Puntata 26 di EM, sesta del ciclo Estrattivismo dei Dati, parliamo di intelligenza artificiale, università, conoscenza e infrastrutture. Nella prima parte ospitiamo un rappresentante dell’Osservatorio collaborativo Artificial Intelligence e Digital Humanities, Andrea Bolioli, per presentare l'osservatorio appena nato e discutere di ricerca, open source, alfabetizzazione critica e del ruolo delle Digital Humanities in un ecosistema sempre più dominato dall’hype tecnologico. Nella seconda parte parliamo della lettera aperta contro l’adozione acritica dell’IA nella scuola e nell’università: formazione o addestramento? Pensiero o dipendenza? Conoscenza o automazione del sapere? Con noi Maria Chiara Pievatolo, Ordinaria di Filosofia Politica a Scienze Politiche, Università di Pisa. Una puntata su ciò che l’IA sta trasformando davvero: non solo tecnologia, ma il rapporto tra esseri umani, conoscenza e potere.  

La fallacia del “modello linguistico” sarebbe rimasta confinata nel mondo della matematica astratta se le multinazionali della Silicon Valley non avessero un bisogno disperato di ripagare, almeno in parte, gli enormi investimenti fatti al buio nell’intelligenza artificiale. Il mercato non ripaga: le grasse commesse pubbliche, meglio se militari, sì. Con esiti fatali, come dimostra il bombardamento della scuola Minab, in Iran, a fine febbraio “È la generazione, attraverso modelli, di un reale privo di origine o di realtà: un iper reale. Il territorio non precede più la mappa, né le sopravvive. È tuttavia la mappa che precede il territorio -la precessione dei simulacri- a generare il territorio”, Jean Baudrillard, “Simulacres et Simulation”, 1981. [...] Dopo lo sversamento all’esterno dei laboratori di ricerca dei modelli linguistici seguito al lancio di ChatGPT, informatica e politica sembrano preda di un pensiero molto simile a quello dei cartografi del racconto di Borges. La sana fiducia nell’utilità di modelli matematici per predire il comportamento del mondo fisico si è tramutata in fede cieca e assoluta. Secondo le imprese della Silicon Valley (e i loro protettori alla Casa Bianca) dovremmo prendere questi modelli a nostra “mappa del mondo”, per orientarci nel prendere decisioni importanti, soprattutto in emergenza. Leggi l'articolo di Stefano Borroni Barale

di jolek78 Era un venerdì sera qualsiasi. Il pacco era arrivato dal corriere quella mattina, ma io l’avevo aperto solo dopo cena, con quella cerimonia silenziosa che faccio ogni volta che arriva dell’hardware nuovo – come se aprire una scatola velocemente fosse una forma di mancanza di rispetto nei confronti dell’oggetto. Dentro c’era un HUNSN 4K. Piccolo, quasi ridicolmente piccolo. Un

Un LLM smontato pezzo per pezzo. Tokenizzazione, embeddings, attention, hallucinations. Ollama in locale, zero fuffa. la maggior parte degli articoli che descrivono il funzionamento degli LLM (large Language Model) sono poco attendibili. "L'AI capisce il contesto." "I neuroni si attivano come nel cervello." "Il modello ragiona." Metafore colorate, infografiche carine con le frecce, zero formule, zero codice, zero esperimenti. Gente che spiega cose che non capisce, usando parole che non significano quello che pensano. Una catena di pappagalli che scrivono articoli sui pappagalli. Allora lo ha scritto Andrea Amani aka The Pirate un articolo che spiega gli LLM. Ha smontato la macchina pezzo per pezzo. "Ho Ollama sul Mac con una decina di modelli. Scelgo il più piccolo: llama3.1:8b, 8 miliardi di parametri, 4.9 gigabyte su disco. Il più facile da maneggiare senza sbatti, e tanto l'architettura è identica per tutti: che siano 8 miliardi o 405 miliardi, il meccanismo è lo stesso. Cambiano le dimensioni delle matrici, non come funziona la macchina. Lo apro dal terminale, guardo i byte, e seguo il percorso completo: dal testo che entra al testo che esce. Ogni passaggio, ogni formula, ogni decisione matematica. Niente metafore del cervello. Niente fuffa. Se vuoi capire come funziona una cosa, la smonti. Non leggi chi ne scrive. " leggi l'articolo sul sito di The Pirate

Da un po’ di tempo stiamo provando a fare chiarezza sui temi della data science — abbiamo anche scritto un libello. Ultimamente, vista la confusione crescente, ci stiamo concentrando molto sui LLM (Large Language Model). Cerco di raccontare quello che so, quello che sto studiando, e quello che ho capito […] L'articolo Come ti riconosco un LLM in 7 personaggi su Contropiano.