Claude Code: entusiasmo e qualche angoscia

Questo articolo fa parte di una serie di approfondimenti sull’AI — il link conduce a un indice aggiornato.


In breve

Claude Code è un agente: non genera solo testo ma fa cose. Gli agenti impiegano LLM per generare testo ma hanno anche altre componenti perché l’azione richiede determinismo. Funzionano molto bene, se i compiti sono ben definiti e non troppo complessi. Per un boomer cresciuto con il terminale, Claude Code è uno sballo: l’antico nel futuro. Esilarante da rischiare di diventarne dipendente. Potrebbe essere un problema? Ma soprattutto, chi paga il conto? In parte noi, quando scopriamo che dopo averci fatto venire la voglia tocca pagare per continuare. In realtà il conto è assai più salato. L’utenza esplode e le big tech faticano sempre più a tenere il passo con la domanda. Gli investimenti gonfiano ma i ritorni per ora languono. Il fabbisogno di energia generato dall’AI incide sulla distribuzione, amministrazioni locali e cittadini iniziano ad opporsi. E tutto questo avviene soprattutto in America, che è un’altra parte ancora del problema. A quando un minimo di stabilità?

Continua (15 minuti)

Una sintesi di questo blog redatta dall’agente Claude

Questo articolo fa parte di una serie di approfondimenti sull’AI — il link conduce a un indice aggiornato.


Da molto tempo avvertivo il bisogno di mettere ordine in questo blog dove ho disordinatamente accumulato ricordi e pensieri intorno a tante esperienze didattiche, sia come docente che discente. Ma la pigrizia e l’infantile desiderio di tuffarsi sempre nella prossima avventura me l’hanno sinora impedito, anche perché la mole crescente del materiale (1’186 post dal 2007 ad oggi) mi faceva passare sempre più la già scarsa voglia. Diciamo che ci avevo rinunciato, ma non avevo previsto l’arrivo dell’AI!

Woman hiking in forest with social media comments about blogging, SEO, and tags
Vabbè, così ho provato anche il generatore di immagini di WordPress…

Ebbene, visto che il più delle volte passo il tempo a segnalare trappole e disfunzioni dei Large Language Model ecco invece una storia positiva. Chiariamoci: non sono “contro” l’AI. Mi concentro sulle criticità per contrappeso ad una narrativa dominante distorta e alla percezione comune dell’AI quale intelligenza altra e fonte di riferimento primaria, che è il modo peggiore per affrontarla. Con questo articolo inizio invece a documentare casi d’uso interessanti, prendendo le mosse proprio dal tentativo di recuperare il filo d’Arianna di questo blog.

Continua (15 min)

Come difendersi dalle allucinazioni? Prendere le misure all’AI confrontando chatbot diversi

Questo articolo fa parte di una serie di approfondimenti sull’AI — il link conduce a un indice aggiornato.


Premessa

Un chatbot può essere usato per una miriade di scopi, ognuno deve trovare la quadra per il caso suo. Qui mi concentro sull’uso scolastico, dove la questione non è se sia il caso di “fare usare l’AI ai ragazzi” oppure no. La usano, di fatto, e molto, per ricerca di informazioni e di spiegazioni. Si pone quindi l’imperativo di capirci qualcosa onde prendere il toro per le corna. Da questo articolo, un po’ noioso – mi dispiace, ma se non si va un po’ a fondo si rischia di parlare a vanvera – emerge che le prestazioni di questi sistemi sono indubbiamente sorprendenti e affascinanti ma fidarsene è un’altra cosa. Non possono essere usati alla stregua di fonti di informazioni, per via di variabilità delle risposte, vaghezza di talune costruzioni, contestualizzazioni errate, allucinazioni vere e proprie (panzane). Lasciati in mano agli studenti senza intervenire significa rinforzare ulteriormente il paradigma dell’apprendimento a pappagallo.

Continua (20 min)