L’AI ha sete e vuole energia, ma come si calcola?
Ma com’è che si calcola il consumo dell’AI? Quali sono le strategie che vengono utilizzate per ricostruire questi numeri?
-
-
Curva P-F AI-driven, ovvero come vedere nel futuro
Utilizzando strumenti di data science e facendoci aiutare dai modelli di classificazione allenati man mano, possiamo ricostruire in modo empirico l’intervallo P-F di uno specifico modo di guasto. Per farlo servono i parametri di processo che possano rappresentarne i sintomi, qualcuno che sa come evolve il modo di guasto, e l’indicazione precisa di quando il guasto è stato registrato. Ah, e tanto tempo e pazienza per ripetere i vari test.
Alla fine, avremo costruito una curva P-F precisa, e un modello di manutenzione predittiva che è predittivo per davvero. -
AWS Summit 2025 | Usare l’AI generativa per esplorare i disegni tecnici
AI per leggere schemi tecnici? Si può! Utilizzando OCR, NLP e LLM, è stato possibile cercare nei disegni tecnici in archivio componenti già progettate per concentrarsi sul lavoro di innovazione del team.
-
TEDx | Macchine pensanti: l’importanza delle scelte per un’AI consapevole
Sapreste riconoscere una persona da una macchina? Domanda stupida, la riformulo. Immaginate di discutere via chat con qualcuno. Riuscireste a dire se state parlando con un chatbot o una persona? Beh, con ragionevole certezza sì, penserete. E invece, secondo uno studio pubblicato nel febbraio 2024, vi sbagliate. Matthew O. Jackson e il suo team hanno…
-
Agenti AI, industria e cose belle
Gli agenti uniti alla potenza dei LLM apre nuovi orizzonti prima difficili da immaginare, in tutti i settori. Un agente con gli strumenti giuste e abbastanza informazioni può potenzialmente sostituire una persona esperta in qualsiasi task digitale – e in alcuni casi anche fisico. Tuttavia, costruire agenti complessi può essere costoso e resource-demanding (acqua, energia, potenza computazionale…), e la gestione della compliance e della responsabilità di scelta non è sempre facile da gestire.
-
Transfer learning in industria: quando i modelli vanno in università
Il transfer learning è una tecnica interessante quando si ha un task abbastanza generalizzabile ma pochi dati per il training. Con tempi per l’allenamento ridotti e performance più alte, apre molte potenzialità e ha trasformato il modo in cui oggi i modelli di riconoscimento di immagini e di linguaggio sono costruiti. Nel campo industriale possono essere molto utili per la gestione del ciclo vita del modello e lo scale up di un modello esistente su altri casi simili. Anche se il primo training deve essere gestito con metodi tradizionali, quello che segue può essere gestito con pochi dati e sfruttando la conoscenza pregressa.
-
Un articolo utile per capire l’ottimizzazione
In generale, la scelta dell’algoritmo di ottimizzazione dipende dalle caratteristiche del problema (continuità, complessità, vincoli) e dagli obiettivi (precisione, tempo di convergenza, esplorazione globale o locale).
-
Nobel per la fisica, AI, e qualche applicazione in industria
Il Premio Nobel 2024 celebra la scoperta di modelli matematici complessi e riconosce il contributo centrale che questi hanno avuto negli sviluppi dell’intelligenza artificiale. Le reti di Hopfield e le macchine di Boltzmann hanno dimostrato che i computer possono memorizzare e riconoscere strutture e pattern complessi, aprendo nuove strade e nuove applicazioni per lo sviluppo di sistemi di AI.
-
AI generativa per supportare le aziende: insegnare all’AI a rispondere bene
I sistemi di AI generativa rendono possibile generare grandi quantità di testo e di immagini in pochissimo tempo, coerentemente con un contesto specifico in base ai prompt che vengono condivisi. Facendo una richiesta anche complessa, strumenti come ChatGPT, Mistral, Claude, Gemini e altri comprendono il contesto e restituiscono una risposta realistica. Il grande problema è proprio questo: le risposte dei modelli, realistiche e non reali, si basano su una base dati generalista che il modello rielabora con le regole che ha imparato, come un pappagallo.
-
Grazie all’AI possiamo rendere la fusione nucleare più stabile
Cos’è la fusione nucleare? La fusione nucleare rappresenta una delle frontiere più eccitanti e sfidanti della scienza e dell’ingegneria moderna. La ricerca dell’energia pulita e sostenibile è una corsa contro il tempo nel contesto dei cambiamenti climatici e della crescente domanda energetica globale, e la fusione nucleare è una delle soluzioni più promettenti, un processo…
