Tag: intelligenza artificiale

  • LinkedIn lancia l’Hiring Assistant in italiano: un nuovo strumento per i recruiter

    LinkedIn lancia l’Hiring Assistant in italiano: un nuovo strumento per i recruiter

    In Breve

    Cos'è l'Hiring Assistant di LinkedIn?
    È un assistente intelligente progettato per automatizzare attività di recruiting, come la ricerca e l'analisi dei profili.
    Quali sono i benefici dell'Hiring Assistant?
    Aumenta la qualità delle assunzioni e riduce il tempo necessario per identificare candidati qualificati.
    Come influisce l'Hiring Assistant sul lavoro dei recruiter?
    Consente ai recruiter di concentrarsi di più sulla relazione con i candidati, delegando operazioni routinarie.

    LinkedIn ha recentemente lanciato in italiano l’Hiring Assistant, un assistente intelligente progettato per supportare i recruiter nel processo di assunzione. Questo strumento automatizza attività ripetitive come la definizione dei requisiti, la ricerca e l’analisi dei profili, e il contatto con i candidati, utilizzando segnali in tempo reale provenienti da una rete di oltre 1,4 miliardi di membri.

    Il contesto attuale del mercato del lavoro è complesso: secondo le stime, le candidature globali per posizione sono praticamente raddoppiate dal 2022. In Italia, nel primo semestre del 2026, le imprese hanno programmato ben 2 milioni e 869mila assunzioni. Tuttavia, il 44,8% delle aziende prevede difficoltà nel reperire il personale necessario. Inoltre, il 66% dei recruiter ha segnalato che è diventato più difficile collocare le persone giuste, mentre il 52% ha riscontrato una maggiore complessità nel trovare talenti qualificati.

    In questo scenario, l’Hiring Assistant si propone di rendere più efficiente il processo di selezione. Lo strumento identifica i requisiti, ricerca simultaneamente talenti, analizza le candidature in base alle competenze richieste e prepara messaggi di contatto personalizzati. Per ogni profilo individuato, fornisce dati che spiegano la corrispondenza con la posizione, lasciando al recruiter la valutazione finale.

    È importante notare che, sebbene l’assistente possa cercare, analizzare e formulare raccomandazioni, non prende decisioni autonome di assunzione, non esclude candidati dal processo e non sposta persone nella pipeline di selezione. La responsabilità finale rimane sempre in capo al recruiter umano, che definisce gli obiettivi e può modificare i criteri di selezione.

    I risultati ottenuti con l’uso dello strumento sono promettenti: si registra un aumento medio dell’11% nelle assunzioni di qualità e del 18% nella cattura di professionisti altamente ricercati. A livello globale, i recruiter esaminano l’81% di profili in meno per individuare candidati qualificati e registrano un tasso di accettazione delle InMail superiore del 66% rispetto ai metodi tradizionali. Inoltre, risparmiano in media 1,5 ore per posizione nella fase di identificazione dei candidati più idonei.

    Marcello Albergoni, country manager di LinkedIn Italia, ha dichiarato: «In un mercato del lavoro sempre più complesso, il valore non sta soltanto nel fare recruiting più rapidamente, ma nel migliorare anche la qualità dell’incontro tra persone e opportunità». La versione italiana dell’Hiring Assistant, già utilizzata in inglese a livello globale e impiegata da 80 aziende italiane, punta a rendere più naturale l’interazione con i recruiter, superando le tradizionali ricerche per parole chiave.

    Delegando operazioni routinarie, l’Hiring Assistant consente ai recruiter di dedicare più tempo alla relazione con i candidati, alla comprensione delle loro aspirazioni e alla negoziazione delle offerte, senza sostituire il giudizio umano. Tuttavia, la recente dimissione di Jacob Coxon da Anthropic e le sue preoccupazioni riguardo all’evoluzione verso una superintelligenza hanno riacceso il dibattito sulla sicurezza dell’intelligenza artificiale. Il software descritto stabilisce limiti d’uso per mantenere il controllo umano nel processo di selezione.

  • L’Intelligenza Artificiale: Un’Opportunità per le PMI e il Futuro del Sistema Italia

    L’Intelligenza Artificiale: Un’Opportunità per le PMI e il Futuro del Sistema Italia

    In Breve

    Qual è l'importanza dell'intelligenza artificiale per le PMI italiane?
    L'intelligenza artificiale offre opportunità significative per migliorare produttività e innovazione nelle PMI italiane.
    Qual è la crescita prevista del mercato dell'AI in Italia?
    Il mercato dell'AI in Italia è stimato a 1,8 miliardi di euro, con una crescita del 50% tra il 2024 e il 2025.
    Quali sono le sfide per l'adozione dell'AI in Italia?
    Le PMI italiane affrontano sfide legate alla mancanza di progetti strutturati e alla necessità di investire in competenze.

    L’intelligenza artificiale (AI) è diventata parte integrante della quotidianità delle imprese italiane, offrendo opportunità significative, in particolare per le piccole e medie imprese (PMI). Il Forum Ai.Dea, che si svolgerà a Bologna il 16 e 17 ottobre, si concentrerà sul rapporto tra AI e mondo imprenditoriale, organizzato da Confindustria e Nomisma.

    Secondo Maurizio Marchesini, vicepresidente di Confindustria e di Nomisma, l’AI è accessibile, poco costosa e facilmente adattabile ai modelli produttivi italiani. La sua implementazione ha già portato a miglioramenti in termini di prodotti e produttività, consentendo alle aziende di scoprire nuove soluzioni e percorsi di sviluppo.

    Il mercato dell’AI in Italia è stimato attorno a 1,8 miliardi di euro, con una crescita prevista del 50% tra il 2024 e il 2025. Tuttavia, l’adozione dell’AI avviene a due velocità: mentre l’84% delle grandi imprese ha già acquisito licenze per l’AI generativa, solo l’8% delle PMI ha avviato progetti strutturati. L’Italia si posiziona al diciottesimo posto tra i 27 Paesi dell’Unione Europea per quanto riguarda l’adozione dell’AI.

    La capacità dell’AI di offrire prodotti su misura e di occupare nicchie di mercato la rende particolarmente adatta al sistema industriale italiano. Inoltre, l’AI potrebbe contribuire a contrastare il calo demografico e il deficit di competenze, a condizione che si investa in formazione e nello sviluppo di figure professionali in grado di comprendere le esigenze delle imprese.

    Per favorire una maggiore adozione dell’AI, è fondamentale rafforzare la collaborazione tra imprese e università, colmare il divario tra idee e competenze pratiche, e semplificare le procedure attraverso politiche pubbliche che eliminino colli di bottiglia, richiamando l’esperienza delle politiche Industria 4.0 e 5.0.

    Tra gli esempi di applicazione dell’AI, vi è l’uso di istruzioni in linguaggio discorsivo in gruppi con migliaia di programmatori e la possibilità di fornire assistenza medica a distanza in aree a bassa densità di servizi.

    Alberto Tripi, presidente di Almaviva, definisce l’AI come ‘intelligenza aumentata’, sottolineando che, sebbene l’AI sia indispensabile, non può sostituire l’apporto umano. Entrambi gli esperti richiamano l’attenzione sulla necessità di stabilire regole condivise e globali per governare questa rivoluzione tecnologica, limitando abusi come la diffusione di fake news e l’uso improprio dei dati.

    In conclusione, l’adozione dell’AI non è opzionale per le imprese italiane; essa offre vantaggi significativi nella gestione di prodotti, processi e decisioni di mercato. Tuttavia, è necessario investire in competenze interne e collaborare con il sistema della ricerca per formare le nuove professionalità richieste.

  • Profound raggiunge una valutazione di 1,8 miliardi di dollari dopo un round di finanziamento da 180 milioni

    Profound raggiunge una valutazione di 1,8 miliardi di dollari dopo un round di finanziamento da 180 milioni

    In Breve

    Quanto ha raccolto Profound nel suo ultimo round di finanziamento?
    Profound ha raccolto 180 milioni di dollari in un round di Serie D.
    Qual è la valutazione attuale di Profound?
    La valutazione di Profound è di 1,8 miliardi di dollari.
    Chi ha guidato il round di finanziamento?
    Il round è stato guidato da Sequoia e Kleiner Perkins.

    Profound, startup attiva nel settore delle analisi basate sull’intelligenza artificiale, ha recentemente chiuso un round di finanziamento di Serie D, raccogliendo 180 milioni di dollari. Questo finanziamento porta la valutazione della società a ben 1,8 miliardi di dollari, meno di sette mesi dopo aver ottenuto 96 milioni di dollari in un round di Serie C.

    Il round di finanziamento è stato guidato da due importanti investitori, Sequoia e Kleiner Perkins, con la partecipazione di investitori esistenti come Lightspeed Venture Partners, Khosla Ventures e South Park Commons. Lanciata solo due anni fa, Profound ha saputo evolversi rapidamente, iniziando come piattaforma di analytics e ampliando la propria offerta con strumenti per la ricerca e la definizione di strategie di marketing, mirate a far emergere i brand nei risultati di ricerca attraverso tecnologie avanzate di intelligenza artificiale.

    Profound si inserisce in un contesto in crescita di startup che operano nel campo della Generative Engine Optimization (GEO) e dell’Answer Engine Optimization (AEO). Secondo le dichiarazioni dell’azienda, il fatturato è triplicato negli ultimi sei mesi, evidenziando una forte domanda per i suoi servizi. Attualmente, Profound vanta oltre 1.000 clienti enterprise, tra cui nomi di spicco come Comcast, The Estée Lauder Companies e Walmart.

    Con questa nuova iniezione di capitali, Profound si prepara a espandere ulteriormente la propria offerta e a consolidare la propria posizione nel mercato competitivo delle tecnologie di marketing basate sull’intelligenza artificiale. L’azienda punta a migliorare continuamente le proprie soluzioni per rispondere alle esigenze in evoluzione dei clienti e mantenere un vantaggio competitivo nel settore.

  • Jensen Huang risponde a Trump sul palco dell’All-In: un incontro tra tecnologia e geopolitica

    Jensen Huang risponde a Trump sul palco dell’All-In: un incontro tra tecnologia e geopolitica

    In Breve

    Chi ha risposto a una chiamata di Trump durante l'All-In?
    Jensen Huang, CEO di Nvidia.
    Qual è stato il tema principale della conversazione?
    La sicurezza dell'intelligenza artificiale.
    Come ha reagito il mercato alle dichiarazioni di Huang e Trump?
    Le azioni di Nvidia hanno mostrato una flessione durante l'evento.

    Durante il convegno All-In tenutosi a Los Angeles, il CEO di Nvidia, Jensen Huang, ha sorpreso il pubblico rispondendo a una chiamata del presidente Donald Trump, utilizzando un innovativo telefono pieghevole. Questo episodio ha messo in luce non solo la personalità carismatica di Huang, ma anche le attuali tensioni e dibattiti riguardanti l’intelligenza artificiale (AI).

    La conversazione, avvenuta in vivavoce, ha toccato temi delicati legati alla sicurezza dell’AI. Trump ha etichettato le crescenti preoccupazioni sull’intelligenza artificiale come una ‘hoax’, sostenendo che i veri beneficiari del panico generato siano la Cina e alcuni politici. Ha inoltre affermato che questa tecnologia è «più grande di Internet» e non dovrebbe essere rallentata.

    Huang, visibilmente colpito dall’intervento, ha osservato che il pubblico presente stava applaudendo con entusiasmo. Tuttavia, rimane incerta la posizione di Huang riguardo alle affermazioni di Trump. È importante notare che il modello di business di Nvidia si basa in gran parte sulla vendita di chip a laboratori di intelligenza artificiale; pertanto, minimizzare i rischi associati all’AI potrebbe allinearsi con gli interessi economici dell’azienda.

    Le azioni di Nvidia hanno mostrato un incremento del 33% nell’ultimo anno, sebbene abbiano registrato una flessione di qualche punto percentuale proprio durante la giornata dell’evento. Questo potrebbe suggerire che le dichiarazioni di Trump, sebbene audaci, non siano state accolte senza riserve dal mercato.

    Huang, indossando una giacca in pelle di alligatore, ha risposto alla chiamata con disinvoltura, sottolineando il suo stile distintivo e la sua capacità di gestire situazioni impreviste. Questo episodio non solo ha catturato l’attenzione dei presenti, ma ha anche sollevato interrogativi sul futuro dell’intelligenza artificiale e sulle sue implicazioni geopolitiche.

    In un contesto globale in cui la tecnologia e la geopolitica si intrecciano sempre di più, le parole di leader come Trump e le reazioni di figure influenti come Huang possono avere un impatto significativo sulla percezione pubblica e sulle politiche future riguardanti l’AI.

  • Open Data Infrastructure: la chiave per massimizzare gli investimenti in IA

    Open Data Infrastructure: la chiave per massimizzare gli investimenti in IA

    In Breve

    Qual è l'obiettivo dell'Open Data Infrastructure?
    L'ODI mira a migliorare l'interoperabilità e l'accesso ai dati, riducendo i costi e ottimizzando le performance.
    Come influiscono le debolezze nelle architetture dati?
    Le debolezze possono causare oltre 60 ore di inattività al mese e costi significativi per le organizzazioni.
    Qual è il legame tra maturità dei dati e risultati economici?
    Le organizzazioni con fondazioni dati moderne sono quasi il doppio più propense a superare gli obiettivi di ROI.

    Open Data Infrastructure: la chiave per massimizzare gli investimenti in IA

    L’aumento degli investimenti in intelligenza artificiale (IA) non si traduce automaticamente in risultati tangibili. Secondo recenti studi, oltre il 90% dei Chief Information Officer (CIO) ha incrementato i finanziamenti per l’IA, con una spesa media annuale di 29,3 milioni di dollari per programmi dati. Tuttavia, le organizzazioni che ottengono i migliori risultati tendono a investire fino a quattro volte di più nelle fondamenta di dati e analytics.

    Nonostante la spesa elevata, il 73% delle organizzazioni segnala che le iniziative sui dati non raggiungono le aspettative, mentre il 62% indica livelli di maturità dei dati ancora insufficienti. Queste debolezze nelle architetture dati comportano costi significativi: nelle grandi organizzazioni, i guasti alle pipeline di dati superano le 60 ore di inattività al mese, con un impatto economico stimato di circa 50.000 sterline l’ora. Inoltre, oltre la metà della capacità ingegneristica dei team di dati è dedicata alla manutenzione delle pipeline, piuttosto che a nuovi casi d’uso.

    L’Open Data Infrastructure come soluzione

    Per affrontare queste sfide, sta emergendo l’approccio dell’Open Data Infrastructure (ODI). Questo modello propone architetture modulari basate su standard aperti, che separano storage e compute, favorendo l’interoperabilità tra strumenti e democratizzando l’accesso ai dati. L’ODI mira a ridurre il lock-in commerciale e tecnico, garantendo una fonte di verità condivisa tra dashboard, workflow operativi, modelli di machine learning e agenti AI. Questo approccio è fondamentale per evitare derive nei modelli e output non allineati.

    In contesti in cui le entità non umane superano gli utenti umani in un rapporto di circa 82:1, gli agenti generano volumi di query significativamente maggiori. Architetture aperte consentono di scegliere risorse di compute più economiche e appropriate, mentre i sistemi legacy risultano più costosi per pipeline, con impatti sostanziali quando le pipeline sono centinaia a livello enterprise.

    Vantaggi delle fondazioni dati moderne

    Le organizzazioni che adottano fondazioni dati moderne, gestite e aperte, assicurano un accesso coerente a dati freschi, attendibili e ricchi di contesto. Questo non solo consente di mantenere il controllo sull’architettura, evitando dipendenze, ma libera anche le risorse ingegneristiche per creare valore di business attraverso la modellazione predittiva, l’analisi in tempo reale e la produzione rapida di agenti.

    È interessante notare che esiste una correlazione tra maturità dei dati e risultati economici. Le aziende dotate di fondamenta dati moderne e aperte sono quasi il doppio più propense a superare gli obiettivi di ritorno sull’investimento rispetto a quelle che si affidano a sistemi legacy.

    Conclusione

    In sintesi, l’Open Data Infrastructure si presenta come una soluzione strategica per le organizzazioni che desiderano massimizzare l’efficacia dei loro investimenti in intelligenza artificiale. Investire in architetture dati moderne non solo migliora le performance, ma rappresenta anche un passo fondamentale verso una gestione più efficiente e innovativa dei dati.

  • Microsoft e i sindacati degli insegnanti statunitensi: un accordo storico per l’uso dell’AI nelle scuole

    Microsoft e i sindacati degli insegnanti statunitensi: un accordo storico per l’uso dell’AI nelle scuole

    In Breve

    Qual è l'obiettivo dell'accordo tra Microsoft e i sindacati degli insegnanti?
    Stabilire uno standard vincolante per l'uso dell'AI nelle scuole, garantendo la protezione dei dati degli studenti.
    Cosa vieta l'accordo riguardo ai dati degli studenti?
    L'uso dei dati per addestrare modelli di AI e la loro monetizzazione.
    Quali sono le garanzie incluse nell'accordo?
    Supervisione umana, misure contro azioni dannose e protezioni per le informazioni sensibili.

    In un passo significativo verso l’integrazione sicura dell’intelligenza artificiale (AI) nel sistema educativo, Microsoft ha siglato un accordo con due importanti federazioni sindacali di insegnanti statunitensi: l’American Federation of Teachers (AFT) e la United Federation of Teachers (UFT). Questo accordo, formalizzato nel National AI Safety & Privacy Standard, stabilisce uno standard legalmente vincolante per l’uso dell’AI nelle scuole.

    Una delle principali caratteristiche di questo accordo è il divieto di utilizzare i dati di studenti e insegnanti per addestrare o migliorare modelli di AI, oltre a vietare la monetizzazione di tali dati. I distretti scolastici avranno il controllo sull’uso, l’archiviazione e la cancellazione delle informazioni, mentre i fornitori di AI saranno obbligati a comunicare eventuali modifiche ai prodotti e i rischi associati.

    Le garanzie incluse nell’accordo prevedono anche la supervisione umana dei sistemi AI, misure per prevenire azioni dannose e protezioni per le informazioni sensibili. Randi Weingarten, presidente dell’AFT, ha descritto l’intesa come «una garanzia di privacy solida e legalmente applicabile», sottolineando l’importanza della protezione dei dati dei bambini e del controllo da parte delle scuole sugli strumenti di AI utilizzati in classe.

    Brad Smith, vicepresidente e presidente di Microsoft, ha dichiarato che «questo standard fissa un livello elevato per la privacy infantile e la sicurezza dell’AI», annunciando l’intenzione di estendere l’accordo a tutti i distretti scolastici del paese. L’AFT è attualmente in trattative con altre aziende, tra cui OpenAI e Anthropic, per promuovere l’adozione di standard simili.

    L’accordo arriva in un momento critico, dopo il fallimento di una legge federale sulle tutele dell’AI e in un contesto caratterizzato da moratorie o divieti locali sull’uso dell’AI in alcune delle più grandi aree metropolitane statunitensi, come New York City e il distretto scolastico di Los Angeles. Questo sviluppo potrebbe segnare una svolta importante nel dibattito sull’uso dell’intelligenza artificiale nelle scuole, ponendo l’accento sulla necessità di proteggere la privacy degli studenti e garantire un uso responsabile della tecnologia.

  • Obama invita i Democratici a definire un piano chiaro per la regolamentazione dell’IA

    Obama invita i Democratici a definire un piano chiaro per la regolamentazione dell’IA

    In Breve

    Cosa ha detto Obama riguardo all'intelligenza artificiale?
    Obama ha esortato i Democratici a mettere l'IA al centro della loro agenda e a sviluppare un piano chiaro per affrontare le sue sfide.
    Qual è l'importanza della regolamentazione dell'IA secondo Obama?
    Obama ha avvertito che una gestione inadeguata dell'IA può essere pericolosa, mentre una corretta regolamentazione può portare a benefici significativi.
    Chi ha partecipato alla discussione sull'IA con Obama?
    Obama ha parlato con i CEO di Anthropic e OpenAI, Dario Amodei e Sam Altman.

    Obama invita i Democratici a definire un piano chiaro per la regolamentazione dell’IA

    Barack Obama ha recentemente esortato i Democratici a considerare l’intelligenza artificiale (IA) come una delle loro «agende centrali», richiedendo un piano ben definito per affrontare le sfide economiche e di sicurezza legate a questa tecnologia emergente. Le sue dichiarazioni sono state rilasciate durante un evento di raccolta fondi a supporto del Partito Democratico, dove è stato intervistato dal leader della minoranza alla Camera, Hakeem Jeffries.

    Obama ha sottolineato che, una volta riconquistata la maggioranza alla Camera, i Democratici devono sviluppare «un quadro per una conversazione molto pubblica» sull’IA. Ha avvertito che se non si riuscirà a governare questa tecnologia, essa potrebbe rivelarsi pericolosa, mentre una gestione adeguata potrebbe portare a significativi benefici, come l’accelerazione della ricerca farmacologica.

    Hakeem Jeffries ha concordato sull’urgenza di una risposta decisiva ai temi dell’IA, accusando i Repubblicani di aver abdicato alla loro responsabilità di governare nell’interesse dei cittadini. Obama ha offerto la sua disponibilità come punto di riferimento per i leader del settore tecnologico, avendo già dialogato con i CEO di Anthropic e OpenAI, Dario Amodei e Sam Altman.

    Queste dichiarazioni avvengono in un contesto di crescente preoccupazione riguardo alla sicurezza dell’IA, accentuata dalle recenti dimissioni di un ricercatore di Anthropic che ha lanciato un allerta su una possibile corsa verso una superintelligenza auto-migliorante. Amodei ha proposto un approccio per «pacing the frontier», che prevede l’accesso di valutatori di sicurezza indipendenti ai principali modelli di IA e lo sviluppo di standard di sicurezza comuni.

    Sam Altman e Elon Musk hanno risposto positivamente sui social media, con Altman che ha confermato l’impegno di OpenAI a garantire l’accesso a valutatori indipendenti, equiparato a quello dei dipendenti. In contrasto, Donald Trump ha recentemente discusso della sicurezza dell’IA durante un evento in Irlanda, affermando che gli Stati Uniti sono «il Paese più sofisticato al mondo» e che «chi vince l’IA vince», suggerendo la possibilità di implementare «guardrail» per la tecnologia.

    In precedenza, l’amministrazione Trump aveva pubblicato un quadro legislativo per l’IA che mira a sovrascrivere le leggi statali, spostando la responsabilità per la sicurezza dei minori sui genitori. Questo dibattito evidenzia la necessità di un approccio coordinato e responsabile alla regolamentazione dell’intelligenza artificiale, un tema che continuerà a dominare la scena politica nei prossimi anni.

  • Investimenti nell’Intelligenza Artificiale: Rallentamenti e Opportunità

    Investimenti nell’Intelligenza Artificiale: Rallentamenti e Opportunità

    In Breve

    Le richieste di rallentamento nello sviluppo dell'IA portano a una riduzione degli investimenti?
    No, le richieste di rallentamento non implicano necessariamente una diminuzione degli investimenti nel settore.
    Come si stanno riallocando gli investimenti nell'IA?
    La spesa potrebbe spostarsi dall'addestramento dei modelli verso l'espansione della capacità di inferenza e il miglioramento dell'affidabilità.
    Chi beneficerà maggiormente delle nuove dinamiche di investimento?
    Le aziende ben capitalizzate come OpenAI e Google potrebbero avvantaggiarsi, mentre i laboratori più piccoli potrebbero affrontare sfide maggiori.

    Negli ultimi mesi, sono aumentate le richieste di rallentare lo sviluppo dell’intelligenza artificiale (IA) a causa delle preoccupazioni legate alla sicurezza e all’affidabilità della tecnologia. Tuttavia, queste richieste non implicano necessariamente una riduzione degli investimenti nel settore. Al contrario, si prevede che la spesa possa essere riallocata in modi che potrebbero favorire alcuni attori del mercato.

    In particolare, la spesa potrebbe spostarsi dall’addestramento dei modelli di IA verso l’espansione della capacità di inferenza e il miglioramento dell’affidabilità. Questo cambiamento potrebbe avere ricadute positive su fornitori di sicurezza informatica e di osservabilità, oltre a beneficiare gli hyperscaler, ovvero le grandi aziende che forniscono infrastrutture cloud.

    Un aspetto cruciale da considerare è l’aumento dei costi di conformità legati alla regolamentazione e ai requisiti di sicurezza. Le aziende ben capitalizzate, come OpenAI, Anthropic e Google, potrebbero trovarsi in una posizione avvantaggiata per affrontare questi costi, mentre i laboratori di frontiera più piccoli potrebbero incontrare maggiori difficoltà a competere in questo nuovo scenario.

    In sintesi, sebbene ci siano pressioni per rallentare lo sviluppo dell’IA, ciò non significa che il settore stia per subire un arresto degli investimenti. Al contrario, la riallocazione delle risorse potrebbe portare a nuove opportunità di crescita e innovazione, specialmente per le aziende in grado di adattarsi rapidamente ai cambiamenti normativi e di mercato.

  • L’importanza dello storage per l’intelligenza artificiale: il ruolo strategico del nastro magnetico

    L’importanza dello storage per l’intelligenza artificiale: il ruolo strategico del nastro magnetico

    In Breve

    Qual è il ruolo dello storage nell'intelligenza artificiale?
    La gestione dello storage è cruciale per garantire accesso rapido e costi contenuti nella gestione dei dataset per l'AI.
    Perché il nastro magnetico è una buona soluzione per lo storage?
    Il nastro magnetico offre costi inferiori per terabyte, scalabilità e maggiore efficienza energetica rispetto ad altre soluzioni.
    Come influisce la scelta dello storage sui costi operativi?
    Una scelta strategica dello storage può ridurre i costi operativi e migliorare la capacità di accesso ai dati.

    La gestione dello storage per progetti di intelligenza artificiale richiede scelte strategiche che vanno oltre la semplice disponibilità di calcolo e potenza elettrica. Con l’aumento esponenziale delle dimensioni dei dataset necessari per l’addestramento, è fondamentale trovare soluzioni che garantiscano sicurezza e accessibilità senza compromettere i costi.

    Molti dati non necessitano di risiedere permanentemente su infrastrutture ad alte prestazioni, ma devono essere protetti e pronti per l’elaborazione quando richiesto. La decisione su dove conservare questi dataset di grandi dimensioni può influenzare significativamente costi, tempi e capacità operative di un’organizzazione. Conoscere il proprio patrimonio dati — cosa si possiede, dove risiede e con quale velocità può essere reso disponibile — diventa un vantaggio competitivo cruciale.

    La rapidità con cui un’organizzazione riesce a trasformare una domanda di business in accesso ai dati determina la sua capacità di esecuzione. Mantenere tutto su infrastrutture sempre attive e performanti aumenta i costi e limita la quantità di dati gestibili.

    Una soluzione efficace per contenere i costi e garantire la disponibilità è rappresentata dal nastro magnetico. Le recenti generazioni di LTO (Linear Tape-Open) hanno migliorato la capacità, il throughput e la sicurezza. I sistemi di storage a nastro moderni possono essere integrati come tier pronti a trasferire dati verso soluzioni di storage più veloci durante le fasi di curation o training.

    A livello multi-petabyte, il costo per terabyte del nastro è notevolmente inferiore rispetto a soluzioni basate su flash o dischi. Inoltre, la capacità e il throughput possono essere scalati in modo indipendente semplicemente aggiungendo cartucce o drive. Un ulteriore vantaggio del nastro è la sua efficienza energetica superiore, che contribuisce a ridurre i costi operativi complessivi.

    Dal punto di vista della protezione, il nastro offre funzionalità avanzate come la cifratura hardware a livello di cartuccia e supporti WORM (Write Once Read Many) che rendono i dati immutabili. Inoltre, è possibile rimuovere fisicamente i nastri dagli ambienti di produzione per una conservazione offsite e per garantire un air-gapping efficace.

    Pianificare pipeline dati che prevedano tier differenziati e sfruttino tecnologie come il nastro consente di mantenere un ampio patrimonio informativo disponibile per l’intelligenza artificiale, senza far pesare i vincoli di budget sulla scelta dei dataset utilizzabili. In un contesto in cui la competitività è sempre più legata alla capacità di gestire e analizzare i dati, l’adozione di strategie di storage intelligenti diventa fondamentale per il successo delle iniziative di AI.

  • IBM e NASA: Un Nuovo Modello Open Source per l’Analisi dei Dati Lunari

    IBM e NASA: Un Nuovo Modello Open Source per l’Analisi dei Dati Lunari

    In Breve

    Cos'è il NASA-IBM Lunar Foundation Model?
    È un modello di intelligenza artificiale open source per analizzare dati lunari.
    Qual è l'obiettivo di questo modello?
    Facilitare l'analisi geologica e la navigazione sicura degli astronauti sulla Luna.
    Come viene utilizzato il dataset?
    Il dataset include immagini e mappe geofisiche per migliorare l'accuratezza delle analisi.

    IBM e NASA hanno recentemente lanciato il NASA-IBM Lunar Foundation Model, un innovativo modello di intelligenza artificiale open source disponibile su Hugging Face. Questo strumento è progettato per analizzare enormi quantità di dati lunari, accumulati nel corso delle ultime cinque decadi, e rappresenta un passo significativo verso la comprensione della geologia lunare.

    Il modello multimodale è stato addestrato su un ampio dataset della NASA, che sarà reso accessibile al pubblico. Questa iniziativa consente agli scienziati di adattare un singolo modello di base per diverse analisi geologiche, eliminando la necessità di sviluppare modelli specifici per ogni tipo di ricerca. Ciò è particolarmente utile per esaminare aree della superficie lunare che presentano potenziali rischi o opportunità strategiche, come i depositi di ghiaccio, i crateri e le formazioni vulcaniche.

    Grazie a questo modello, gli scienziati possono ottenere risultati più accurati nell’individuazione di crateri e caratteristiche vulcaniche, riducendo al contempo gli errori nella localizzazione di possibili depositi di ghiaccio. Il dataset unificato, utilizzato per il machine learning, comprende oltre 30 strati spazialmente allineati provenienti da nove strumenti di quattro missioni, con decine di migliaia di immagini e mappe che illustrano le proprietà geofisiche della superficie lunare. Queste informazioni includono anche osservazioni effettuate dal Lunar Reconnaissance Orbiter e dalla missione GRAIL.

    IBM ha sottolineato che il modello può svolgere un ruolo cruciale nella navigazione sicura degli astronauti, nell’identificazione di risorse essenziali e nella comprensione della storia geologica della Luna. Questi aspetti sono considerati fondamentali per stabilire una presenza umana sostenuta sulla Luna e per la produzione di carburante per future missioni spaziali.

    Juan Bernabe-Moreno, direttore di IBM Research Europe, ha dichiarato che questo modello di base offre una piattaforma per esplorare la Luna su scala, connettendo osservazioni tra diversi strumenti e rivelando schemi difficili da identificare in modo isolato. La combinazione del modello e del dataset mira a fornire alla comunità di ricerca una risorsa aperta per analisi automatizzate e studi geologici su larga scala.

    Con il lancio del NASA-IBM Lunar Foundation Model, IBM e NASA non solo avanzano nella ricerca spaziale, ma offrono anche un’opportunità senza precedenti per la comunità scientifica di collaborare e contribuire alla comprensione della Luna, un obiettivo che potrebbe avere implicazioni significative per le future esplorazioni spaziali.