Actualités

DeepSpeed è una libreria di ottimizzazione open-source sviluppata da Microsoft per l'addestramento e l'inferenza di modelli di deep learning di grandi dimensioni, in particolare i modelli linguistici (LLM). Affronta le sfide legate all'elevato consumo di memoria e ai costi computazionali, rendendo possibile l'addestramento di modelli con miliardi o trilioni di parametri. Grazie a funzionalità come ZeRO, DeepSpeed consente agli sviluppatori di spingere i limiti delle capacità dell'intelligenza artificiale con maggiore efficienza e scalabilità.

L'interesse per l'IA generativa, stimolato da servizi come ChatGPT, sta portando all'integrazione di questi strumenti in quasi ogni applicazione aziendale. Questo articolo delinea le otto categorie chiave di strumenti di IA generativa per il 2024, coprendo dai modelli fondamentali alle soluzioni per l'ottimizzazione dei costi, evidenziando come supportino lo sviluppo e l'applicazione responsabile dell'intelligenza artificiale oltre i soli grandi modelli linguistici (LLM). Include una panoramica dei principali fornitori e delle implementazioni open source per ciascuna categoria, sottolineando l'importanza di una strategia integrata.

Un innovativo strumento di supporto alle decisioni cliniche basato sull'intelligenza artificiale e su un modello linguistico di grandi dimensioni (LLM), sviluppato con il contributo del Land Assia, ha ottenuto la certificazione come dispositivo medico di Classe IIb per l'Unione Europea. Questo "co-pilota medico" fornisce raccomandazioni precise ed evidenziate per la diagnosi e la terapia, elaborando input in linguaggio naturale e generando risposte validate da fonti mediche specifiche. La sua certificazione segna un passo significativo per l'integrazione sicura e regolamentata dell'IA nel settore sanitario europeo.

Microsoft Research ha avvertito che il Model Context Protocol (MCP), sebbene promettente per l'integrazione tra sistemi AI, presenta significative debolezze, specialmente quando più agenti e server MCP operano simultaneamente. Questa limitazione porta a "interferenze nello spazio degli strumenti", che possono ostacolare la collaborazione efficiente tra agenti eterogenei e rallentare il progresso dell'IA, nonostante la rapida diffusione di MCP in vari servizi. La ricerca evidenzia che i server MCP attuali non si adattano ai diversi client e che un aumento degli strumenti può diminuire l'accuratezza dei modelli.

In un'epoca in cui l'intelligenza artificiale rivoluziona il panorama aziendale, gli agenti IA stanno ridefinendo le operazioni e la competitività delle imprese. La chiave per sbloccare il loro pieno potenziale risiede nell'interoperabilità, permettendo la collaborazione multi-agente per ottenere efficienza e crescita senza precedenti. Questo passaggio richiede una trasformazione culturale, organizzativa e di governance, orientata alla creazione di una forza lavoro aumentata e a un ecosistema digitale unificato.

I modelli di linguaggio di grandi dimensioni (LLM) stanno rivoluzionando l'interazione tecnologica, permettendo la creazione di agenti AI avanzati capaci di eseguire compiti complessi che richiedono ragionamento, pianificazione e memoria. Il framework Mosaic AI Agent di Databricks consente agli sviluppatori di costruire sistemi di agenti AI a scala di produzione, personalizzandoli e dotandoli della capacità di prendere decisioni autonome. Questo framework supporta la creazione, l'implementazione e la valutazione di agenti, integrandosi con MLFlow e offrendo funzionalità di tracciamento per il debug e l'ottimizzazione.

Meta ha rilasciato Llama 3.1, presentandolo come il suo modello di intelligenza artificiale open source più avanzato. Questo aggiornamento mira a spingere i confini dell'IA accessibile, offrendo capacità migliorate a sviluppatori e ricercatori. La piattaforma Unite.AI funge da risorsa completa per approfondire Llama 3.1 e l'intero ecosistema dell'IA, fornendo strumenti, notizie, eventi e certificazioni.

Questo articolo esplora le migliori pratiche per lo sviluppo di applicazioni di IA generativa su AWS, affrontando le sfide legate all'adozione dei modelli fondazionali (FMs). Vengono presentati approcci come la prompt engineering e la RAG, insieme a servizi AWS come Amazon Bedrock e SageMaker, focalizzandosi su considerazioni chiave quali la qualità dell'output, la sicurezza dei dati e i costi. L'obiettivo è aiutare le organizzazioni a determinare il metodo più efficace per le proprie applicazioni basate su FM.

Google Gemma è una famiglia di modelli linguistici di piccole dimensioni (SLM) gratuiti e aperti, sviluppati da Google con la stessa tecnologia di Gemini ma ottimizzati per dispositivi meno potenti. Lanciati con la prima generazione a febbraio 2024 e la seconda a giugno 2024, questi modelli text-to-text sono disponibili per uso individuale e commerciale, offrendo diverse varianti specializzate come CodeGemma, DataGemma, PaliGemma e RecurrentGemma per soddisfare svariate esigenze di elaborazione del linguaggio naturale e visione artificiale.

I modelli di linguaggio di grandi dimensioni (LLM) sono una potente forma di intelligenza artificiale generativa che utilizza il procesamiento del linguaggio naturale per comprendere e creare linguaggio umano. Addestrati su vasti set di dati con algoritmi di apprendimento automatico avanzati, i LLM eccellono nel generare contenuti complessi e automatizzare compiti con risultati simili a quelli umani. Le loro capacità includono l'apprendimento con pochi o zero esempi, la comprensione multilingue e applicazioni che spaziano dai chatbot alla generazione di codice, pur richiedendo un'attenta implementazione per affrontare pregiudizi, sicurezza e costi.

Matisi Consulting ha sviluppato wAIse, una piattaforma innovativa basata sull'IA generativa che rivoluziona l'analisi e la gestione dei fondi di investimento. Questa soluzione integra dati quantitativi e qualitativi, ottimizzando la precisione e l'efficacia delle decisioni strategiche per aziende e family office. Garantendo al contempo sicurezza e privacy delle informazioni, wAIse offre un supporto tecnologico all'avanguardia per il settore finanziario.

Cognizant ha annunciato il rilascio del suo Neuro AI Multi-Agent Accelerator come software open source per scopi di ricerca e accademici. Questa iniziativa mira a democratizzare l'accesso alla tecnologia multi-agente, permettendo a sviluppatori e ricercatori di prototipare sistemi di IA basati su agenti in modo flessibile. La piattaforma facilita la costruzione e la scalabilità di reti complesse di agenti, integrando vari modelli di IA e sistemi aziendali specifici per promuovere l'innovazione rapida nel settore.

L'integrazione dell'intelligenza artificiale (IA) nelle strategie aziendali rappresenta oggi un imperativo per la competitività e la crescita. Questo articolo esplora il valore strategico dell'IA, fornendo una guida su come costruire un solido business case e presentando esempi concreti di applicazione in diversi settori. L'obiettivo è illustrare come l'IA possa generare efficienza operativa, migliorare l'esperienza del cliente e sbloccare nuove opportunità di business per tutti gli stakeholder aziendali.

Il TrailblazerDX 2026 di Salesforce segna la transizione verso sistemi di intelligenza artificiale "agéntica" operativi, con un'architettura aperta ed estensibile dal dato all'interazione. Jayesh Govindarajan, EVP di IA e Agentforce, illustra la visione di una collaborazione tra umani e agenti, presentando innovazioni come Agent Fabric, AgentScript e AgentExchange, un marketplace unificato per il deployment. L'azienda mira a democratizzare la creazione di agenti e a gestire il ciclo di vita completo di queste soluzioni, coprendo esigenze dal no-code al pro-code.

L'intelligenza artificiale (IA) sta rivoluzionando la medicina, promettendo miglioramenti nella qualità delle cure attraverso operazioni assistite, monitoraggio a distanza e trattamenti personalizzati basati sui big data. Questo dossier, realizzato in collaborazione con esperti come Jean Charlet e Xavier Tannier, esplora le due principali correnti dell'IA – quella "forte" che mira a macchine coscienti e quella "debole" focalizzata sull'assistenza umana – e le sue diverse applicazioni mediche, dalle tecniche simboliche di supporto decisionale all'apprendimento automatico basato sui dati. Sebbene l'IA offra enormi potenzialità, è fondamentale comprenderne i limiti e il funzionamento per demistificare l'idea di un robot onnisciente.

I modelli linguistici stanno evolvendo in agenti IA capaci di operare autonomamente applicazioni desktop e web, come Gmail o PayPal, alleggerendo gli utenti dalle routine. Una tecnologia chiave per questo sviluppo è il Model Context Protocol (MCP), che fornisce un'interfaccia uniforme per i modelli di qualsiasi fornitore. Tre redattori di c't uplink hanno esaminato a fondo questa tecnologia, valutandone capacità e rischi.

I Large Language Models (LLM) stanno rivoluzionando lo sviluppo di applicazioni, fungendo da motore per una vasta gamma di strumenti che spaziano dalla generazione di contenuti alla gestione aziendale. Grazie alla loro capacità di comprendere e generare linguaggio naturale, gli LLM sono destinati a trasformare il modo in cui interagiamo con la tecnologia, rendendo le app più intelligenti, personalizzate e automatizzate. Essi rappresentano la spina dorsale delle prossime generazioni di software e servizi digitali in numerosi settori.

Gli agenti di intelligenza artificiale stanno emergendo come una tecnologia trasformativa per le aziende, promettendo di automatizzare processi e accelerare il processo decisionale. Basati su grandi modelli linguistici e configurati tramite istruzioni precise, questi agenti possono accedere autonomamente a dati aziendali, fonti di conoscenza esterne e software, interagendo tramite interfacce dedicate. Questa autonomia li rende capaci di svolgere compiti complessi, dalla gestione clienti all'ottimizzazione operativa, superando le limitazioni dei sistemi AI tradizionali.

Substage è un'utility per macOS che utilizza intelligenze artificiali generative, come ChatGPT, per eseguire comandi complessi nel Finder tramite linguaggio naturale. L'applicazione converte le richieste dell'utente in comandi di terminale, offrendo funzionalità che vanno dalla gestione dei file alla conversione multimediale e al versioning con Git. Per garantire la sicurezza, include avvisi per comandi potenzialmente pericolosi e la possibilità di richiedere una conferma prima dell'esecuzione.

Google ha rilasciato Gemini 3.1 Pro in anteprima su Vertex AI e Gemini Enterprise, presentandolo come il suo modello più avanzato per compiti complessi, flussi di lavoro agentici a più fasi e generazione di codice. Il modello vanta una finestra di contesto da oltre un milione di token e ha dimostrato prestazioni superiori nei benchmark di ragionamento astratto, codifica e gestione di flussi di lavoro multi-step rispetto ai concorrenti come Anthropic e OpenAI. Questa integrazione nativa nell'ecosistema Google Cloud lo rende un candidato forte per l'automazione di processi aziendali complessi.