# L'AI che non dorme: da DeepSeek V4 ad Hermes Agent

An episode of [Risorse Artificiali AI Engineering in italiano](https://invisiblenetwork.ai/podcast/1816213074), 2 May 2026, 1 h 15 min.

Audio: https://anchor.fm/s/1053df56c/podcast/play/119279969/https%3A%2F%2Fd3ctxlq1ktw2nl.cloudfront.net%2Fstaging%2F2026-3-30%2F423189326-44100-2-efbecb2162acc.mp3

DeepSeek V4 taglia il 78% di compute sulla KV cache, Roo Code chiude e Hermes Agent gira da solo. Settimana densa: DeepSeek V4 Pro e Flash con 1M di contesto, Kimi K2.6 e MiMo V2.5, l'analisi di Salvatore Sanfilippo che fa girare V4 Flash su Mac mini con quantizzazione mista Q2/Q8, il post-mortem di Z.AI sul bug async cache di GLM-5 (con fix contributo a SGLang), Vision Banana di Google DeepMind che usa la generazione immagini come interfaccia universale per la vision, e il deep-dive di Stefano su Hermes Agent, l'alternativa open di Nous Research a Claude Code che gira con GLM-5.1 e gestisce mail, calendario e paper di Arxiv in autonomia. In più: le interviste a Demis Hassabis (DeepMind) e Andrej Karpathy sull'efficienza e sull'AGI, il keynote rotto di Jensen Huang con Dwarkesh Patel, e i 40 miliardi che Google investe in Anthropic. Follow Risorse Artificiali per non perdere il prossimo episodio. Versione video su YouTube: https://www.youtube.com/watch?v=qKl4Vkb6BMw&utm_source=spotify&utm_medium=description&utm_campaign=ep50_drop #50

## Transcript

[0:00] Ciao tutte e tutti, bentornati a risorse artificiali.
[0:03] E dai questa settimana parliamo cinese sui modelli avremo
[0:09] parliamo di dip sic che è uscito con la quattro flash pro e ma ci
[0:14] sono anche chimi K 2 6, Mimu 2.5 e poi non so se avete visto così
[0:19] faccio un po di anticipazioni e poi andiamo dentro a tutto.
[0:23] Avete visto che Google promette ben 40 billion ad antropic, cioè
[0:28] investimento grosso? Tutti stanno.
[0:30] Stendo tra l'altro strano, no? Sono in qualche modo
[0:35] concorrenti, ma si ma fa questo grosso investimento.
[0:39] Ma anche i cinesi fanno investimenti perché alibaba dice
[0:42] che investirà in depsic, quindi anche lì si comincia a vedere
[0:47] questo flusso di di di denaro. Ma poi ci sono tante altre cose
[0:51] interessanti, cioè? Vision banana da nominare, poi
[0:56] le le due o tre cose che a me hanno colpito di più sono.
[1:01] Lo skilling di lezioni sullo skilling di GLM 5, che ci
[1:06] nominava Paolo e. Alle interviste che ho sentito
[1:10] ieri di assabis e carpati. Anche se devo dire che le due
[1:16] cose più belle sono cioè più belle, una che mi ha lasciato
[1:21] così il rucode che chiude l'estensione di coding che
[1:24] chiude perché dice che poi magari questo parliamo il nostro
[1:29] punto di vista che non è più tempo per gli ID per gli ID.
[1:37] E poi vabbè, poi ho installato Hermes, agent che sta facendo
[1:43] tante cose per me anche in questo momento.
[1:47] Quello mi interessa. Sappi che quando hai detto che
[1:49] parlavamo questa puntata, i modelli parlano cinese.
[1:53] Pensavo che fosse come quando i miei modelli cinesi impazziscono
[1:56] e mi danno risposta in cinese a domande in inglese.
[1:58] Certo. Ma infatti è quello che faremo,
[2:01] daremo risposte a caso alle domande che ci siamo fatti da
[2:05] soli. Perché anche se devo dire che
[2:08] stavo dicendo perché ah non abbiamo commento il non è vero
[2:11] perché questa settimana anche abbiamo avuto parecchi commenti,
[2:14] heter compresi. Il mandarino cinese.
[2:18] Mandarino cinese, assolutamente. No, dai par.
[2:24] Tiamo da quello dai. Partiamo dai cinesi lipsik mimo
[2:29] chimica K due. Ormai ormai abbiamo deciso
[2:33] Alessio che sei tu quello dei benchmark, quindi dici tutto dei
[2:38] benchmark. No, ma io?
[2:41] Vi posso dire sostanzialmente che settimana scorsa sembrava
[2:44] quasi una gara a. Buttiamo fuori il modello open
[2:49] wait, nuovo state of the Art. Nel senso che è uscito per primo
[2:54] Deep V quattro Pro e flash, dove flash è una versione un po più
[2:58] piccola e chiaramente più veloce e.
[3:02] Faville tutta una serie di di novità, una nuovo tipo di
[3:07] attention sulla quale ti prego, parlane tu Stefano e.
[3:12] E bene, OK, abbiamo il nuovo miglior modello open, salvo il
[3:16] fatto che dopo un attimo sono sono usciti chimi K 2.6 che fa
[3:20] ancora meglio, quantomeno nei benchmark.
[3:24] E Mimmo 2.5 che più o meno si allinea agli altri due.
[3:31] Ma ci rivederci, insomma, ci ci fa vedere 1 1 cosa interessante,
[3:35] nuova, cioè nuova. Evidenzia un aspetto
[3:39] interessante che è quello dell'efficienza dei token.
[3:43] Che è un argomento di cui abbiamo parlato poco secondo me
[3:46] negli ultimi tempi, ossia. Sostanzialmente genera meno
[3:51] token per le risposte, per ottenere pari livello diciamo di
[3:55] di qualità nel nell'output, nel passare i test eccetera, e
[3:59] questo ha un impatto perché meno token significa meno costi
[4:03] sostanzialmente. Una domenica un po meno.
[4:07] Fammi divagare, già un secondo deviarti, da questa
[4:11] conversazione su risparmio dei token mi hai fatto venire in
[4:14] mente che nelle ultime paio di settimane ho incontrato un sacco
[4:18] di di video o di articoli che parlavano di un'estensione
[4:22] rivoluzionaria di cloud code che si chiamava cave man.
[4:26] Non so se l'avete incrociata, in cui l'idea è quella di far
[4:31] parlare il vostro modello come un uomo delle caverne, quindi
[4:35] an. E dargli delle risposte lunghe e
[4:37] articolate risponde a monosillabi tipo non lo so,
[4:42] bambino quando dovete fargli conoscere gli zii lontani EE
[4:46] niente, la gente era esaltatissima dicendo Ah, è
[4:49] bellissimo, sto risparmiando token di qua e di là.
[4:53] Diciamo cioè era curioso, era controtendenza, poteva avere
[4:56] senso, se non che con un poi più tempo la gente ci ha guardato un
[4:59] po dentro e gli ha detto sì, guardate che la maggior parte si
[5:03] si è applicate questo processo alla maggior parte delle
[5:06] casistiche che gli fate fare, poi vi dà dei delle risposte
[5:09] inconsistenti perché immagina che ne so, gli stai chiedendo di
[5:12] fare un gift tra due sorgenti di codice, puoi volere una risposta
[5:15] più concisa, ma se ti risponde sì o no e non significa niente,
[5:18] non vai da nessuna parte. Quindi c'è stato questo trend il
[5:22] problema? Il nome probabilmente evocava
[5:23] chissà che cosa è il concetto semplice e interessava le
[5:26] persone, ma poi all'atto pratico non era così tanto utile nelle
[5:29] grossi casi d'uso. Ah sì, però ti dico, secondo me
[5:35] c'è un questa è una metrica che è stata un po sottovalutata
[5:39] ultimamente, perché se vai a vedere il i modelli che fanno
[5:44] reasoning thinking in realtà. Tanto tempo è speso in quella
[5:50] fase lì. A volte noi siamo portati a
[5:53] sottovalutare questo aspetto, ma poi quando ad esempio provi a
[5:55] far andare i modelli in locale questo aspetto lo lo noti ancora
[5:59] di più. E probabilmente ci sono delle
[6:03] applicazioni per le quali tutto sommato sei disposto ad
[6:06] accettare magari un. Degli errori, una risposta un
[6:10] pelo meno di qualità in cambio di una velocità maggiore.
[6:16] Tant'è che ad esempio lo stesso cloud code ma anche altri tool
[6:20] permettono di impostare il diciamo il livello di di di
[6:23] reasoning, di thinking che tu vuoi, vuoi, vuoi avere.
[6:29] Chiaramente cambia la qualità, ma cambiano anche i tempi di
[6:31] risposta e di conseguenza i costi.
[6:33] Sì. Guarda, è una cosa che.
[6:39] Diceva Assabis anche nell'intervista che ho
[6:42] anticipato. Poi magari ci entriamo un po più
[6:45] nel dettaglio, però adesso stavo cercando il mio punto.
[6:50] Lui proprio dice che c'è un problema architetturale di
[6:54] efficienza. Sulle contact to Windows.
[7:01] Attualmente quello che si è fatto per il.
[7:07] Di prisoning eccetera. E cita se stesso, Eh.
[7:10] Cita geminiter punto uno pro Deep thinking, quello che ha
[7:15] vinto. Non mi ricordo più quale
[7:17] competizione matematica. Dice che il.
[7:22] Problema dell'efficienza è grosso, perché?
[7:29] Sostanzialmente si è fatto brude forcing fino ad adesso, cioè.
[7:33] Genera tanti token e prendi quelli buoni dice.
[7:37] Quando si parla di efficienza ma anche di efficacia, non è detto
[7:41] che il Boot Forcing paghi sempre, anzi la l'esperienza.
[7:45] La storia ci insegna che poi quando cominci ad ottimizzare
[7:49] ottieni il risultato inaspettati.
[7:51] E infatti. Su quella cosa, l'intervistatore
[7:56] che è il CEO di why COMBINATOR. Gli chiede ma.
[8:03] Quindi quanto siamo lontano dalle GI da un punto di vista
[8:07] scientifico? Parlo con lui, giustamente, come
[8:10] uno scienziato quale assabis e. Demis risponde.
[8:18] Non siamo lontani, può anche darsi che abbiamo già scoperto
[8:22] tutto quello che ci serve, dobbiamo soltanto ottimizzarlo.
[8:26] Può darsi che ci mancano quelle due o tre idee, ma non di più
[8:30] rivoluzionarie, quanto è stata l'attention o giù di lì per.
[8:36] Arrivare AA ad emulare veramente un'intelligenza diversa da
[8:42] quella umana, ma comunque una cosa che possiamo chiamare
[8:45] veramente intelligente. Infatti dice che deepmind hanno
[8:53] due filoni di ricerca completamente gestiti che ogni
[8:57] tanto fanno confrontare tra loro, ma che volutamente tengono
[9:00] distinti anche come gruppi uno. È sull'Incremental Research e
[9:05] uno è sul Breakthrough Research, quindi?
[9:10] Proprio esplorano le le due possibilità hanno un approccio
[9:13] estremamente da scienziati in questo è è uno dei passaggi
[9:18] interessanti, però è anche per confermare qualcosa che dici tu
[9:21] dell'efficienza. Poi ci torna anche campati, ci
[9:23] stanno tornando in tanti in questo momento sul fatto che
[9:27] sbrodolano un po troppo i modelli, è una delle polemiche
[9:31] uscite anche su su opus 4 7 che qualcuno si è lamentato che è
[9:36] estremamente verboso. Tra l'altro lo stesso cloud code
[9:41] adesso ha l'adactive thinking. Cioè loro tendono, cioè cercano
[9:45] di proporre un sistema automatico in cui, in base al
[9:48] tipo di domandachetufaimaanchecag.pt ce
[9:51] l'ha da da un po di. Decide quanto quanto thinking
[9:56] fare, perché magari la domanda sembra relativamente
[10:02] superficiale, quindi non vale neanche la pena di star lì a
[10:04] fare ragionamenti eccessivi. Proprio per dare 1 1 sistema
[10:11] automatico che ti che ti migliori l'esperienza.
[10:16] In generale. No, comunque, tornando a.
[10:24] A dipsick quattro, diciamo. Dicevamo che c'è un ci sono
[10:29] delle migliorie interessanti? Interessanti dal punto di vista
[10:33] proprio del dell'algoritmo di come funziona No Stefano?
[10:36] Sì, sì, no. Ci sono allora tante cose
[10:38] interessanti. Intanto cominciamo a dire che è
[10:42] 1,6 trillion. Esatto, modelli giganteschi.
[10:47] Modello assolutamente gigantesco, ma un mixtura of
[10:49] Expert. Adesso cerco i dati, Eh, mi sono
[10:53] fatto un po di appunti per non perdermi i pezzi. 49 billion di
[10:58] parameter attivi a token che sì è un mixtro of Expert, ma
[11:03] abituati a quelli a 345. Insomma è è più grande, i
[11:09] parametri attivi sono più grandi della media di molti modelli che
[11:14] ci sono in giro, almeno tra i tra gli open Waite, diciamo.
[11:19] Quando si pensa no ai modelli che girano in locale?
[11:24] Però ha delle caratteristiche interessanti questa cosa, di
[11:28] essere così fortemente, ehm. Mixture of Expert.
[11:36] Perché qualcuno, nella fattispecie Salvatore
[11:39] Sanfilippo, è quello che ne ha scritto di più per stare in
[11:41] Italia, ha. Iniziato a dire.
[11:45] Attenzione però, perché qui i. È interessante questo modello
[11:50] perché non tutti i pesi sono uguali.
[11:53] Quelli che contano di più sono. Quelli di routing mi pare.
[12:00] E allora posso fare delle quantizzazioni diverse, tanto
[12:03] che su alcuni gruppi di parametri è arrivato a
[12:05] quantizzare Q due, su altri invece negli ATTENUTI Q 8 e
[12:10] questa cosa gli ha permesso di far girare di Psiq V quattro
[12:13] Flash che è un po più piccolo. 284 billion comunque non
[12:17] esattamente è uno scherzo con un milione di.
[12:24] Di di contesto e. L'ha fatto girare sul suo Mac
[12:29] mini o macmini Pro con non mi ricordo quanta RAM tanta ma non
[12:35] mi ricordo quanta sono 628 196 però comunque.
[12:39] Comunque è un risultato, lui dice, con buone performance, ne
[12:44] parla da una settimana su x magari.
[12:48] Sarebbe bello parlarne con lui, vediamo se se ci riusciamo, ma.
[12:56] Perché io ovviamente non avendo un Mac mini e non avendo nemmeno
[12:59] il tempo. Di fare anche questa cosa qua
[13:03] non l'ho provata, però assolutamente è interessante
[13:06] quello che dice, soprattutto perché ha giocato con la
[13:09] quantizzazione a livelli diversi.
[13:12] Su. Diversi.
[13:16] Su diversi layer. Una PES per la massi pipì EE la
[13:21] sta usando in questo senso. Sai cosa mi mi ricorda questo
[13:25] racconto? Mi ricorda un po nell'epoca
[13:27] degli albori degli MP tre, quando noi avevamo vent'anni o
[13:32] meno, in cui c'erano le varie forme di compressione per avere
[13:36] la qualità migliore. Si era partiti da 128, poi è
[13:39] stato 192 e poi ci si è spazi verso il.
[13:44] Bite rating variabile, quindi diverse parti del file erano
[13:48] campionate, con variabilità diversa.
[13:50] E questo approccio di di San Filippo mi ricorda molto questo
[13:53] che ha senso, ovviamente aumenta complessità.
[13:56] Perché fai funzionare il sistema in maniera diversa a seconda di
[14:00] dove ti trovi o di quando ti trovi a se?
[14:04] Ha senso dal punto di vista di un'ingegneria del software?
[14:09] Sì, sì, sì, sono d'accordo, no. E poi è comunque interessante
[14:12] che da questo punto di vista ci sia un interesse anche dal mondo
[14:18] open source e notavamo più che ancora, è una cosa che notavamo
[14:25] che forse metteva Alessio sul piatto un paio di puntate fa.
[14:33] Come parte si stia passando dalla ricerca pura
[14:39] all'ingegneria del software dall'ingegneria in generale, e
[14:42] non è un caso che attori. Attori come anti rezza della
[14:48] Salvatore a San Filippo. Entrino in scena.
[14:53] Lui ovviamente ha un background soprattutto sul CC Plus Plus,
[14:57] notevole in generale sulla programmazione vorrei dire, e?
[15:02] Entra in campo mettendo anche il naso su questo genere di cose
[15:07] che è sì sui modelli, ma è ottimizzazione dell'inferenza
[15:13] per andare a fare diverse. Diverse Quantizzazioni, quindi
[15:18] la. La cosa è interessante da due
[15:20] punti di vista, sia per il risultato che lui ha ottenuto,
[15:24] di cui parla e che è interessante di certo, ma.
[15:29] Ma è interessante anche vedere questo spostarsi di competenze.
[15:34] Ti sei non era non essere dopo la la la parte diciamo di
[15:38] ricerca pura sui modelli ma è l'ingegnerizzazione di
[15:43] facciamoli funzionare con l'hardware che abbiamo.
[15:47] Che torna a far diventare più protagonista il movimento Open
[15:50] source di quanto non potesse essere con il l'open Wait.
[15:55] Perché, parliamoci chiaro, un modello open.
[15:58] Waite, io sono tanto contento che me lo diano e di poterlo
[16:02] installare eccetera eccetera. Però è sempre una cosa un po
[16:05] calata dall'alto, cioè come fai a contribuire a quella roba lì?
[16:08] Non puoi se non sei all'interno di uno dei centri di ricerca che
[16:12] lo rilasciano. Invece, se.
[16:14] Parliamo di ottimizzazione di inferenza piuttosto che di
[16:17] agenti e ottimizzazione degli arnesi.
[16:21] Cioè possiamo, poi parleremo anche di quello.
[16:25] Diventa di nuovo protagonista il mondo open source e noi uso il
[16:31] noi, ma sicuramente io che ci credo forte a.
[16:36] A quanto l'open source sia stato impattante sui sistemi operativi
[16:39] negli anni 90 finale. Fine anni 90 e poi su tutto il
[16:44] resto negli anni 2000. Credo che possa avere un impatto
[16:49] anche da questo punto di vista. Non so se voi avete un.
[16:53] Ma poi c'è anche una platea differente di di persone che
[16:56] possono contribuire a livello della ricerca.
[16:59] Sì, va bene, OK, lo rendiamo open, ma quanti sono in grado
[17:02] di? E.
[17:04] Quali sono le risorse? Anche, oltre a essere in grado,
[17:07] ci vogliono anche le risorse. Cioè se non stai dentro ad un
[17:09] centro di ricerca, bravo, non bravo, competente, non
[17:12] competente, che tu sia quella roba lì non la puoi fare.
[17:15] Se veniamo all'ingegneria del software è diverso.
[17:21] Assolutamente. Se volete io a tal proposito vi
[17:24] posso divagare in direzione del post mortem di CAI in cui hanno
[17:30] pubblicato come mai? Esattamente quello, il punto.
[17:35] Allora qual è il contesto, zia? È uno dei provider che fornisce
[17:41] GLM, il modello che usiamo noi per come che uso io di cui ho
[17:45] fatto un abbonamento annuale, perché costava molto poco ed è
[17:48] dava buoni risultati di buona qualità, a un certo punto ha
[17:53] iniziato a dare i risultati di qualità scarsa.
[17:58] Allucinava, diciamo, usando un termine un po vintage a questo
[18:01] punto, visto che capita sempre meno spesso, ma non solo
[18:04] allucinava, cioè inventava parole mischiava delle cose, era
[18:07] come se si fosse ubriacato o se per chi ha passato abbastanza
[18:11] tempo davanti a uno schermo era come se si fosse corrotta la
[18:13] memoria quando ti escono dei caratteri che non dovrebbero
[18:16] essere lì e non c'è spiegazione come mai siano lì.
[18:20] Internet, reddit nello specifico, ovviamente era
[18:24] infinitamente oltraggiata dal fatto di non ricevere un livello
[18:28] di qualità professionale per i loro 20 $ al mese che pagavano e
[18:33] che dicevano non avrei mai trimestre, altri trimestri non
[18:37] ne avrei mai, non avranno mai più i miei soldi ovviamente,
[18:39] cioè queste robe tipo lei non sa chi sono io, queste scenate qua
[18:42] insomma. E niente, non essendoci una
[18:46] comunicazione trasparente con la gente, sembrava competente.
[18:50] La la tesi era, sono stati un po avidi.
[18:53] Questi DGIO comunque sono stati vittima del loro stesso
[18:57] successo, quindi potevano avere più domanda di quanta potessero
[19:01] servirne. E allora hanno chiuso il
[19:03] rubinetto in nella forma di deploiare i loro modelli in
[19:07] forma super quantizzata. Che ovviamente degrada le
[19:10] performance in termini di qualità.
[19:13] E questo. Ed è questo il risultato.
[19:16] E questa era una tesi che io ho preso per buona, perché non
[19:19] avevo tendenzialmente altri elementi e la gente ci credeva,
[19:23] tant'è che qualcuno pensava che fosse un business che andava a
[19:26] morire quello di CRI, perché la paita non c'era, era
[19:29] interessante, scusatemi. un'altro motivo per cui la gente
[19:32] aveva fatto questa questo presupposizione era perché gli
[19:36] stessi modelli forniti da altri provider, in nello specifico
[19:39] alibaba, funzionano? Molto bene, quindi la gente ti
[19:43] diceva no, lascio perdere, GI sono sono dei taccagni loro
[19:46] falli andare di là funziona bene.
[19:49] E niente. E così siamo stati per un po CI
[19:51] non non si non si prodigava a commentare.
[19:54] Qualche tempo fa è arrivato un commento di qualcuno degli
[19:57] ingegneri di CI che ha detto, Ah, avevamo un bug, provate
[20:00] adesso e le cose dovrebbero essere meglio.
[20:03] Le cose sono meglio ad allora. Quindi la storia diciamo check
[20:06] dal loro punto di vista e avevano promesso un post mortem.
[20:09] Il post mortem è arrivato ieri o l'altro ieri ed è stato a mio
[20:14] avviso più interessante di quanto potevo immaginare.
[20:19] Per molteplici aspetti. Per trasparenza, direi.
[20:23] Sì, è parziale trasparenza, ti direi.
[20:27] E adesso ti dico perché dal dal mio punto di vista da
[20:30] Engineering manager, tendenzialmente persona cinica e
[20:35] poco ottimista nei confronti delle storie che ci siete
[20:38] raccontare. Fondamentalmente hanno dato dei
[20:44] dei dettagli tecnici di molto basso livello, spiegato qual era
[20:47] il problema e quindi dal punto di vista della soddisfazione
[20:50] nerd tecnica hanno spiegato le cose come stavano e è credibile
[20:54] la risposta. Ma è l'apertura, diciamo che
[20:58] trovo lievemente più discutibile, in cui
[21:01] fondamentalmente hanno detto, oh, siamo contenti di
[21:03] condividere con voi la risoluzione di questo problema,
[21:05] che era molto raro e facevamo un po fatica a inseguirlo, non
[21:08] riuscivamo mai a catturarlo. Sì, un paio di palle, nel senso
[21:12] o non lo stavate usando bene o non lo guardavate perché io l'ho
[21:16] io e tutti quegli altri lo beccavamo dopo 5 minuti tutti i
[21:19] giorni, quindi questa è un po la mia critica.
[21:21] Ovviamente lo. Ro devono mantenere una stance
[21:23] ufficiale, quindi se se sei vago sui termini dici rare condizioni
[21:30] cosa significa raro per te o permesso lo è opinabile e quindi
[21:33] va bene quindi quella è un po la mia critica.
[21:35] Però tolta questa facciata di ammettere un a mettere una colpa
[21:39] ma fino a un certo punto, sono arrivati a parlare del punto e
[21:43] per coloro che hanno un background nel software come voi
[21:47] due nello specifico ma magari. Mi viene da pensare San Filippo
[21:51] in questo caso, perché è una cosa vicina a lui anche.
[21:55] Prova ad indovinare qual è la causa principale del problema
[21:59] che avevano. Propagazione di cash, asincrona.
[22:04] Ah, asincrono chi non ha mai avuto un problema con la
[22:06] sincronicità, soprattutto quando devi tenere in conto le
[22:09] operazioni. Cosa vuol dire asincrono?
[22:11] Per chi non ha familiarità, fondamentalmente fare partire
[22:14] delle operazioni concorrenti e non stare sempre sequenzialmente
[22:17] ad aspettare ogni risposta prima di fare un'altra azione per
[22:20] andare più veloci. Decidiamo che posso fare due
[22:23] cose nello stesso momento come nella vita reale.
[22:25] Ogni tanto quando fai due cose nello stesso momento fai un
[22:27] casino e quindi devi avere un po diciamo di autocontrollo per per
[22:31] coordinarti. Ecco.
[22:33] Loro hanno imputato io le cause principali alla cache, alla Kid
[22:37] cash e alla sincronicità di questa cosa per cui c'erano
[22:40] delle condizioni in nel cui caso alcune volte se veniva abortito
[22:44] un'operazione la l'operazione asincrona della cache non era
[22:48] ancora completata e quindi magari l'operazione successiva
[22:51] si trovava a un contesto non suo e da lì usciva il casino.
[22:54] Molto relettable, diciamo, dal punto di vista del software di
[22:57] chi ci ha messo le mani, cioè tutti ci siamo scontrati almeno
[23:00] una volta questa cosa e quindi ci sta.
[23:02] La loro storia è particolarmente credibile, a mio avviso, perché
[23:06] hanno identificato un bug specificatamente in in questo
[23:10] contesto, in uno dei progetti da cui loro dipendono, un progetto
[23:14] OPEN e adesso di cui adesso? Io sto cercando il nome perché
[23:17] l'ho letto stamattina ma non me lo ricordo già +1.
[23:19] Progetto legato è SG Lang che non conosco bene, confesso non
[23:26] so esattamente quale sia il suo ruolo, ma hanno linkato la PR
[23:29] che loro hanno aperto a quel progetto.
[23:31] Quindi ufficialmente c'era un problema, l'hanno riconosciuto
[23:34] nel loro stack, l'hanno fixato e stanno contribuendo all'open
[23:37] source. Quindi tanto di cappello a
[23:38] questo lato qua. Poi che sia questa, tutta tutta
[23:41] tutta la storia, chi lo saprà mai?
[23:43] La maggior parte della storia ha senso ed è interessante dal
[23:47] punto di vista del software. Morale, devi sapere abbastanza a
[23:51] che cosa stai facendo se vuoi fornire un servizio a un grosso
[23:54] pubblico, altrimenti non c'è speranza che puoi chiedere a
[23:56] cloud code di farlo per te e basta.
[24:00] Io non vorrei dirsi pidate, ma S glanghe mi risulta sia tipo il
[24:04] motore di inferenza su cui fanno girare il modello, un po che se
[24:07] fosse il lamas PP. OKOK.
[24:10] Ellelem. Quindi stavamo.
[24:18] Dicendo Quindi tu puoi avere anche il modello migliore del
[24:20] mondo, ma se hai problemi a tenerlo in piedi per a scalare.
[24:26] Scalare su livelli di di concorrenza, di di utilizzo,
[24:32] come quelli che possono avere loro con milioni di persone da
[24:35] tutto il mondo che lo vogliono usare, non è come dirlo.
[24:39] EE non stenta a credere, perché se avete mai provato anche solo
[24:43] a tirare in piedi qualcosa in locale sul vostro computer e già
[24:46] vi siete imbattuti con problemi di performance eccetera,
[24:50] immaginate questa cosa portata a 4 5 livelli di grandezza.
[24:55] Più su, Eh sì, assolutamente. Tornando un secondo invece a dip
[25:02] sick mi chiedevi della attention, di quanto è cambiata
[25:07] l'attention e di parlarne un po allora?
[25:11] Come sempre direi. Come è stato, diciamo a gennaio
[25:15] dell'anno scorso quando è arrivato il primo di psica R
[25:19] uno, se vi ricordate. Primo di psique moment.
[25:25] Il primo di psiq moment Deep sic è più interessante per i paper
[25:29] che per il modello stesso, perché alla fine anche R uno, a
[25:33] parte aver fatto grandi notizie di sé, non è che è stato
[25:37] adottato e su larga scala, anche perché poi sono arrivati tutti
[25:41] gli altri, il coding non era il suo punto forte.
[25:44] È uscito nel momento in cui il coding era in rampa di lancio,
[25:47] eccetera. Sì e no però Stefano sbaglio o
[25:50] era il modello che deploiava per plexity?
[25:57] V 3.1 hanno usato loro, se ricordo bene che quello
[26:00] successivo però sì è comunque un Deep psik, sì, sì, sì, è
[26:04] comunque un Deep sic. Hai ragione su questo, nel.
[26:07] Senso che ha ha dato delle idee su cui poi tutti gli altri hanno
[26:10] sviluppato, diciamo. Ecco, no, sono molto
[26:12] interessanti i paper di Deep psich, perché loro davvero sono
[26:15] molto open. Nella ricerca e nel condividere
[26:19] quello che fanno e. Ricordo velocemente che indip
[26:25] sic R uno, anzi V tre, che poi è la base di R uno.
[26:32] C'erano i meccanismi che non si erano visti ancora di Spark.
[26:38] Fast attention and e su e flash attention che sono.
[26:44] Due modi di avere. Di avere di mettere l'attenzione
[26:48] sui token diversi da come si faceva prima, adesso non li
[26:53] faceva più nessuno come da paper originale attention Isolio need
[26:57] che prende tutto e guarda tutto perché è troppo costoso.
[27:00] Però la sparf flash attention di la Spark Fast attention adesso
[27:06] mi confondo coi nomi di di Psica V tre era molto interessante
[27:11] perché? Riusciva ad avere una attention
[27:14] a multilivello che portava ad avere un contesto.
[27:20] Ampio a livello di concetti, pur costando poco.
[27:23] Adesso entrare nel dettaglio in un podcast diventa complicato e
[27:28] non entrerò troppo nel dettaglio neanche in quella nuova.
[27:31] Però è notevole, è notevole, va Letta, riletta, per chi fa i
[27:36] modelli lo stanno già, le inferenze in particolare.
[27:41] Da quello che so, lo stanno già facendo perché inseriscono il
[27:45] concetto di quel. Che quello che loro chiamano
[27:49] Hybrid attention Architecture. E.
[27:55] Hanno 3, 3 grosse novità, una è quella che chiamano Sliding
[28:03] Windows attention quindi? Praticamente.
[28:10] L'attention è divisa in pagine come se fossero pagine di
[28:12] memoria per chi è 1 1 ingegnere del software.
[28:19] Anziché utilizzare il testo Rho all'interno delle pagine di
[28:24] memoria, usano una product slide in Windows per considerare come
[28:31] le le ultime pagine si sovrappongono tra di loro.
[28:35] Questa cosa permette di concentrare l'attention soltanto
[28:39] su un numero più limitato di token e in
[28:43] ultimaanalisiavereefficienzamaiduepiuinteressantisonoquellichesichiamanocsacompressadesparsattentioneh.ca i evely comprese ad attention.
[28:57] Articamente, loro arrivano a fare un milione di token
[29:00] spendendo il 78% meno. Del della memoria, sì, di
[29:07] potenza di calcolo, non di memoria.
[29:09] Perché? Perché sostanzialmente.
[29:14] Anziché avere una cavi cache piatta quindi chiave valore
[29:19] adesso sto sempre oversemplificando se ci ascolta
[29:22] qualcuno che fa inferenza inorridisce per come la spiego
[29:26] ma per cercare di di spiegarla invece che fare una mappa chiave
[29:31] valore secca con la cavy cash hanno.
[29:35] Fatto hanno fatto sostanzialmente un sistema
[29:37] gerarchico di memoria ad albero, in modo tale da recuperare più
[29:42] velocemente quelle porzioni di cavi cash che sono significative
[29:45] per l'attention di quel momento. Questo livello di compressione
[29:51] viene fatto per pagine di ca di cash.
[29:56] Più o meno grandi a seconda di quanto il contesto è vecchio,
[30:01] quindi la prima che ho detto CSA è di.
[30:06] Diciamo nelle cose non non più nuove ma non troppo vecchie,
[30:11] mentre la IV va nelle cose più vecchie, per cui più il contesto
[30:16] diventa vecchio più comprimo. Allora in sé interessante va
[30:22] vista sul campo, perché? Beh di sicuro a benchmark e a
[30:30] gestione del contesto loro hanno risultati interessanti, io
[30:35] mentre la leggevo. Qualche lampadina del degli
[30:40] impatti che questa cosa può avere mi si è accesa,
[30:45] sicuramente è migliorativa rispetto a una compressione
[30:48] secca della kiv cash. Intuitivamente è come se
[30:53] stessimo dicendo che facciamo attenzione.
[30:56] Attenzioni differenti tra nel guardare le cose che sono appena
[31:00] successe rispetto a quelle che sono successe in.
[31:01] Passato intuitivamente sì, ma se vuoi intuitivamente è più simile
[31:07] al dire che stiamo paginando su disco.
[31:11] Su, se pensi alla RAM, cioè non fai un accesso diretto, ma fai
[31:15] un accesso per indice alle pagine e ricarichi le pagine che
[31:18] ti servono, poi l'attention la fai sulla pagina eh, attenzione.
[31:23] L'attention vera, quella che poi ti porta a decidere il prossimo
[31:27] passo nel layer la fai sul contesto reale, però il recupero
[31:32] del contesto reale invece che scorrerte lo tutto indietro con
[31:35] la Kevin Kasha. Vai a prendere la pagina dove è
[31:39] più altamente probabile che tu trovi quelle informazioni.
[31:44] Ovviamente trattasi di altamente probabile, non di certezza e
[31:47] quindi in questo senso puoi perderti.
[31:50] Alcune informazioni che potevano essere interessanti.
[31:56] Il paper va letto bene, io non ho avuto tempo di approfondirlo
[32:01] fino in fondo, cioè l'ho letto ma una volta diciamo.
[32:06] Però più o meno è questo quello che succede dentro col Paypal e
[32:09] di sicuro verrà in qualche modo adottato, raffinato, sistemato
[32:15] anche da altri, perché risparmiare 78% della potenza di
[32:19] calcolo per gestire la cavi cash è fondamentale.
[32:22] E qui, se volete. Faccio un'altro riaggancio alle
[32:27] interviste che abbiamo nominato, in particolare quella di
[32:30] assabis, perché l'intervistatore è per me è stata illuminante
[32:35] quella cosa lì sentita dire da lui su.
[32:40] Sulle scelte di business più che sulla tecnologia, no.
[32:46] E l'intervistatore gli chiede, Eh.
[32:48] Insomma, state diventando fondamentali, perché adesso
[32:52] tutti i prodotti Google integrano geminai in un modo o
[32:55] nell'altro, avete visto? L'hanno messo in Maps, dentro
[32:58] tutto workspace. E lui dice sì.
[33:01] E poi ci sono tutte le i mode, gli risponde.
[33:05] Per non parlare della della sintesi e i delle ricerche che
[33:11] sono miliardi di chiamate al giorno, quelle robe lì.
[33:15] Perché avendolo integrato nella ricerca che comunque la è la.
[33:19] Cosa più usata? Cioè nel mondo.
[33:22] E lui dice infatti, per noi gli. Negli ultimi mesi la ricerca si
[33:28] è focalizzata tantissimo sulla distillation, perché tutta
[33:32] quella roba che vedete integrata usa flash, non usa pro.
[33:38] Perché flash? Siamo riusciti a far dare delle
[33:40] risposte a flash che sono di altissima qualità spendendo meno
[33:45] di un quindicesimo a livello di potenza di calcolo e per noi era
[33:49] fondamentale, se non avremmo potuto metterla dappertutto.
[33:53] Quindi è è interessante quanto in realtà.
[33:58] E possiamo dire che che open Eye, scusate ma.
[34:05] Open mind stia facendo cose assolutamente di frontiera, ma
[34:09] di una frontiera diversa, cioè la stanno rendendo efficiente ed
[34:14] efficace. Invece che concentrarsi sullo
[34:18] sviluppo ulteriore di Gemina night 3.1.
[34:21] Poi mi sbaglierò, ma visto che ce l'hai OA maggio un geminai
[34:25] quattro lo vediamo arrivare, però questo è solo una mia
[34:30] sensazione. Però è interessante quanto sia
[34:35] necessario da un lato avere sempre risposte sempre migliori
[34:40] per arrivare, e lui ne parla anche per arrivare alle GI
[34:43] vabbè, dopo ne parlo meglio di quell'intervista lì, perché è
[34:47] super interessante. Però però quanto sia importante
[34:51] anche essere efficienti e distribuire il carico il più
[34:55] possibile, anche sull'edge eccetera eccetera eccetera.
[34:58] E di nuovo ingegnerizzazione della della questione.
[35:01] Esatto, è più ingegnerizzazione. Ricerca, pur loro continuando a
[35:05] fare un sacco di ricerca. E no, a me piace anche vedere
[35:10] che tipo tornando ad psik ogni tanto si esce con queste trovate
[35:17] che sono quelle che ti fanno fare, diciamo, lo step, il
[35:20] gradino e poi dopo tutti gli altri, in un modo o nell'altro,
[35:24] raffinano e adottano e. Avremo modelli di nuovo più
[35:30] potenti, utilizzabili su risorse più o meno pari a quelle che
[35:33] erano richieste prime per per modelli più scarsi.
[35:37] E poi c'è un'altra cosa che credo sia interessante da dire.
[35:44] Nominavamo prima la quantizzazione fatta da San
[35:49] Filippo, che è una q due da una parte, una Q 8 dall'altra.
[35:55] Però il Papa dice esplicitamente che il training è stato fatto,
[36:00] è. FP quattro quantitation aware.
[36:05] Che cosa vuol dire quella cosa qua?
[36:06] Vuol dire che quando fate i training.
[36:10] Rappresentate ogni peso dei perceptroni in FP 16,
[36:16] normalmente FP 16 c'è qualcuno che l'ha fatto in FP 8, ma di
[36:19] base si fa FP 16, loro l'hanno fatto FP 16.
[36:24] Però renderle il training FP quattro e ware significa che nel
[36:30] cercare i minimi locali che poi portano al minimo generale del
[36:36] modello perché sempre 1 1 funzione di è la ricerca del
[36:41] minimo di una funzione alla fine a trinare un modello
[36:44] banalizzando un po mai quella roba lì.
[36:48] Dir. Che FP quattro aware significa
[36:50] privilegiare i pesi. Che sono rappresentabili in FP
[36:56] quattro senza troppa compressione rispetto a
[37:00] distribuire molto i pesi su un FP 16.
[37:04] Quindi è come dire, OK, io ho tutta la potenza dell'f P 16, ma
[37:08] cerco di concentrare tutto in alto, in basso, al centro, in
[37:13] una dei dei tagli FP quattro che una quantizzazione potrebbe
[37:17] fare. Già in fase di training questo
[37:21] dovrebbe portare si vede già in altri modelli minimax, ma fatto,
[37:26] se ricordo bene tra i primi era minimax 2.5 l'aver fatto questa
[37:31] scelta. Questa cosa qua porta ad avere
[37:34] delle quantizzazioni che quando sono fatte si fa meno fatica a
[37:37] farle. Quelle di arslot non diventano
[37:40] matti e. E poi il risultato è migliore.
[37:43] Comunque il risultato è migliore perché stai tagliando via meno
[37:47] roba, cioè l'informazione è tutta concentrata a blocchi di
[37:50] FP quattro in qualche modo. Interessante questo.
[37:55] Cresce un po il numero di di pesi totali, quindi è sempre un
[38:02] trade off, però li sono dati a trillion e trillion, per cui.
[38:06] Usa un trilion e sei no. Se ho letto bene?
[38:09] Tempo cosa del genere? E.
[38:13] Poi l'ultima cosa forse interessante del loro paper.
[38:21] No, vabbè, troppo tecnica da spiegare qua, ecco.
[38:26] È come se fanno lo storage della cavy cash per usare la Spark
[38:31] attention che dicevo prima? Ah no?
[38:33] E attenzione, attenzione che. È una cosa di cui discutevamo
[38:39] noi in chat ogni settimana, ma che sono certo che anche qualche
[38:42] ascoltatore potrebbe storcere il naso perché i benchmark non sono
[38:47] entusiasmanti. Però attenzione che i benchmark
[38:50] non sono entusiasmanti. Ma è una preview.
[38:52] Questo qua non è il modello finito, è una preview.
[38:55] Che vuol dire? Che ha fatto?
[38:58] Loro dicono ampiamente meno, che non vuol dire niente, ampiamente
[39:02] meno comunque. Meno del 50% della fase di
[39:06] reinforcement learning. Quindi è un modello riso nega a
[39:11] metà, non so come dirla. Perché hanno fatto probabilmente
[39:17] l'allineamento base per dare risposte, per essere instract
[39:22] tutto. Di sicuro quello instract vuol
[39:24] dire che è capace di conversare, non di prevedere solo il
[39:28] prossimo token. Perché anche questo va.
[39:31] Quando vado a conferenze spesso è una domanda che che viene
[39:35] fuori. Ma adesso i modelli sono
[39:38] conversari. A noi i modelli non sono a
[39:39] conversari. I modelli fanno ancora quello
[39:41] che facevano prima, prevedono il prossimo token o il prossimo
[39:44] blocco di token reforcement learning Human feedback o
[39:49] verificable o reward, che sono le due fasi che si fanno dopo,
[39:53] insegnano al modello a mettere insieme delle risposte, a
[39:57] partire dalla previsione al prossimo token.
[39:59] Questa è la prima fase di reforcement learning.
[40:02] Poi ce n'è una seconda che è quella che gli insegna a fare la
[40:05] stessa cosa, generandogli Dun Token, ovvero il reason in
[40:10] token, anche detti che sono quelli che gli presentano di
[40:12] fare ragionamento. Questa parte è fatta in
[40:15] piccolissima parte sulla preview di Deep psich, quindi io mi
[40:19] aspetto che i benchmark della Final siano molto meglio.
[40:22] Poi non è detto però. Valutami una figura retorica,
[40:27] Stefano, è un po come la differenza che ci passa tra
[40:30] conoscere il vocabolario. L'inglese e sapere parlare
[40:34] l'inglese. Sì, sì, sì, è corretto, è
[40:38] assolutamente corretto. Quello cosa che dici è proprio
[40:42] la la differenzaequellalidellefasirlh.fr
[40:47] LDR. Poi chiamiamolo ora reinforcement learning in realtà
[40:52] è +1 distillazione, ma lasciamo stare il tecnicismo, c'è la fase
[40:56] in cui gli insegni a fare il risoning, che è una fase ancora
[41:00] diversa, che stando nel tuo paragone è come.
[41:04] Non dire cazzate. Esatto, bravo, avrei detto
[41:09] esattamente le le stesse parole. Questo più o meno quello che
[41:17] riesco a raccontarvi. Così a parole del Papa.
[41:20] Però il paper, per chi è tecnico del settore, va letto.
[41:25] Eh, interessante. Di psique, moment numero 2.
[41:30] Si. Ha fatto meno boom, beh.
[41:33] Dipende. Sono crollate del 20% le azioni
[41:36] di invidia oppure no? Perché se non sono crollate non
[41:38] è di sexy cake moment. No, anche perché non dirlo che
[41:44] viene a prenderci Eh la. L'assio di invidia.
[41:49] Di cui prima o poi parleremo anche ci ascolta.
[41:52] Eh Jensen, no. Non facciamo il nome?
[41:55] No, ci ci ci è monitorato. Adesso viene a prenderci,
[42:01] monitora con l'intelligenza artificiale.
[42:02] Tutti quelli che nominano il suo nome ne parlano male.
[42:06] No, non so se avete visto, forse abbiamo già detto, qualche
[42:08] settimana fa è andato in intervista da prima era stato
[42:12] dall'ex Friedman e l'intervista normale, serena eccetera.
[42:17] Poi è andato da darkesh che invece l'ha incalzato molto sul
[42:23] sull'export cinese, sul fatto che i cinesi stanno recuperando
[42:28] terreno, che l'hardware non è più la cosa più importante
[42:32] perché Google sta dimostrando che con le le.
[42:35] Le gli. Con i suoi chip sta andando
[42:39] forte, eccetera. Cazzo, ti sei incazzato.
[42:43] Cioè ha proprio ha cambiato la voce.
[42:45] Non aveva più la solita voce da da.
[42:49] Da key note, come come si definisce, ha cominciato ad
[42:53] alzare la voce a dirgli ma cacchio si può insultare.
[42:55] Invece è pieno di meme su su X di Jensen che che dà il
[43:00] microfono in testa a dark esce queste cose con a dark.
[43:04] Quell'intervista lì va vista solo per quello, perché lui che
[43:07] si incazza e credo notizia unica, perché sempre tutto con
[43:12] punto da bravo. Sio e poi anche culturale, visto
[43:16] che. Asiatico.
[43:21] Dunque, scaletta che ci stiamo già perdendo via.
[43:27] Dai vision banana, vision banana mi piace vision banana.
[43:30] Allora vision banana. Per vedere qualcosa io.
[43:35] Ecco, tu fai vedere qualcosa. Da dove è partita la questione,
[43:39] sostanzialmente Deep sick se n'è uscita con un paper in cui
[43:44] scusa. Deep Deepmind Deepmind.
[43:50] Sei riuscita con un paper, dicendo, portando l'attenzione,
[43:53] il fatto che. I modelli di generazione di
[43:58] immagini di di frontiera come nano banana, sostanzialmente
[44:03] possono essere utilizzati anche come modelli.
[44:07] Per fare vision. Modelli diciamo specifici per
[44:12] fare. Task di Division tipo.
[44:17] Tipo segmentazione tipo. Dep testimation tipo edge
[44:23] detection queste cose qua, no? L'idea non è nuova, cioè già se
[44:29] n'era parlato, però il discorso è che loro sono in una posizione
[44:32] in cui hanno un modello particolarmente forte e possono
[44:34] dimostrare quantomeno. Poter fuori dei claim, ma perché
[44:39] poi non è che il modello è open? Lo possiamo provare tutti a per
[44:42] fare queste cose che il. Risultati che si ottengono sono
[44:47] sostanzialmente a livello dei modelli, diciamo Frontier di
[44:51] segmentazione, data estimation e detection eccetera.
[44:57] Che cosa significa questa cosa? Un attimo spiegata, un attimo in
[45:00] modo più facile. Se pensiamo cosa fanno i modelli
[45:05] di generazione di immagini attuali, noi sostanzialmente
[45:08] partiamo da un'immagine e forniamo un prompt.
[45:14] Oppure partiamo proprio con un prompt testuale, generiamo
[45:16] un'immagine. Però ci sono i modelli di
[45:18] editing ai quali diamo un'immagine, diamo un prompt e
[45:22] otteniamo un'altra immagine. E allora, intuitivamente, il
[45:25] concetto è che nel momento in cui questo prompt esprime il
[45:29] task di vision che noi avremmo voluto fare con un modello
[45:33] dedicato, un modello specifico, possiamo provare ad ottenere la
[45:37] stessa cosa. Per cui un.
[45:41] Tipo Dimmi, trovami le auto in questa immagine?
[45:47] Può utilizzato su un modello di generazione immagine e portarti
[45:51] ad avere una nuova immagine in cui, per dire, le auto sono
[45:54] colorate. Nero di rosso no?
[45:55] Questo che sto facendo vedere secondo me è abbastanza
[45:58] impressionante. Due zuppa con di fianco qualcosa
[46:01] da mangiare due prompt, uno il primo che isola il l'aglio.
[46:10] Il secondo che isola la carne. Cioè esatto sto abbastanza
[46:15] impressionante quindi scusami tu da un modello che non è
[46:18] dedicato. Se hanno imparato a riconoscere
[46:20] le auto, posso contare sul fatto che Google smetterà di rompermi
[46:23] i coglioni con i suoi captcha, di chiedermi qual è il semaforo
[46:25] e qual è? L'automobile.
[46:28] Eh. Grazie questa.
[46:36] Sostanzialmente stiamo passando da dei modelli.
[46:40] Dei modelli di diciamo di vision che ti generano in output
[46:45] sostanzialmente dei delle matrici di numeri che ti dicono
[46:50] la posizione delle immagini in cui tu hai la la cosa che viene
[46:55] diciamo detectived ha. Dei modelli che sono questi
[46:58] modelli di generazione di immagini che sostanzialmente
[47:01] producono un'altra immagine in cui l'informazione, se vuoi, è
[47:04] nei canali del colore e. In quel modo lì le stesse cose
[47:11] che avresti espresso con la matrice dei numeri.
[47:15] Per cui banalmente se stiamo parlando di edge detection tu
[47:20] hai un'immagine in bianco e nero dove di nero hai II bordi della
[47:24] cosa che insomma degli edge se parliamo di depth estimation.
[47:30] Quindi normalmente avreste avuto 1 1 matrice di di numeri che ti
[47:35] dice la distanza dei per ogni pixel, la distanza dalla dalla
[47:38] Camera. Hai un un'immagine in cui hai e
[47:43] scaldi colori differenti e quindi i pixel più chiari sono
[47:46] quelli magari più vicini e quelli più scuri sono quelli più
[47:48] lontani o viceversa? Al tempo stesso potresti avere
[47:54] delle hit map per la la salienza per vedere, per dire Cos'è 1 1
[48:00] parte saliente di un'immagine. È interessante secondo me da due
[48:06] punti di vista, il primo è che in realtà molte applicazioni di
[48:10] modelli di Division. Poi per essere veicolati, cioè
[48:16] per essere utilizzati, prevedono che tu le informazioni che ti
[48:19] hanno dato i modelli di vision le trasformi a loro volta in un
[48:22] qualcosa di in un'immagine visuale che sia interpretabile
[48:25] dall'umano, no? Quindi utilizzare questo
[48:29] direttamente il modello di generazione di immagini per fare
[48:31] questa cosa. Se vuoi ti togli uno step.
[48:34] Ti ti fa già uno step che tu avresti fatto.
[48:36] Scusami, mi hai fatto venire in mente quando vai a vedere le
[48:39] l'Ecografia dei tuoi figli e ti dicono vede, qui si vede il
[48:42] bambino e tu vedi tipo la galassia di andromeda e dici sì,
[48:46] sì, lo vedo, lo vedo. Allora io l'ho trovato
[48:54] interessante, sai, per un'altra cosa anche.
[48:59] Perché fa un po il paio con una cosa che assabis continua a
[49:04] ripetere, non l'intervista che citavo prima, ma l'ho sentito in
[49:08] un'altro intervento quando dice. Che i modelli di generazione in
[49:15] video invece possono essere un buono strumento usati al
[49:20] contrario, cioè dandogli un video impasto per interpretare
[49:24] la fisica. Dal video perché sono capace di
[49:30] di generare qualcosa che sia una fisica credibile se non esatta,
[49:36] ma comunque credibile. Nel video lui più interventi
[49:41] dice, la potenzialità di questi oggetti sta.
[49:46] Rà molto anche nell'uso che potremmo farne, come.
[49:52] Vision. Vision tre DO vision continua
[49:58] lui parla di robotica in in quella situazione, cioè come
[50:01] faccio a far vedere alla robot e a capire che cosa ha intorno?
[50:06] Il reverse Engineering della generazione video così come qua
[50:09] è stato fatto il reverse Engineering della generazione
[50:12] immagini, quindi è in qualche modo visto che comunque
[50:15] generazione immagini e generazione video pur avendo
[50:18] tecniche leggermente diverse eccetera ma sono la nostra
[50:21] famiglia perché per fare un video fai Frame è.
[50:25] In qualche modo una conferma di questa sua teoria.
[50:30] Sì, e poi c'è un discorso di versatilità, nel senso che nel
[50:33] momento in cui un modello di generazione di immagini.
[50:39] Opportunamente prenotato con tipo da.
[50:42] Ta questa immagine ridisegna ma la come mappa di profondità,
[50:45] ridisegnamela colorando gli oggetti di un certo tipo in un
[50:48] certo modo, isolando solo un certo tipo di oggetti, eccetera.
[50:52] Tu hai un modello che è universale, che pose essere
[50:56] usato per segmentazione, per analisi profondità per edge
[50:59] detection per object grounding per insomma tutte queste cose
[51:04] senza doverti preoccupare di averne uno per ogni tipo.
[51:08] Chiaramente c'è un discorso di risorse necessarie per far
[51:13] andare questa cosa, però ci torna.
[51:15] Se vuoi un argomento di prima ci sono.
[51:17] Ci sono i margini di ottienizzazione eccetera.
[51:21] Guarda io trovo super interessante questo che ci hai
[51:23] raccontato EE mi stupisce perché in passato non l'avrei trovato
[51:28] così interessante, non. Non per offendere il tuo campo
[51:32] di interesse, ma relativamente. Ha poco a che fare con la mia
[51:36] quotidianità, ma mi permette di citare il fatto che nell'ultimo
[51:41] mese io e Stefano a parte, quando lui è andato in vacanza a
[51:43] divertirsi e mi ha lasciato col cerino acceso, ci siamo dedicati
[51:46] a una sfida di di robotica, un hackathon di robotica in cui
[51:52] questi aspetti che tu hai descritto sono assolutamente
[51:54] chiave e importanti, a partire dai più banali e vecchi.
[51:58] A questo punto modelli per fare l'algoritmo iolo che identi.
[52:01] Oggetti ti fa unbox intorno, che adesso sono commodities, cioè
[52:06] hai una chiamata, Hai il risultato?
[52:09] Alcuni dei nostri partner di del contest, che sono dei veri
[52:13] ingegneri nell'ambito della robotica, cosa che noi non
[52:15] siamo, hanno invece mostrato come applicare alcuni degli
[52:19] algoritmi più avanzati all'identificazione degli
[52:21] spigoli. Quindi c'era questa macchinina
[52:23] telecomandata, immaginate che andavi in giro con una camera e
[52:26] riconosceva non solo la sedia, ma riconosceva gli spigoli,
[52:29] quindi ne teneva traccia quando ci si avvicinava per non andarci
[52:31] a sbattere, quindi. Cerco di applicazione pratica
[52:34] quando vuoi muoverti nel mondo reale che ti servono ti ti serve
[52:38] avere insomma un aiuto di qualche tipo e quindi nei negli
[52:42] screenshot che ha fatto vedere Stefano, mentre tu raccontavi
[52:45] questa cosa ci rivedevo tantissime applicazioni pratiche
[52:48] del mio mese di esperienza con un robot che andava a sbattere
[52:50] la prima curva nel mio caso. A sbattere la prima curva roba,
[52:54] abbiamo vinto il contest, quindi siamo siamo comunque stati
[52:58] bravi. Abbiamo vinto il contest perché
[53:01] abbiamo contribuito, perché abbiamo l'open source nel
[53:03] sangue. La verità è il motivo per cui
[53:06] abbiamo vinto il contest è che siamo stati estremamente open e
[53:10] educativi per le prossime generazioni di di gente che farà
[53:14] il contact. Anche troppo, penso oggi, se
[53:16] dottore mi ha dato una pastiglia da prendere tutti i giorni.
[53:19] Esatto. Comunque Paolo, mi hai fatto
[53:21] venire in mente una cosa. Qualche decennio fa,
[53:25] all'università, al corso di robotica, mi ero infilato in un.
[53:30] In un progetto? Infilato e poi dopo me ne sono
[53:32] anche tolto. Con estrema velocità in cui si
[53:37] si cercava di fare vision per mandare in giro un robot che
[53:41] aveva un'unica telecamera puntata verso l'alto contro uno
[53:44] specchio, così che potesse vedere tutto quello che c'era
[53:47] attorno. No.
[53:48] Immaginati un'immagine che ti fa vedere tutto quello che hai
[53:51] attorno, ottenuta con questa telecamera che punta verso
[53:53] l'alto. The vaon specchio no, e
[53:57] chiaramente. II pochi algoritmi che
[54:01] esistevano di Enge detection eccetera non ti davano granché
[54:05] perché era 1 1. Trasformazione assolutamente
[54:08] strana. E lo specchio non era
[54:11] esattamente da con una forma normale, diciamo, per cui
[54:16] distorceva in parti nelle varie parti dell'immagine in modo
[54:19] differente, no? E probabilmente.
[54:23] Con diciamo i modelli, ciò che esiste adesso è sarebbe stata
[54:28] una cosa banale e. Avere 1 1 qualche tipo di come
[54:35] dire di tool che è generico abbastanza per cui può fare vari
[54:40] tipi di diciamo di lavorazioni vision contemporaneamente
[54:46] sarebbe stato stupendo. Però, tornando un secondo al
[54:52] nostro di progetto di robotica, ne approfitterei per ricordare
[54:56] al nostro gentile pubblico che abbiamo anche intervistato
[55:00] sull'argomento Simone di somma a gennaio, se volete andare a
[55:04] vedervi la l'intervista è molto interessante per capire anche
[55:09] che cosa fa cyberwave eccetera. Non i maligni stanno pensando
[55:14] che abbiamo vinto il contest perché avevamo intervistato
[55:16] Simone. Però non è così, non.
[55:18] È vero, abbiamo vinto perché c'erano solo altri tre team.
[55:21] Categoria due team e quindi avevamo 33 2 si sono ritirati
[55:25] quindi vabbè ma adesso non stiamo a dire tutti gli Altarini
[55:28] Paolo, perché poi c'era, non non è questo il punto, no?
[55:33] Però. State sufficientemente bravi da
[55:35] resistere fino in fondo e portare a casa il il.
[55:39] Assolutamente sì. E per parlando di interviste è
[55:45] uscita. Mercoledì.
[55:49] L'intervista a Stefano gatti, che era stato già nostro ospite.
[55:52] Vi ricordate? È stato il primo a rompere il
[55:54] ghiaccio nelle puntate con ospiti nella puntata 20.
[55:58] L'ho intervistato invece, per lasciargli lo spazio che merita
[56:02] vista la sua esperienza e la sua vision.
[56:05] Andate a sentirvi l'intervista e soprattutto andate a sentirvela.
[56:08] Perché ho ascoltato i vostri feedback.
[56:11] Perché finalmente qualcuno ci dà dei feedback, non tutti
[56:14] gentilissimi, ma ci danno dei feedback.
[56:17] Dicendo che i video sembravano fatti da un bambino di quattro
[56:21] anni. E ho provato a ad arrivare
[56:23] almeno sei anni se. Se qualcuno vuole dargli
[56:27] un'occhiata mi sono impegnato. Mi impegnerò anche nel montare
[56:30] questo episodio, però diciamo che che ci stiamo provando ad
[56:34] ascoltare i vostri feedback e. Abbiamo anche ingaggiato degli
[56:37] attori per fare gli screen capture delle copertine, giusto?
[56:42] No, quella è intelligenza artificiale e presto anche qua
[56:47] in video metteremo i nostri avatar in modo che siano belli
[56:51] con la faccia tirata, esattamente come quella della
[56:54] tua copertina Paolo. Chi ha avuto un certo seguito,
[56:59] c'è da dire. Eh, ha avuto un grandissimo
[57:01] successo, quindi dovresti dovresti anche valutare di di.
[57:07] Fermano per strada? Sì, sì, ti.
[57:09] Fermano per strada. Attenzione, spero non per darti
[57:12] delle sberle, ma. L'importante è rifivermi per
[57:16] strada. Bene, bene, bene adunque.
[57:22] Dicevamo così, nell'introduzione al volo di.
[57:27] Investimenti che girano li nominiamo soltanto per.
[57:33] Per dirlo qua? Ranta, miliardi di dollari da
[57:37] Google verso antropic interessante per come Google
[57:42] diversifichi i suoi investimenti non soltanto interni ma anche
[57:47] verso una, a che potrebbe sembrare una concorrente e anche
[57:51] in Cina di psiche pare che stia raccogliendo 20 billion da
[57:56] alibaba e anche lì movimenti interni, perché anche alibaba vi
[58:01] ricordiamo che fanno quen come modelli e quindi sono.
[58:05] In qualche modo concorrenti. Così questa quasi una curiosità
[58:12] rispetto ai nostri argomenti. Diciamo due parole sul fatto che
[58:16] a chiudere rucode. Sì, diciamo due parole su quella
[58:20] roba lì che era il mioprossimo.in scaletta prima di
[58:24] parlare di Ermete. Allora?
[58:29] Rue code chi non si ricordasse che cos'è rue code?
[58:34] Era un Fork di Klein code, uno dei primi agenti di coding che
[58:41] io e Alessio abbiamo usato. Storino io e Alessio perché
[58:44] Paolo ci snobbava il tempo sugli agenti.
[58:46] Di no, ho fatto tempo a usare. Salvo dopo entrare completamente
[58:49] nel nel loop e non uscirne. Più no io ero ti vi spiego la
[58:53] storia. Ero taccagno.
[58:54] Stavo cercando un accesso gratis e non lo trovavo e poi quando
[58:57] Google ha dato Gemini gratis l'ho provato.
[59:00] Ah OKOK no Klein era eh, ma anzi Klein è, perché non è Klein che
[59:06] chiude 1 1 agente. Scritto come plugin di VS Code.
[59:12] Ru code era un Fork di Klein per fare le cose.
[59:19] Meglio e per i taccagni anche, nel senso che tendeva ad usare
[59:23] un po meno token perché Klein era abbastanza.
[59:27] Abbastanza un idrovora. Rocco ha avuto molto successo
[59:32] comunque, perché è stato molto open, ha accettato molto i
[59:37] feedback. E molte delle di chi ha usato
[59:43] plug-in di di VS code diretti per avere la gente che non
[59:46] voleva usare diciamo cursor. E ha usato rucode nell'ambiente
[59:52] open. L'autore ha dichiarato, Basta,
[59:56] grazie, arrivederci. Chiudo tutto, se volete
[1:00:00] forcatelo, se non volete forcarlo, fate quello che
[1:00:02] volete, io questo non lo mantengo più.
[1:00:06] Ma non l'ha detto perché si è scocciato.
[1:00:09] L'ha detto con una giustificazione forte nel suo
[1:00:11] blog, che è quella che mi ha colpito, dice, chiudiamo, chiudo
[1:00:16] il rue code perché non sono convinto.
[1:00:20] Più che sia il tempo per gli ID per gli IDE ha dato l'italiana,
[1:00:26] cioè gli editor di codice e Rho code era pensato per girare
[1:00:32] soltanto dentro AVS code. È il tempo degli agenti questa
[1:00:37] cosa. Questa cosa qua non ha più senso
[1:00:38] di esistere, sto solo perdendo tempo, energie, voglio fare
[1:00:41] altro. Che se vuoi si abbina un po a
[1:00:45] quello che abbiamo detto ormai diverse settimane fa del.
[1:00:51] Il diffondersi sempre più delle CLI.
[1:00:55] Diciamo degli agenti che scrivono il codice.
[1:00:59] Eccetera, cioè no. Infatti non sembrava una scusa
[1:01:02] che in qualche modo. Ha rafforzato la mia nostra
[1:01:06] convinzione che abbiamo fatto bene a fare l'ince punto SH,
[1:01:10] andate tutti a sul sito lince punto SH, installate questo
[1:01:15] software fatto da da noi, dal gruppo di risorse artificiali.
[1:01:18] No, però adesso va fuori di battuta.
[1:01:23] Su una cosa per niente pubblicizzata, se non così noi
[1:01:26] nel Podcast in Italia così abbiamo un po di contributo
[1:01:30] orativi, cioè gente che ci sta mandando pure la request su
[1:01:35] questa cosa. E uno è Paolo.
[1:01:37] Ma non è solo Paolo che ha mandato le pool request.
[1:01:42] Ci sono un'altro paio di persone.
[1:01:43] Bah, francamente non non è che me lo aspettassi più di tanto,
[1:01:48] nel senso che io l'ho fatto per me stesso prima di tutto.
[1:01:51] E lo stai amo usando noi. Paolo ha provato, ha
[1:01:54] contribuito, ha messo a posto le cose che gli servivano.
[1:01:58] Però evidentemente c'è un interesse anche da altri o un po
[1:02:01] di commenti in giro, anche per cui se vi va di provarlo,
[1:02:05] provatelo, fate dateci feedback, soprattutto mandate pure la
[1:02:08] request. Io te lo vendo in una maniera
[1:02:11] diversa, se cercate qualcosa che volete lasciare andare avanti
[1:02:14] tutta la notte e trovare la mattina dopo lavoro.
[1:02:16] Del lavoro fatto senza preoccuparvi troppo che abbia
[1:02:20] lanciato i missili nucleari verso la Cina.
[1:02:22] Lince vi offre le funzionalità per avere, diciamo, un po di
[1:02:27] sicurezza, io l'ho letteralmente.
[1:02:29] Dormire bene mentre questa cosa giri?
[1:02:31] L'ho letteralmente usato queste ultime due notti per quei
[1:02:33] progetti che non erano tir uno né tir due di priorità, ma TIR
[1:02:37] tre che non avrei mai guardato. Gli ho detto, Senti, ma che me
[1:02:40] ne frega? Fallo stanotte, domani mattina
[1:02:41] vediamo cosa trovo Eh, per ora ha funzionato bene, ovviamente a
[1:02:46] seconda di quello che fate poi dovete guardare proprio a
[1:02:49] livello di di workflow, no? A livello di cose, file, codice
[1:02:51] alcune cose volete controllare come sono andate?
[1:02:54] Ma se avete spezzettato il lavoro per bene con tecniche di
[1:02:57] come si chiama spectriven piuttosto che backlog che è il
[1:03:02] mio go to workflow funziona molto bene e a breve lo
[1:03:05] promuoverò ad altri se riesco a far convincere Stefano a
[1:03:08] cambiare alcune cose che odio. Ma se cos'ho dì, ma mi convinci
[1:03:14] di sicuro. Te lo dico dopo, dai, adesso
[1:03:18] facciamo un po di di maretta. Noi non siamo scriptati, non non
[1:03:21] siamo tutti sempre amici. Poi intanto ci prendiamo, ci
[1:03:23] sputiamo quelle cose così. Sì, sì, sì, quello sicuramente
[1:03:27] e. Beh, per l'uso che dice Paolo
[1:03:31] tra l'altro basta la componente sandbox, non vi serve tutta la
[1:03:36] dashboard? Che che.
[1:03:42] La dashboard esistono due componenti in linch, una la
[1:03:45] dashboard che vi serve per lavorare con agenti multipli
[1:03:48] nella stessa finestra e uno è la sandbox che invece vi permette
[1:03:52] di farlo girare anche di notte senza preoccuparvene troppo,
[1:03:55] tant'è che è un caso d'uso interessante, tant'è che ieri
[1:03:59] sera non ho ancora finito un motivo per cui non c'è ancora
[1:04:02] pole request stavo. Integrando come uno degli agenti
[1:04:07] nativi PI? P, che è un piccolo arnese
[1:04:13] alternativo a open code, diciamo un open source minimale.
[1:04:20] E lo integravo più che altro perché su pie è stato fatto uno
[1:04:24] sviluppo da quelli di shopify che si chiama Pia autoresearch
[1:04:30] per usare la modalità autoresearch di carpati che ha
[1:04:34] proprio la caratteristica di girare di notte, cioè tre,
[1:04:37] volevo provarla dentro alla mia sandbox o comunque dentro a
[1:04:41] lince. Ma nel frattempo però mi sono
[1:04:46] distratto. Vai ultimo argomento che si
[1:04:48] collega e ci. Siamo ho installato.
[1:04:53] Hermes agent Hermes agent, per chi non se lo ricorda, è
[1:04:58] un'alternativa a openclow. Perché ho installato quello e
[1:05:03] non openclow? Perché mi piace fare il diverso?
[1:05:05] Sempre Linux invece di Windows o di Mac eccetera.
[1:05:12] E no, sostanzialmente perché c'è più attenzione alla sicurezza
[1:05:16] oltre al fatto che non è di open AI ma.
[1:05:20] È indipendente, è un progetto open source fatto da gente che
[1:05:24] viene dalla blockchain, quindi con un'attenzione forte alla
[1:05:28] sicurezza. E l'ho messo su una vecchio
[1:05:33] computer che avevo, ho valutato anche di metterlo su un
[1:05:36] Raspberry perché ho letto di gente che lo fa.
[1:05:40] Però meglio p 5 con 8 Giga io non ce l'avevo libero ce l'ho ma
[1:05:45] sto facendo altro su un p quattro e quindi non vabbè
[1:05:49] niente. Avevo lì un computer che non
[1:05:50] faceva niente. Ho detto Eh sarà meglio questo
[1:05:52] comunque che non è arma. Mi sono installato un Ubuntu
[1:05:56] nuda. Così non devo sandboxare niente,
[1:06:00] già c'è solo lui dentro lì e gli sto facendo fare un po di cose.
[1:06:06] Con soddisfazione TI. Po.
[1:06:11] Guardare come va il podcast invece che guardarlo io in
[1:06:16] maniera compulsiva sull'interfaccia di Youtube ogni
[1:06:20] ogni qualche ora. Mi dici come stanno andando le
[1:06:23] cose? Che cosa sta andando bene?
[1:06:25] Sta andando male? Gli EB test quelle cose qua.
[1:06:30] Poi gli ho configurato la mail. Attenzione, panico.
[1:06:33] Paura che serpeggia tra tutti pensando a quella di meta che
[1:06:38] aveva cancellato tutta la inbox, che non era vero.
[1:06:44] Lo ribadisco, è una panzana quella lì, perché io non ci
[1:06:47] credo assolutamente, non tanto che lei non l'abbia fatto, ma
[1:06:50] che lei è responsabile della sicurezza di meta.
[1:06:53] L'abbia fatto, l'abbia pubblicato su tutti i social e
[1:06:56] Zuckerberg non l'abbia licenziata.
[1:06:59] È l'ultima parte che non mi torna.
[1:07:01] Cioè l'avrebbe licenziata? Sicuramente se fosse stato vero.
[1:07:05] Invece era una cosa concordata per far parlare male di open
[1:07:08] cloud. No, ho configurato la mail però
[1:07:13] appunto è attento alla sicurezza ed è sveglio.
[1:07:17] Io uso GLM 5.1 come modello e gli ho detto no, no, no.
[1:07:21] Stai attento alla sicurezza, modelle cinesi sono i più
[1:07:23] sicuri, i. Modelli cinesi sono i più
[1:07:25] sicuri? Assolutamente no.
[1:07:30] Gli ho detto, tabuono lì, va bene la mail, però non voglio
[1:07:34] che tu ne cancelli, ne spedisci ne fai queste cose qua?
[1:07:38] Sì, me lo segno, no, me lo segno.
[1:07:40] Aspetta. Me lo segno, segnatelo pure,
[1:07:43] però non è. Abbastanza, me lo segno va bene,
[1:07:45] però aspetta un attimo che scriptusi per fare queste cose
[1:07:49] con la meglio. Sì, uso quello lì di scrivere
[1:07:51] eccetera no, va bene, prendiamo lo script, non modifichiamogli e
[1:07:55] zappiamo via del tutto Sand e gli zappiamo via del tutto
[1:07:59] delate, cioè non ce l'hai più quelle funzioni lì?
[1:08:03] Eh sì, va bene, e dopo lui è stato bravo perché mi ha detto
[1:08:06] sì, però guarda che se io volessi mi tiro su un ci URL e
[1:08:11] poi cerco di cancellarti la. Stesso gli ha detto, sì, ma io
[1:08:14] non ti ho dato l'account. L'account, eccetera.
[1:08:18] Sì, alla fine hai ragione, ci siamo messi d'accordo e abbiamo
[1:08:22] e abbiamo questa versione cattive.
[1:08:26] Abbiamo questa versione moncata dagli script, che è una cosa che
[1:08:29] in generale Consiglio, Eh? Cioè attenzione, ad esempio
[1:08:33] adesso gli ho creato la. Token su github.
[1:08:39] Per creare le issue, guardar le issue, eccetera eccetera, ma ho
[1:08:43] fatto un fingraned token in cui gli ho dato solo i permessi
[1:08:48] precisi delle cose che volevo che facesse, cioè non può fare
[1:08:52] delete, non può pushare su main, non può fare queste cose qua
[1:08:57] quindi. Quindi.
[1:08:59] Se volete è uno strumento potente, molto comodo.
[1:09:04] Cioè voi ci accedete io adesso con Telegram, perché è la cosa
[1:09:07] più comoda che ho, perché ce l'ho sia sul PC che sul
[1:09:09] telefono, ma lui fa cose schedulate, fa cose ricorrenti,
[1:09:15] divento proattivo, sta gestendo il mio calendario, per esempio,
[1:09:19] ad esempio c'era una cosa da fare sulle cose di github che
[1:09:22] lui non poteva, perché non hai? Per me ha insegnato, guarda che
[1:09:24] io questa cosa non le posso fare.
[1:09:27] Ti ho creato il piano delle cose che vuoi fare.
[1:09:30] Come faccio a ricordarcelo? Gli ho detto, Cercami un buco
[1:09:32] sul calendario e lui mi ha detto, Guarda, avresti un
[1:09:35] buchetto di mezz'ora, alle 12 ti faccio un evento.
[1:09:38] Sì, Fammi un evento. Mi ha creato l'evento con tutta
[1:09:41] la descrizione di quello che devo fare.
[1:09:45] È uno strumento oggettivamente potente, un po additive come
[1:09:49] potete immaginare. Però è potente.
[1:09:53] Un'altra cosa che per cui lo sto usando è monitorare i paper.
[1:09:57] Su. Archive.
[1:09:59] E crearmi l'embox che poi diventerà uno dei miei wiki
[1:10:04] Carpati wiki quindi mi sta risparmiando quella cosa che
[1:10:09] facevo quasi a mano. Ci avevo un paio di script ma
[1:10:12] facevo quasi a mano di vedere che Pepper sono usciti, vedere
[1:10:15] quali erano interessanti rispetto ai miei interessi.
[1:10:19] Lui invece fa un bel lavoro, mi fa un pre-filtering per
[1:10:22] interessi non buttando via niente, lasciandomi da un'altra
[1:10:27] parte tutti quelli che non è riuscito a classificare per mia
[1:10:31] eventuale revisione, e poi mi mette questi link dentro a Il
[1:10:36] inbox dei vari carpati wiki degli argomenti che che seguo e
[1:10:41] che voglio collegare tra loro. Cioè fa tutta una serie di cose.
[1:10:48] Ricorrenti mai. Ma ma avendo il vantaggio di
[1:10:52] avere un LM dietro, quindi le mail non me le filtra solo per
[1:10:57] tag, ma me le filtro per tag. Poi va a leggerle, capisce se
[1:11:01] una di queste mail ha bisogno della mia attenzione, me lo dice
[1:11:04] o se è soltanto pubblicità o soltanto una newsletter,
[1:11:07] eccetera. Me la mette in un'altro elenco e
[1:11:09] mi dice, Guarda, hai queste newsletter.
[1:11:10] Se le vuoi leggere più o meno questi sono gli argomenti.
[1:11:15] E invece se c'è uno che mi ha scritto qualcosa che vuole una
[1:11:18] risposta dice questo qua vorrebbe una risposta e io gli
[1:11:22] ho detto che non può mandare niente quindi non manda niente
[1:11:26] ma gli ho detto che può crearmi draft e quindi mi crea un draft
[1:11:29] della risposta che io poi mi trovo in Gmail, vado là e a
[1:11:33] partire dal draft poi la scrivo io alla fine perché magari manca
[1:11:37] un pezzo così, ma almeno già il contesto, già le cose pronte.
[1:11:43] È in assoluto. Allora io avevo già provato
[1:11:47] openclove, vi ricordate quando era molto immaturo?
[1:11:51] Openclow sicuramente sarà a questo livello, o meglio anche
[1:11:54] per certi versi, magari per altri peggio tipo la sicurezza,
[1:12:00] perché qua sono veramente non perché opencloe non sia sicuro
[1:12:03] adesso è sicuro che open quello alla fine, però qua sono molto
[1:12:06] attenti, cioè sono quasi. Esagerati su certe cose, nel
[1:12:11] senso che ti stira su un docker container ogni volta che devono
[1:12:15] devono far girare uno script per evitare di far danni.
[1:12:22] È la cosa più futuristica, futuribile.
[1:12:27] Da un punto di vista dell'utente non tecnico finale che ho visto,
[1:12:33] perché pensare che hai una roba che ti gestisce l'agenda e che
[1:12:37] gli dici trovami un buco e te lo trova?
[1:12:41] Secondo me per l'utente non non me che magari lo facevo già con
[1:12:47] con cloud code con l'mcp giusto OO con la CLI giusta.
[1:12:54] Non sostituisce gli strumenti di coding, anche se lui.
[1:12:59] Può ti chiede se vuoi installarti cloud code o codex
[1:13:02] perché può spannare su cloud code codex quando gli dà i
[1:13:06] compiti di Coding. Però io quella roba lì al
[1:13:09] momento non lo sto facendo, sto valutando di fargli fare le code
[1:13:13] review, quello sì. Perché accorgendosi di tutte le
[1:13:18] PR che arrivano, è capace a una skill per fare le code review e
[1:13:22] mettere i commenti quando sto pensando di farlo almeno come
[1:13:26] esperimento su lince. Questo è il mio racconto, Eh, lo
[1:13:32] so, l'ho raccontata apposta perché ho detto così.
[1:13:35] Paolo sa cosa fare a lui che. Come se non l'avesse avuto
[1:13:39] nient'altro. No grazie adesso.
[1:13:46] Spero aver fatto aver voglia anche a qualcun altro e spero
[1:13:49] che lascino tanti buchi aperti che io possa sfruttare.
[1:13:53] Sto scherzando, ovviamente. Va bene, va bene.
[1:14:00] Bene. Senti fagli fare una cosa fagli
[1:14:03] ci stavo pensando prima fagli scaricare i nostri episodi
[1:14:06] prendere il transcrit e aggiungere i link che noi non
[1:14:09] aggiungiamo mai fagli fare quello?
[1:14:13] In realtà la skill nuova con cui pubblico gli episodi lo fa già,
[1:14:18] poi. Poi il link non non li mettiamo,
[1:14:23] dovremmo metterli, però i link li tira fuori, me li propone
[1:14:27] solo che mi dice di metterli in un commento, poi dopo mi
[1:14:29] dimentico eccetera eccetera. E vabbè, purtroppo c'è ce l'ha
[1:14:35] la mia umanità. Bene, salutiamo tutti.
[1:14:41] Mettete stelline e campanelline che Claude mi conferma che è
[1:14:45] giusto che lo dica alla fine per non sembrare piacione e.
[1:14:50] Di trovare la testa di email che sta usando Ermes di Stefano e
[1:14:55] spammateglielo se trovate. Spammatemelo purtroppo lo
[1:14:59] trovano, però non fatelo gentilmente perché?
[1:15:04] Perché? Otterrete una reazione uguale e
[1:15:06] contraria di. Di enorme misura, in perfetto
[1:15:10] stile tram. Va bene, d'accordo, che cazzata.
[1:15:15] Ciao Ciao.

Shows are listed from Apple Podcasts' charts and directory, and Podcast Index where it is used. Every show and episode belongs to its publisher and plays from the publisher's own feed; this site hosts none of them.