Actualités

Il glossario AI è uno strumento operativo per comprendere il mercato dell'intelligenza artificiale, valutare le promesse delle startup e capire cosa c'è dietro una soluzione tecnologica. Le definizioni sono pensate per founder, manager, product team, investitori e professionisti che lavorano con l'innovazione digitale. Il glossario sarà aggiornato continuamente per riflettere i cambiamenti nel lessico dell'AI.

Il team di Alibaba Qwen ha rilasciato la serie di modelli Qwen 3.5, che segna un cambio di approccio nel sviluppo di modelli di linguaggio, prioritizzando l'efficienza architettonica e la qualità dei dati rispetto alla scala. La serie include quattro modelli, ognuno con caratteristiche uniche, e dimostra che l'intelligenza artificiale può essere raggiunta con modelli più piccoli e più efficienti. I modelli Qwen 3.5 sono progettati per essere utilizzati in scenari di produzione e offrono prestazioni di alto livello con requisiti di calcolo ridotti.

Un agente ReAct è un agente AI che utilizza il framework "reasoning and acting" per combinare il ragionamento con l'uso di strumenti esterni. Il framework ReAct migliora la capacità di un modello linguistico di grandi dimensioni di gestire attività complesse e processo-decisionale in workflow agentici. Gli agenti ReAct continuano a fornire energia alle applicazioni AI che possono pianificare, eseguire e adattarsi autonomamente a circostanze impreviste.

I sistemi di intelligenza artificiale 'Agentic AI' sembrano impressionanti nelle demo, ma poi falliscono completamente nell'uso reale a causa di problemi di utilizzo degli strumenti, pianificazione a lungo termine debole e scarsa generalizzazione. Un recente articolo di ricerca di Stanford e Harvard propone una visione unificata di come questi sistemi dovrebbero adattarsi e mappa i metodi esistenti in un framework compatto e definito matematicamente. L'articolo modella un sistema di intelligenza artificiale 'Agentic AI' come un modello di base con 3 componenti chiave: un modulo di pianificazione, un modulo di utilizzo degli strumenti e un modulo di memoria.

I sistemi di intelligenza artificiale "agentic" sembrano impressionanti nelle demo, ma spesso falliscono nell'uso reale. Un nuovo studio condotto da ricercatori di Stanford e Harvard cerca di spiegare il motivo dietro questo fenomeno. I risultati dello studio offrono approfondimenti preziosi per migliorare la progettazione e lo sviluppo di sistemi di IA più efficaci.

Google ha reso "Agent Skill Super Toolbox" open source, consentendo agli sviluppatore di usufruire di strumenti avanzati per la creazione di agenti intelligenti. La piattaforma include una biblioteca di skill per Google Cloud, che consente agli agenti di apprendere nuove capacità e conoscenze. Gli sviluppatori possono ora utilizzare queste risorse per creare applicazioni più avanzate e ottimizzate.

I sistemi di intelligenza artificiale agente spesso sembrano impressionanti nelle dimostrazioni, ma poi falliscono completamente nell'uso reale. Un nuovo studio propone una visione unificata di come questi sistemi debbano adattarsi. Gli autori del paper "Adaptation of Agentic AI" di Stanford, Harvard, UC Berkeley e Caltech presentano un quadro matematicamente definito per la creazione di sistemi di intelligenza artificiale agente più efficaci.

Le città intelligenti utilizzano la tecnologia e i dati per migliorare la qualità della vita dei cittadini. L'intelligenza artificiale gioca un ruolo fondamentale in questo contesto, migliorando la gestione del traffico, la conservazione dell'ambiente e la sanità pubblica. Le startup lavorano per sviluppare soluzioni innovative per le città intelligenti.

l'intelligenza artificiale quantistica è una tecnologia in rapida evoluzione che sta cambiando il mondo dei computer. Questa tecnologia combina l'intelligenza artificiale classica con i principi della meccanica quantistica, consentendo calcoli più veloci e potenti. Le applicazioni dell'intelligenza artificiale quantistica sono numerose e includono la crittografia, l'ottimizzazione di processi e la simulazione di sistemi complessi.

UPDATED 13:00 EDT / FEBRUARY 06 2026 AI Augment Code makes its semantic coding capability available for any AI agent by Kyt Dotson SHARE Augment Computing Inc. , the maker of an agentic artificial intelligence coding tool for developers, today announced the launch of Model Context Protocol support f

Questa guida illustra come installare ed eseguire modelli linguistici di grandi dimensioni (LLM) direttamente sul proprio PC o Mac, eliminando la dipendenza dai servizi cloud. L'installazione locale offre vantaggi significativi come maggiore privacy dei dati, autonomia operativa senza connessione internet e un potenziale risparmio sui costi a lungo termine. Permette inoltre una profonda personalizzazione e il controllo completo sull'intelligenza artificiale, rendendola accessibile a un pubblico più ampio.

Google ha annunciato l'apertura della sua vasta knowledge base agli sviluppatori di intelligenza artificiale. Questa iniziativa mira a fornire un accesso senza precedenti a dati strutturati e relazioni semantiche, accelerando lo sviluppo di applicazioni AI più intelligenti e contestualmente consapevoli. La mossa rafforza la posizione di Google nell'ecosistema AI, democratizzando l'accesso a risorse critiche per l'innovazione.

Thoughtworks ha pubblicato la 33ª edizione del suo Technology Radar, sottolineando la rapida evoluzione dell'assistenza AI nelle aziende moderne per il 2025. Il rapporto evidenzia una crescente consolidazione tramite il "Context Engineering", nuovi protocolli come MCP e l'aumento dei sistemi basati su agenti, pur avvertendo sui requisiti infrastrutturali e sui crescenti anti-pattern legati all'AI. Il successo dell'AI, secondo Thoughtworks, dipenderà dalla diligenza e dall'attenzione ai dettagli.

Un modello linguistico di grandi dimensioni (LLM) è un'intelligenza artificiale addestrata a comprendere e generare il linguaggio umano, basandosi su enormi quantità di dati e miliardi di parametri. Utilizzando architetture come i Transformer, questi sistemi predicono la parola successiva per produrre testi coerenti, sebbene non "comprendano" nel senso umano del termine. Gli LLM, come ChatGPT, trovano applicazione in svariati ambiti, dai chatbot alla creazione di contenuti, ma presentano limiti come la possibilità di generare informazioni errate e non sostituiscono il pensiero umano.

L'ingegneria Harness è emersa per mitigare il calo di prestazioni dei modelli linguistici di grandi dimensioni (LLM) in contesti lunghi, attraverso tecniche che vanno dalla RAG alla gestione del contesto. Tuttavia, una recente ricerca di Gleb Rodionov suggerisce che la causa principale non sia l'incapacità di trovare informazioni o la complessità, ma una "pigrizia" intrinseca del modello che porta a una riduzione intenzionale del ragionamento. Questa scoperta solleva dubbi sull'efficacia a lungo termine degli attuali approcci di Harness.

Questo tutorial di IBM illustra come implementare il pattern "Human-in-the-Loop" (HITL) come meccanismo di feedback per un sistema di agenti AI. L'agente, costruito con LangGraph e watsonx.ai utilizzando il modello IBM Granite, è specializzato nella ricerca di brevetti tramite l'API Google Patents di SerpAPI. L'approccio HITL garantisce precisione e affidabilità integrando l'intervento umano nel flusso di lavoro dell'IA per la supervisione e la guida decisionale.

L'intersezione tra criptovalute (Crypto) e intelligenza artificiale (AI) sta emergendo come una delle frontiere tecnologiche più promettenti, con l'emergere di nuovi protocolli e piattaforme che combinano il meglio di entrambi i mondi. Questo "Punto di Convergenza Maggiore" (MCP) potrebbe sbloccare un'era di applicazioni decentralizzate più intelligenti, sicure e autonome, rivoluzionando settori che vanno dalla finanza alla gestione dei dati. La sinergia tra la trasparenza e la sicurezza della blockchain e le capacità analitiche e predittive dell'AI promette un futuro digitale più efficiente ed equo.

L'articolo esplora il concetto di "vibe coding", dove gli sviluppatori sfruttano l'IA per orchestrare strumenti e agenti, accelerando la creazione di software. Presenta una selezione di piattaforme leader che fungono da co-costruttori, amplificando la creatività e la produttività. Tra queste spiccano Replit, Windsurf, Cursor e Bolt, ognuna offrendo funzionalità avanzate per la generazione, il refactoring e il deployment del codice.

I Large Language Models (LLM) sono diventati il fulcro dello sviluppo dell'IA generativa, trasformando applicazioni dai chatbot complessi ai workflow automatizzati. Questa evoluzione costante rende difficile stilare una lista completa, ma il panorama attuale si divide principalmente tra modelli a sorgente chiusa, disponibili commercialmente, e modelli aperti, accessibili gratuitamente. L'articolo esplora alcuni dei LLM più noti e potenti di entrambe le categorie, evidenziando le loro caratteristiche e il loro impatto.

L'analisi dei dati nell'industria automobilistica può beneficiare enormemente dai Large Language Models (LLM), ma il loro impiego richiede attenzione alla compliance e alla gestione dei dati interni. La combinazione di LLM con le Insight Engine attraverso la tecnologia Retrieval Augmented Generation (RAG) permette di superare le sfide legate all'elaborazione di informazioni aziendali, fornendo risposte accurate e basate su dati interni verificati. Questa sinergia consente di creare viste a 360 gradi complete e di migliorare processi come la manutenzione predittiva e il controllo qualità tecnico, garantendo efficienza e vantaggi competitivi.