00:39:49,619
che quella libreria ti permette di instanziare già la gente bella e fatto in
538
00:39:49,619 --> 00:39:52,139
cui devi solamente dire che tu il fare cosa deve fare
539
00:39:52,440 --> 00:39:57,539
li metti insieme e ottieni il tua pipeline. LangGraph invece è quello
540
00:39:57,539 --> 00:40:01,199
che preferisco per i motivi detti sopra ti permette di avere un
541
00:40:01,199 --> 00:40:06,179
approccio un pochino più controllato ti permette di gestire esattamente il framework
542
00:40:07,860 --> 00:40:13,679
Di la pipeline del programma che tu vai a scrivere, quindi magari hai più
543
00:40:13,679 --> 00:40:17,940
libertà ovviamente devi smanettare di più perché devi configurare poi cose un pochino più
544
00:40:17,940 --> 00:40:22,320
sofisticate che ADK di Google non ti fa vedere gesti autonamente ti dà più
545
00:40:22,320 --> 00:40:26,519
libertà esattamente il pro e i contro sempre della programmazione più vai ad alto
546
00:40:26,519 --> 00:40:29,340
livello più non vedi quello che c'è sotto e ti sembra più facile
547
00:40:29,639 --> 00:40:33,659
però poi se vuoi smanettare un po' di più non lo puoi fare quando poi invece
548
00:40:33,659 --> 00:40:38,639
in situazioni di più basso livello è un po' +1 caos all'inizio però una volta che
549
00:40:38,639 --> 00:40:43,260
ci prendi la mano è più libertà e la voli, diciamo che riesci a fare
550
00:40:44,159 --> 00:40:47,340
un po' tutto quindi diciamo bene o male la programmazione gente
551
00:40:47,340 --> 00:40:51,300
che la faccio principalmente con LangGraph quindi immagino un problema cerchiamo
552
00:40:51,300 --> 00:40:55,800
di capire come strutturare facciamo esattamente quello che faccio di solito
553
00:40:55,800 --> 00:40:59,159
è creare realizzarmi un diagramma di flusso in cui mi immagini
554
00:40:59,159 --> 00:41:02,159
task per arrivare all'obiettivo di questo problema di questo progetto
555
00:41:02,760 --> 00:41:06,420
e lì inizio a pensare ok quali di questi blocchi può
556
00:41:06,420 --> 00:41:10,800
essere gestito da un collaboratore virtuale che quindi sarà un agente
557
00:41:10,800 --> 00:41:14,159
hai quale di queste quale di questi punti può essere meglio
558
00:41:15,420 --> 00:41:21,420
Diciamo utilizzato tramite gente che prende un attimo il controllo
559
00:41:21,420 --> 00:41:25,559
della situazione e ti dà già l'output pronto questo
560
00:41:26,579 --> 00:41:34,320
abbiamo ponendoci nell'esempio precedente, ad esempio nella scelta dell'approccio all'ontologia uno poteva
561
00:41:34,320 --> 00:41:38,760
sia fare una caterva di IF in cui si andava a capire
562
00:41:38,760 --> 00:41:44,280
che tipo di intenzione avesse abbia l'utente che vuole interpellare l'ontologia
563
00:41:44,579 --> 00:41:48,539
un conto è avere un agente in cui gli dici guarda tu ricevi in
564
00:41:48,539 --> 00:41:55,559
input una domanda di un utente stabilisci tu che cosa scritto da allora cerca
565
00:41:55,559 --> 00:42:00,179
per autore la funzione cerca search by e primo parametro in nome dell'autore.
566
00:42:00,179 --> 00:42:03,300
Esatto, questo è un punto di partenza poi quando inizi a
567
00:42:03,300 --> 00:42:06,780
prenderci un po' più mano e riesci già a capire se
568
00:42:07,079 --> 00:42:12,300
sono domande di tipo diciamo che fanno più influenza
569
00:42:12,300 --> 00:42:15,539
sul catalogo, quindi appunto domande di ricerca dei titoli
570
00:42:15,539 --> 00:42:19,440
standard, quindi dimmi tutti i libri pubblicati in tot.
571
00:42:19,440 --> 00:42:24,659
Che praticamente come che si potrebbero ottenere tranquillamente anche programmando su Excel
572
00:42:24,659 --> 00:42:28,199
nel catalogo in cui fai un film filter della colonna anno.
573
00:42:28,199 --> 00:42:29,820
Un conto invece ad esempio, come
574
00:42:29,820 --> 00:42:31,679
abbiamo detto prima, l'inferenza semantica, quindi
575
00:42:32,039 --> 00:42:36,300
di tutti i libri che parlano di questo di questo tema e qui
576
00:42:36,300 --> 00:42:42,900
la gente può intervenire, diciamo andando a interpellare l'ontologia o più approcci uno
577
00:42:42,900 --> 00:42:46,860
piuttosto che con un altro, un approccio combinato, fare ricerca su internet.
578
00:42:47,340 --> 00:42:55,679
Infatti, diciamo attualmente, io penso che il la distanza tra LLM agente si
579
00:42:55,679 --> 00:43:00,480
sta andando ad assottigliare sempre di più, perché noi diciamo la differenza sostanziale
580
00:43:00,480 --> 00:43:03,059
che in genere si dà per far capire quando è che si sta
581
00:43:03,059 --> 00:43:05,280
parlando di LLM e quando è che si sta parlando di agente
582
00:43:05,579 --> 00:43:09,480
un esempio che mi piace sempre fare, ad esempio è quello bisogna vedere l'LLM
583
00:43:09,480 --> 00:43:15,780
come una persona intelligentissima che sa tutto però vive in una camera chiusa senza
584
00:43:15,780 --> 00:43:20,099
finestre senza porte tu gli dai dei bigliettini da sotto la porta e lui
585
00:43:20,099 --> 00:43:23,699
pensa a una risposta lui pensa è una risposta la gente la stessa persona
586
00:43:24,239 --> 00:43:26,940
però col Wi-Fi è un computer che può cercare può
587
00:43:26,940 --> 00:43:28,860
darti una mano al Wi-Fi fare una ricerca più approfondita.
588
00:43:28,860 --> 00:43:34,320
E poi c'ha la calcolatrice poi c'è il compilatore poi c'attamente
589
00:43:34,320 --> 00:43:37,380
a me diverte quando chiedo un'operazione quanto fa 2 + 2
590
00:43:37,380 --> 00:43:40,619
al mio LM di fiducia e scrive un codice Python per
591
00:43:40,619 --> 00:43:43,800
dare una risposta e questo è esattamente quello che dicevamo prima.
592
00:43:43,800 --> 00:43:46,619
Questo infatti io lo vedo come anche il
593
00:43:46,920 --> 00:43:50,639
l'altra faccia della medaglia di questa democratizzazione che si sta venendo
594
00:43:50,639 --> 00:43:54,420
a creare adesso con l'avvento degli LLM degli agenti che adesso
595
00:43:55,920 --> 00:43:57,840
aiuta anche i meno addetti ai lavori a
596
00:43:57,840 --> 00:44:02,940
realizzare codici per per soddisfare determinati diciamo task.
597
00:44:02,940 --> 00:44:07,199
Il problema qua poi diventa ok ma tu sai effettivamente cosa
598
00:44:07,199 --> 00:44:10,199
hai chiesto se effettivamente cosa ti sta arrivando in output.
599
00:44:10,199 --> 00:44:14,940
Se tu ricevi un codice da parte della gente dell'LM all'inizio
600
00:44:15,239 --> 00:44:18,840
peggio ancora dalla gente perché la gente raggiunge l'obiettivo che tu gli chiedi
601
00:44:18,840 --> 00:44:23,880
di raggiungere non è detto che quello che raggiunge è fatto a modo
602
00:44:23,880 --> 00:44:30,000
diciamo ad hoc come un un ingegnere del software realizzerebbe anche perché anche
603
00:44:30,000 --> 00:44:33,539
la gente viene chiamato dall'LLM quindi l'LM sceglie la quale agente chiamare ed
604
00:44:33,539 --> 00:44:37,500
è già una scelta arbitraria in più la gente deve poi creare ancora
605
00:44:37,500 --> 00:44:39,900
più arbitrario c'è un livello di arbitralità rischiosa.
606
00:44:39,900 --> 00:44:42,360
tu vedi la gente come l'LLM in realtà
607
00:44:42,960 --> 00:44:47,219
Il cuore della gente è l'LLM che ha questi tool alla fine questo
608
00:44:47,219 --> 00:44:50,519
lo possiamo riassumere in questo modo la gente con l'LM con dei tool
609
00:44:50,519 --> 00:44:54,960
a disposizione che infatti io dicevo prima che la distanza si sta assottigliando
610
00:44:54,960 --> 00:44:58,679
sempre di più perché noi di fatto questo attualmente stiamo vedendo con
611
00:44:59,159 --> 00:45:01,739
i GPT, Claude, che quando tu gli poni una domanda
612
00:45:01,739 --> 00:45:05,159
cercano su internet alla fine quello già è un qualcosa.
613
00:45:05,159 --> 00:45:12,360
Noi prima ad esempio mi ricordo che prima gli inizi proprio 2023 quando ho
614
00:45:12,360 --> 00:45:16,619
iniziato ad approcciarmi con questi sistemi quando era appena uscito ad esempio Llama
615
00:45:18,179 --> 00:45:24,000
loro questi avevano praticamente le fotografie temporali della loro conoscenza
616
00:45:24,000 --> 00:45:27,960
se tu gli chiedevi tutto fino a novembre 2022 esatto
617
00:45:27,960 --> 00:45:33,420
se tu diciamo se tu adesso chiedi a Llama 3.1
618
00:45:33,780 --> 00:45:40,500
chi è il monarca in Inghilterra ti dirà la regina Elisabetta non ti
619
00:45:40,500 --> 00:45:45,300
dirà il principe il re Carlo III questo principe esatto a meno che
620
00:45:45,300 --> 00:45:51,179
siamo rimasti. Mentre i modelli attuali hanno l'MCP di Buckingham Palace e quindi
621
00:45:51,179 --> 00:45:57,420
interrogano l'M il famoso MCP di Buck chi comanda e l'MCP gli dice
622
00:45:57,900 --> 00:46:05,820
oggi comanda Carlo va bene no scusami nella differenza che è chiaro quello che
623
00:46:05,820 --> 00:46:09,480
stai dicendo che si stanno avvicinando sempre di più agenti e dell'LM io
624
00:46:10,380 --> 00:46:13,920
nella mia esperienza di quello che è il coding, così torniamo magari
625
00:46:13,920 --> 00:46:20,219
anche un po' su quel binario so che generalmente agli agenti viene
626
00:46:20,219 --> 00:46:24,719
cercato di dare il minor contesto possibile no tornando all'esempio di prima
627
00:46:24,719 --> 00:46:27,780
c'hai l'uomo super intelligente chiuso nella stanza senza finestra
628
00:46:28,260 --> 00:46:33,900
e poi lui passa dei bigliettini a tanti gnometti ognuno dei quali
629
00:46:33,900 --> 00:46:36,480
sa fare poco, ma lo sa fare proprio bene, cioè è più
630
00:46:36,480 --> 00:46:43,380
si dice contesto ridotto infatti tipicamente anche scope obiettivo e capacità
631
00:46:43,980 --> 00:46:46,739
questa cosa è ancora vera innanzitutto.
632
00:46:46,739 --> 00:46:49,440
Sì, anzi, questo è il motivo per cui appunto ci
633
00:46:49,440 --> 00:46:53,940
stiamo spostando a sistemi multiagente piuttosto che agente singolo, perché
634
00:46:53,940 --> 00:46:57,000
la gente singolo Tanti gometti Tanti gnometti esattamente.
635
00:46:57,960 --> 00:47:03,059
Ancora prima prima ci stava la gente singolo in cui tu gli
636
00:47:03,059 --> 00:47:07,440
da un'istruzione e lui in un modo o nell'altro soddiva di cercava
637
00:47:07,440 --> 00:47:10,619
di fare tutto in maniera controllata mi viene da dire in maniera
638
00:47:10,619 --> 00:47:14,579
anche legale, diciamo questo è sempre andiamo sempre a finire nel
639
00:47:15,000 --> 00:47:19,559
ok la gente peggio ancora dell'LLM perché l'LM quando ti risponde
640
00:47:19,559 --> 00:47:23,760
la peggior cosa che può succedere semplicemente è che ti diceva
641
00:47:23,760 --> 00:47:28,800
allucini possa fare la gente proprio perché è incentivare a dover
642
00:47:28,800 --> 00:47:32,699
raggiungere quell'obiettivo tu non hai controllo se non gli poni i
643
00:47:32,699 --> 00:47:36,599
di determinati paletti però può decidere di rapinare una banca per
644
00:47:36,599 --> 00:47:39,900
poter pagare l'abbonamento alla biblioteca e recuperare quell'informazione che
645
00:47:41,760 --> 00:47:43,320
esattamente esattamente.
646
00:47:43,320 --> 00:47:47,699
Certamente, ecco a te.
647
00:47:47,699 --> 00:47:49,440
Ah, ops, scusa, ecco.
648
00:47:49,440 --> 00:47:57,599
Da qui dicevo i sistemi multigente stanno diventando sempre più
649
00:47:58,199 --> 00:48:03,300
la moda del momento proprio perché avere più agenti che si devono focalizzare
650
00:48:03,300 --> 00:48:07,800
su una determinata cosa è meglio rispetto ad un agente grande, perché lì
651
00:48:07,800 --> 00:48:11,820
poi ci sta il trade off difficile tra ok mettiamogli dei paletti
652
00:48:12,420 --> 00:48:15,840
perché non deve fare cose strane, però poi se da solo comunque deve riuscire
653
00:48:15,840 --> 00:48:18,300
a fare bene o male tutto e lì si crea una situazione un po'
654
00:48:18,300 --> 00:48:22,800
invece se si crea proprio una catena di lavoro un po' esattamente come negli
655
00:48:22,800 --> 00:48:27,780
uffici qui ci sta un agente leader che gestisce i vari sottoagenti che o
656
00:48:27,780 --> 00:48:32,460
ricevono gli ordini che era uno dei i primi tipi di architettura all'inizio, quindi
657
00:48:32,760 --> 00:48:36,539
l'agente capo e gli agenti schiavetti che danno una mano
658
00:48:36,539 --> 00:48:39,960
che eseguono gli ordini ho detto dammi una mano perché
659
00:48:39,960 --> 00:48:44,340
poi ci sta l'architettura successiva in cui ci sta l'orchestratore
660
00:48:45,179 --> 00:48:47,280
E gli agenti sotto anche interagiscono tra di
661
00:48:47,280 --> 00:48:51,840
loro per poter magari raggiungere più facilmente l'obiettivo.
662
00:48:51,840 --> 00:48:54,780
Un esempio arriveranno al team agile prima o poi in
663
00:48:54,780 --> 00:49:00,000
cui tutto però esattamente ad esempio adesso purtroppo non ricordo
664
00:49:00,719 --> 00:49:06,840
bene perché ne ho parlato venerdì con un collega ci sta una
665
00:49:06,840 --> 00:49:13,679
situazione in cui si programmano dei siti dei tool verso l'esterno in
666
00:49:13,679 --> 00:49:16,679
cui ci sono una gente che si dedica unicamente al front end
667
00:49:17,099 --> 00:49:21,119
una gente che si dedica unicamente al back-end comunicano tra di loro
668
00:49:21,119 --> 00:49:26,039
e vanno avanti con la gente capo che li sorveglia controlla di
669
00:49:26,039 --> 00:49:29,940
passo passo che combinano e così fino al raggiungimento appunto dell'obiettivo facendo
670
00:49:29,940 --> 00:49:34,139
anche dei report in cui che si interscambiano anche tra di loro,
671
00:49:34,139 --> 00:49:36,059
insomma si sta creando tutta una situazione in cui
672
00:49:37,320 --> 00:49:43,980
Ti posso confermare che questo è un metodo che funziona e addirittura molto
673
00:49:43,980 --> 00:49:47,760
ancora più elaborato nel senso che tu hai chi scrive il front-end, chi
674
00:49:47,760 --> 00:49:49,920
scrive il back-end, quindi la parte visiva e la parte dietro
675
00:49:50,519 --> 00:49:54,239
Ma è anche magari quello che è responsabile di controllare che
676
00:49:54,239 --> 00:49:57,179
quello che è stato fatto risponda al prompt o hai quello
677
00:49:57,179 --> 00:50:00,239
che decide di verificare che tu non stia andando fuori dai
678
00:50:00,239 --> 00:50:03,300
binari, eccetera, eccetera poi c'è quello anche del sindacato che li
679
00:50:04,019 --> 00:50:07,079
mette in sciopero quando devono, ma questo è un altro.
680
00:50:07,079 --> 00:50:11,340
Sì sì ma lì le possibilità sono infinite no c'è quello che si occupa dell'int,
681
00:50:11,340 --> 00:50:15,780
c'è quello che si occupa della qualità del codice c'è quello che sì certamente.
682
00:50:15,780 --> 00:50:20,519
Io aggiungerei però che spero che questa diciamo non voglio dire deriva,
683
00:50:20,519 --> 00:50:23,099
ma questa nuova strada che si sta aprendo questa nuova novità
684
00:50:23,400 --> 00:50:27,000
tenda sempre comunque a tenere un occhio di riguardo per l'Human
685
00:50:27,000 --> 00:50:29,820
in the Loop, ovvero è vero che adesso abbiamo gli agenti.
686
00:50:29,820 --> 00:50:31,260
Cos'è questa cosa chiamata Human che non
687
00:50:33,480 --> 00:50:36,599
Dobbiamo vedere un pochino il system prompt di
688
00:50:36,599 --> 00:50:40,079
Francesco perché secondo me si sta un pochino.
689
00:50:40,079 --> 00:50:42,300
pochino sì sta andando in allucinazione.
690
00:50:42,300 --> 00:50:46,739
Non so se avete visto ci sta un sito attualmente che è
691
00:50:46,739 --> 00:50:50,639
basato su un sistema che prende le sembianze di Gandalf basato su
692
00:50:51,119 --> 00:50:52,800
sempre su.
693
00:50:52,800 --> 00:50:58,980
i sistemi gli LLM un gioco a livelli in cui questo LLM conosce una
694
00:50:58,980 --> 00:51:06,000
password e tu gliela devi Devi fargliela confessare Devi fargliela confessare ogni volta ci
695
00:51:06,000 --> 00:51:10,139
sono stati più tentativi del genere più cose del genere sono simpatici
696
00:51:11,880 --> 00:51:15,840
nel mondo delle criptovalute c'è anche lo fanno anche col gioco a premi.
697
00:51:15,840 --> 00:51:22,380
mettono un agente che ha il controllo di un wallet Bitcoin, un
698
00:51:22,380 --> 00:51:26,219
wallet lightning con una certa cifra e non deve dartelo e non
699
00:51:26,219 --> 00:51:30,780
deve e tutti sono liberi di provare a chiedergli qualsiasi cosa per
700
00:51:30,780 --> 00:51:34,739
far sganciare il denaro e se ne vedono è abbastanza simpatica
701
00:51:35,159 --> 00:51:40,139
l'interazione tutto un campo di studi anche
702
00:51:40,139 --> 00:51:42,239
quello è quello dell'interazione uomo macchina.
703
00:51:42,239 --> 00:51:45,420
Sì, anche perché tutto quello che siamo detti precedentemente, ovvero la
704
00:51:45,420 --> 00:51:47,699
gente che sorveglia la gente che fa questo la gente che
705
00:51:47,699 --> 00:51:50,400
fa quell'altro ci fa venire da pensare ok l'uomo che fa.
706
00:51:50,400 --> 00:51:53,699
E infatti molto spesso si viene viene da pensare ok
707
00:51:54,119 --> 00:51:58,619
la maggior parte dei programmatori dei developer avranno perso il lavoro.
708
00:51:58,619 --> 00:52:02,159
In realtà no per quello che vedo per come la vedo io, ad
709
00:52:02,159 --> 00:52:05,639
esempio è semplicemente un cambio di rotta su cosa poi deve fare
710
00:52:06,480 --> 00:52:10,800
l'umano, anche perché altrimenti vorrei dire non so se
711
00:52:10,800 --> 00:52:14,159
è un paragone che fila però secondo me sì.
712
00:52:14,159 --> 00:52:18,420
Io penso che i programmatori assembler del passato, quando
713
00:52:18,420 --> 00:52:20,519
sono usciti linguaggi di programmazione più ad alto livello,
714
00:52:21,000 --> 00:52:23,099
pure si siano messi le mani nei capelli, però
715
00:52:23,099 --> 00:52:24,960
non mi pare di aver visto mai notizie.
716
00:52:24,960 --> 00:52:31,320
di programmatori assembler che sono stati licenziati in tronco semplicemente come l'apprendista
717
00:52:31,320 --> 00:52:36,300
meccanico quando è stato inventato il cacciavite elettrico dice adesso il meccanico
718
00:52:36,300 --> 00:52:38,760
non ha più bisogno di me per stringere i bulloni e non
719
00:52:38,760 --> 00:52:41,039
bisogno peroni solo meccanici senior d'ora in poi esatto
720
00:52:41,340 --> 00:52:47,219
Infatti, secondo me questa cosa renderebbe renderà spero mi auspico se
721
00:52:47,219 --> 00:52:50,039
non prendiamo le rive strane il lavoro del developer un po'
722
00:52:50,039 --> 00:52:56,280
più secondo me affascinante perché qui non si passa dal programmare
723
00:52:56,760 --> 00:53:03,420
scrivere documentazione al secondo me avere una una visione migliore dei
724
00:53:03,420 --> 00:53:07,440
problemi perché qua ci andiamo a spostare dal andiamo a programmare
725
00:53:07,440 --> 00:53:11,039
noi al andiamo a dire al modello cosa deve fare.
726
00:53:11,039 --> 00:53:14,400
non è banale vuol dire che devi capire il problema prima
727
00:53:14,400 --> 00:53:21,119
il problema devi saperlo scomporre esattamente quindi praticamente se andiamo a
728
00:53:21,119 --> 00:53:24,480
spostare la complessità e poi dargli anche l'obiettivo perché
729
00:53:25,139 --> 00:53:29,159
quello che ho visto tantissimo nel mio utilizzo di questi
730
00:53:29,159 --> 00:53:36,659
strumenti è che quello che cambia enormemente il risultato è
731
00:53:36,659 --> 00:53:41,699
dargli la possibilità a questi strumenti di valutare da soli
732
00:53:42,059 --> 00:53:46,019
il risultato del loro lavoro, cioè la differenza è enormeme che
733
00:53:46,019 --> 00:53:50,639
ha fatto che hanno fatto l'introduzione di clode code e strumenti
734
00:53:50,639 --> 00:53:55,860
del genere erano la possibilità di verificare il loro lavoro, anche
735
00:53:55,860 --> 00:54:00,480
il primo gradino, cioè prima tu dicevi a ChatGPT
736
00:54:00,780 --> 00:54:06,840
scrivimi uno script che faccia questa cosa qui e lui te la
737
00:54:06,840 --> 00:54:12,420
dava la incollavi nell'editor lanciavi l'interprete Python e poi se avevi un
738
00:54:12,420 --> 00:54:16,199
errore lo copiavi lo incollavi dentro a ChatGPT e lui ti diceva
739
00:54:16,199 --> 00:54:19,139
oh già mi sono sbagliato e ti dava un'altra versione
740
00:54:19,559 --> 00:54:23,820
con questi strumenti con le prime versioni, semplicemente il fatto di
741
00:54:23,820 --> 00:54:28,860
generare il codice, farlo girare dentro l'interprete o il compilatore, vedere
742
00:54:28,860 --> 00:54:32,639
gli errori, correggere il codice lo faceva in loop da solo
743
00:54:32,639 --> 00:54:36,840
la gente perché aveva la possibilità macinando token nel frattempo
744
00:54:38,400 --> 00:54:40,800
è ovvio che è sempre di più, però è automatico e
745
00:54:40,800 --> 00:54:43,739
molto più veloce la produttività aumenta perché lui in quella maniera
746
00:54:43,739 --> 00:54:47,099
lì ti può darti un risultato finale che intanto compila.
747
00:54:47,099 --> 00:54:51,719
E poi può sorvegliare che il risultato sia
748
00:54:51,719 --> 00:54:53,940
corretto se tu gliene dai la possibilità
749
00:54:54,599 --> 00:54:59,039
e allora se gli dai una cosa un compito semplice per lui
750
00:54:59,039 --> 00:55:05,219
è semplice capire se sta dando un risultato corretto, ma per sistemi
751
00:55:05,219 --> 00:55:10,860
complessi, beh, quella lì è un'altra competenza che deve avere l'umano che
752
00:55:10,860 --> 00:55:15,119
gestisce questi strumenti, cioè formalizzare non solo il problema
753
00:55:15,539 --> 00:55:21,300
ma anche il risultato e costruire degli strumenti con cui la gente può
754
00:55:21,300 --> 00:55:26,579
valutare il risultato del suo lavoro e correggerlo e iterare finché il risultato
755
00:55:26,579 --> 00:55:31,260
è ottimizzato e questa è un'altra competenza che l'umano deve sviluppare che ha
756
00:55:31,260 --> 00:55:34,679
normalmente la sviluppava da sola perché scrivo il codice più o meno so
757
00:55:34,679 --> 00:55:37,079
cosa deve arrivare lo tiro faccio la prova vedo cosa succede
758
00:55:37,380 --> 00:55:41,219
invece devi insegnare a fare anche questo passaggio al tuo agente
759
00:55:41,219 --> 00:55:44,099
di turno e quella è un'ulteriore competenza che va raffinata.
760
00:55:44,099 --> 00:55:51,059
Ora addirittura con i sistemi spec driven devi proprio dirgli qual è l'obiettivo finale,
761
00:55:51,059 --> 00:55:55,800
quindi non solo che lo compili mappe, ma quelle sono pippe da voi ingegneri,
762
00:55:55,800 --> 00:55:59,880
spec driven, sono robe specifiche, voi dovete fare il manuale per tutto
763
00:56:04,860 --> 00:56:09,900
Gli ingegneri sputavano sopra il vibe coding perché e allora
764
00:56:09,900 --> 00:56:12,719
gli smandrappati del vibe coding ha detto va bene allora
765
00:56:12,719 --> 00:56:15,420
voi fate spec driven e noi facciamo intent driven
766
00:56:16,559 --> 00:56:24,059
Che praticamente un vibe coding col foulard, praticamente io penso che la
767
00:56:24,059 --> 00:56:27,960
verità sta nel mezzo, ovvero anche con l'avvento degli sistemi multiagenti in
768
00:56:27,960 --> 00:56:31,019
cui mo ognuno si fa il suo alla fine stiamo arrivando in
769
00:56:31,019 --> 00:56:34,019
un trade off anche in questo tra spec driven, intent driven
770
00:56:34,320 --> 00:56:38,760
tra lo spec driven in cui metti tutte le specifiche che deve soddisfare
771
00:56:38,760 --> 00:56:43,920
per arrivare ottimamente al risultato con quello intent driven che come abbiamo detto
772
00:56:43,920 --> 00:56:46,260
gli dai un'idea di cosa vuoi e poi vede lui cosa fare
773
00:56:47,039 --> 00:56:50,880
Con il multiagente stiamo comunque arrivando a un trade off ovvero
774
00:56:50,880 --> 00:56:55,079
prendi un agente, tu fai parte di questo sistema e questi
775
00:56:55,079 --> 00:56:58,559
colleghi tu devi fare questo questo e questo e lo fai.
776
00:56:58,559 --> 00:57:03,960
Idem tutti gli altri sottoagenti diciamo gli schiavetti, il capo supremo sopra
777
00:57:05,639 --> 00:57:10,139
E poi ci sono i sistemi che ti aiutano loro a scrivere specifiche, no?
778
00:57:10,139 --> 00:57:19,079
Cioè fai il vibe specking lo fai lanciare lo lanci e lui gli dice io voglio fare
779
00:57:19,079 --> 00:57:23,219
questa cosa qui e lui ti dice un attimo calma allora hai pensato che ci potrebbe essere
780
00:57:23,219 --> 00:57:27,300
questo problema lo vuoi risolvere con A, B, C o una cosa che mi dici tu
781
00:57:27,599 --> 00:57:32,039
Tu gli dici ma una via di mezzo tra e B ok altro problema questo questo
782
00:57:32,039 --> 00:57:36,119
hai pensato di che colore lo vuoi hai pensato così Dopodiché quando gli dai tutte queste
783
00:57:36,119 --> 00:57:41,460
cose qui, lui mumble mumble mumble macina token e ti fa un documento e ti fa
784
00:57:41,460 --> 00:57:46,260
un documento che è una specifica che è la specifica iniziale la specifica generale
785
00:57:46,559 --> 00:57:49,500
Dopodiché se tu la provi tu gli dici no c'è questo
786
00:57:49,500 --> 00:57:52,739
problema lui la modifica dopodiché la dà a un altro agente
787
00:57:52,739 --> 00:57:56,579
che fa un'ulteriore specifica implementativa ti dici vabbè questo lo faremo
788
00:57:56,579 --> 00:58:00,179
così questo faremo così è interessante perché ogni volta che
789
00:58:00,780 --> 00:58:04,800
c'è un passaggio che noi diciamo beh però c'è bisogno dell'umano che faccia
790
00:58:04,800 --> 00:58:08,159
questa cosa qui dopodiché trovano il modo di farla fare a un altro
791
00:58:08,159 --> 00:58:12,300
agente che però avrà bisogno di un altro input che farà l'umano, ma
792
00:58:12,300 --> 00:58:16,980
dopo un po' Adesso è rimasto l'input del picchio di Homer
793
00:58:17,400 --> 00:58:20,760
che deve dire sì alla fine ok prova prova prova esatto
794
00:58:23,280 --> 00:58:28,619
Vabbè, insomma, mi sembra che abbia fatto un escurso bello e interessante.
795
00:58:28,619 --> 00:58:32,639
Quanto avrai ancora da lavorare su questa cosa
796
00:58:32,639 --> 00:58:34,920
qui prima di arrivare alla fine del dottorato?
797
00:58:34,920 --> 00:58:41,099
Allora, sulla carta il dottorato mi finirà il 31 ottobre di quest'anno
798
00:58:41,400 --> 00:58:41,699
.
799
00:58:41,699 --> 00:58:44,340
Nel pratico ho una marea di cose da fare.
800
00:58:44,340 --> 00:58:50,639
Quindi ti tengono lì in stato di schiavitù totale nello scantinato
801
00:58:50,639 --> 00:58:54,900
del prof De Santo la primavera e l'inizio dell'estate c'è un po'
802
00:58:54,900 --> 00:58:58,860
di luce spesso succedeva che andavi e tornavi col buio.
803
00:58:59,880 --> 00:59:05,099
anche perché purtroppo il fatto è che stiamo in un momento la
804
00:59:05,099 --> 00:59:11,940
curva dell'hype sta all'apice tra una settimana ci saranno cose che renderanno
805
00:59:11,940 --> 00:59:15,780
la situazione attuale obsoleta quindi bisogna stare sempre sul pezzo
806
00:59:16,440 --> 00:59:21,179
bisogna non bisogna addormentarsi diciamo tissi di Artemis sono passati dietro
807
00:59:21,179 --> 00:59:23,940
la luna ha visto guarda la curva dell'hype girava anche quella
808
00:59:23,940 --> 00:59:28,320
e stavano ancora così sta ancora verso più avanti
809
00:59:30,059 --> 00:59:34,679
Io una cosa che spero che dico sempre anche a chi diciamo
810
00:59:34,679 --> 00:59:39,840
quando spiega qualche studente o quando mi portano a fare qualche lezione
811
00:59:39,840 --> 00:59:43,800
introduttiva su questi argomenti è stare sempre attenti a non
812
00:59:44,460 --> 00:59:49,380
atrofizzare il proprio la propria skill di ragionamento.
813
00:59:49,380 --> 00:59:53,940
Perché molto spesso si cade spesso nella nella trappola in
814
00:59:53,940 --> 00:59:57,480
cui questi qua questi modelli, questi questi agenti fanno tutto.
815
00:59:58,139 --> 01:00:03,300
Lasciamociamo a fare tutto a loro e poi come attualmente ci stiamo spostando
816
01:00:03,300 --> 01:00:06,900
dal o no andare via la corrente al o no non funziona cloud.
817
01:00:06,900 --> 01:00:08,460
Sì è vero, è vero.
818
01:00:09,239 --> 01:00:12,059
Comunque oggi ho pushato del codice sul mio GitHub e
819
01:00:12,059 --> 01:00:14,940
c'era scritto da Claude con un po' d'aiuto di Francesco.
820
01:00:14,940 --> 01:00:19,619
oramai la maggior parte del contrario no no ma il contrario
821
01:00:19,619 --> 01:00:23,579
lo sai che tra un po' cambiano l'eula e tutto il
822
01:00:23,579 --> 01:00:26,519
codice che ha quelle cose lì diventa di proprietà di Anthropic
823
01:00:26,820 --> 01:00:32,820
Ecco perfetto Ma anche attualmente anche i paper scientifici mo richiedono
824
01:00:32,820 --> 01:00:36,420
quasi tutti quando li sottometti a conferenze o a riviste.
825
01:00:36,420 --> 01:00:39,300
Adesso richiedono quasi tutti obbligatoriamente la sezione in
826
01:00:39,300 --> 01:00:43,440
cui scrive esplicitamente dove come quando è utilizzato
827
01:00:43,920 --> 01:00:48,119
strumenti di AI generativa per la scrittura perché ormai già lo sanno
828
01:00:48,119 --> 01:00:51,539
perché troppi chi inizia con la perché almeno come autore va per
829
01:00:51,539 --> 01:00:55,920
primo esatto dipende da come li usi oggi Bea mi ha stupito
830
01:00:55,920 --> 01:01:00,599
Bea era la figlia della mia compagna è praticamente la mia figlioccia
831
01:01:01,440 --> 01:01:06,960
studentessa di liceo classico molto molto molto impegna tanto e
832
01:01:06,960 --> 01:01:11,219
dei bei risultati siamo tutti terrorizzati perché questi strumenti dici
833
01:01:11,219 --> 01:01:13,320
che cosa faranno e che cosa ha combinato.
834
01:01:13,320 --> 01:01:19,079
E dove vedi l'inventiva e la voglia di utilizzare strumenti nuovi
835
01:01:19,380 --> 01:01:23,639
, ma non per fare meno fatica, ma per lavorare meglio è una
836
01:01:23,639 --> 01:01:26,159
cosa che io non avrei mai fatto, cioè io avrei preso GPT e
837
01:01:26,159 --> 01:01:29,400
avrei detto senti traducimi sta versione di latino perché non ce l'ho voglia
838
01:01:29,400 --> 01:01:31,860
la devo fare per domani ci ho altre 1000 cose da studiare.
839
01:01:31,860 --> 01:01:34,320
Lei oggi era lì che parlava al telefonino.
840
01:01:34,320 --> 01:01:37,800
Io entro sento che ripete che parla entro e dice ma stai ripetendo la
841
01:01:37,800 --> 01:01:41,639
lezione ogni tanto lo fa con qualche tua compagna tuo compagno di classe
842
01:01:41,940 --> 01:01:44,460
No, sto ripetendo a ChatGPT.
843
01:01:44,460 --> 01:01:46,380
Come che cosa stai facendo?
844
01:01:46,380 --> 01:01:50,099
Ce l'aveva messo, ChatGPT, in modalità che gli parli con la voce
845
01:01:50,099 --> 01:01:55,440
lei gli dettava come se fosse all'interrogazione della prof e gli ha detto guarda
846
01:01:55,440 --> 01:01:59,400
adesso io ti dico questa cosa sull'Orlando Furioso te ne parlo per
847
01:01:59,699 --> 01:02:03,239
cinque minuti tu trascrivi e poi dimmi se ho sbagliato qualcosa.
848
01:02:03,239 --> 01:02:07,199
Io io credo che dopo questo aneddoto posso dire che
849
01:02:07,199 --> 01:02:09,780
non ho capito nulla sul come sfruttare appieno questi
850
01:02:10,860 --> 01:02:15,780
mi ha appena data l'idea su come prepararmi per lezioni fantastico.
851
01:02:15,780 --> 01:02:20,460
ma nuovo millenio noi siamo del vecchio millenio come dicevamo all'inizio, quindi questo
852
01:02:20,460 --> 01:02:24,659
è un qualcosa di Noi pensiamo che quelli piccoli, quelli giovani siano tutti
853
01:02:24,659 --> 01:02:28,440
scemi con questi strumenti invece sono come noi, ci sono quelli scemi, ci
854
01:02:28,440 --> 01:02:31,320
sono quelli medici, ci sono quelli intelligenti ci sono i turbo le aquile
855
01:02:31,320 --> 01:02:34,739
bisogna solo selezionarli eccetera tanto la vita poi li seleziona li mette
856
01:02:35,099 --> 01:02:39,719
tutti più o meno nella casella giusta, eccetera però certo, questi strumenti ti possono
857
01:02:39,719 --> 01:02:44,880
atrofizzare il cervello ma ti possono anche mettere il turbo e se il cervello
858
01:02:44,880 --> 01:02:50,460
ce lo metti farti arrivare proprio dove nessun uomo è mai giunto prima dai
859
01:02:52,619 --> 01:03:01,440
Allora grazie mille a Rocco Rocco Loffredo ne sentirete parlare
860
01:03:02,400 --> 01:03:06,300
fra una grande strada se il professor De Santo non lo lascerà
861
01:03:06,300 --> 01:03:11,039
chiuso a morire di stenti nel laboratorio quello con le catene eccetera.
862
01:03:11,039 --> 01:03:15,480
Grazie Rocco davvero è stato veramente una chiacchierata piacevole.
863
01:03:15,480 --> 01:03:16,679
Grazie a voi
864
01:03:18,539 --> 01:03:24,420
Sono sicuro che anche ai nostri ascoltatori sia piaciuta questa chiacchierata, questo
865
01:03:24,420 --> 01:03:28,739
escursus ogni tanto ci piace riempire i buchi di digitalia con delle
866
01:03:28,739 --> 01:03:32,460
cose un po' più approfondite e un po' più viste dall'interno.
867
01:03:34,139 --> 01:03:37,500
Francesco, commentino finale, qualsiasi cosa.
868
01:03:37,500 --> 01:03:42,480
Ti vedo soddisfatto così commentino finale no sono soddisfatto sono soddisfatto
869
01:03:42,480 --> 01:03:46,440
è bello è bello imparare comunque come anche problemi che oggi
870
01:03:46,440 --> 01:03:51,659
sono prima parlavamo delle informazioni di biblioteche eccetera è un qualcosa
871
01:03:51,659 --> 01:03:55,079
che diamo o per assodato come un database o
872
01:03:55,380 --> 01:03:58,679
lontano da quello che è l'hype in questo momento invece no è una materia
873
01:03:58,679 --> 01:04:02,699
di studio che può creare un sacco di cose interessanti applicabili poi in altri
874
01:04:02,699 --> 01:04:06,179
settori e poi è quello che sta facendo Rocco e la sua squadra per
875
01:04:06,179 --> 01:04:10,559
cui bello bello ho imparato anche oggi qualcosa sono veramente molto contento.
876
01:04:10,559 --> 01:04:12,480
Sai se nel monastero del nome della Rosa
877
01:04:12,480 --> 01:04:14,760
avessero avuto nell'LM era tutto più facile.
878
01:04:14,760 --> 01:04:19,139
attenta a toccare i tasti giusti che uno di quelli avvelenato
879
01:04:19,440 --> 01:04:25,320
c'era la tastiera con l'arsenicocum perdonateci se vi spoileriamo un film di 40 anni fa
880
01:04:25,320 --> 01:04:28,980
o più o meno una roba del genere che deriva da un libro ma anche
881
01:04:28,980 --> 01:04:35,099
quello di 45 anni fa esatto non è consiglia una meraviglia è un
882
01:04:36,000 --> 01:04:40,019
si scherza E con questo direi che è tutto per questo speciale
883
01:04:40,019 --> 01:04:43,320
Dallo studio di Liguria uno di Sanremo, un saluto da Franco Solerio.
884
01:04:43,320 --> 01:04:46,079
Un ciao anche dallo studio di Milano Città Studi da Francesco
885
01:04:46,079 --> 01:04:49,199
Facconi e un ciao anche da Rocco Loffredo da Salerno.
886
01:04:49,199 --> 01:04:52,920
Ci sentiamo la settimana prossima, come sempre con una nuova puntata
887
01:04:53,280 --> 01:04:54,360
di Digitalia.