L’intelligenza artificiale non vuole più stare solo sulla tua scrivania. Sta entrando in casa, in ospedale, nei laboratori farmaceutici e perfino nei consigli di quartiere dove si discute di centrali elettriche. Questa settimana si parla di famiglie, chip nati da un’auto mai vista e scienziati che usano AI e computer quantistici per progettare nuovi farmaci. E sì, c’è anche una popstar che ha qualcosa da dire sugli occhiali intelligenti.
1. OpenAI punta alle famiglie: ChatGPT vuole diventare il membro più sveglio di casa
Secondo un annuncio di lavoro scoperto da TechCrunch, OpenAI sta assumendo un product manager dedicato a costruire esperienze di ChatGPT pensate per famiglie, caregiver e anziani. Non si parla più solo di studenti o professionisti, ma di nuclei domestici interi. L’obiettivo è chiaro: portare l’AI dentro le dinamiche quotidiane, dall’aiuto nei compiti alla gestione della salute, fino al supporto per chi si prende cura di un genitore anziano.
Il fatto che OpenAI stia creando un ruolo specifico per questo segmento dice molto sulla direzione strategica dell’azienda. Finora ChatGPT è stato uno strumento personale, usato in modo individuale su smartphone o computer. Ora si immagina un uso condiviso, quasi “familiare”, con funzioni pensate per più generazioni, probabilmente con controlli parentali più sofisticati, interfacce semplificate per gli over 65 e magari integrazioni con servizi sanitari o scolastici.
Questo movimento arriva mentre le big tech competono per diventare il punto di riferimento dell’AI domestica. Amazon ha Alexa, Apple punta molto sull’elaborazione locale, Google integra Gemini nei suoi servizi. OpenAI, che finora è stata più “cloud first”, sembra voler fare un passo verso esperienze più radicate nella vita reale, meno da esperti e più da salotto di casa.
👉 Se hai figli o genitori che iniziano a usare l’AI, preparati a vederla diventare uno strumento condiviso in famiglia. Non sarà più solo “il tuo chatbot”, ma qualcosa che può influenzare compiti, decisioni e perfino conversazioni a tavola.
Leggi la fonte → (TechCrunch AI)
2. La battaglia contro i data center AI è appena iniziata
L’AI ha bisogno di enormi data center, edifici pieni di server che consumano quantità impressionanti di elettricità e acqua per raffreddarsi. In un’analisi pubblicata su The Verge, si racconta come in diverse comunità locali stia crescendo l’opposizione alla costruzione di nuovi impianti legati al boom dell’intelligenza artificiale. Il problema non è teorico: alcune aree vedono aumentare le bollette, altre temono blackout o stress sulla rete elettrica.
Negli Stati Uniti, ma non solo, le aziende tech stanno correndo per assicurarsi terreni e contratti energetici. Il ritmo di costruzione è accelerato negli ultimi due anni, spinto dalla corsa ai modelli generativi sempre più grandi. Ma i cittadini iniziano a chiedere trasparenza su consumi, impatto ambientale e benefici reali per il territorio. Non basta promettere posti di lavoro se poi l’infrastruttura pesa sulla comunità.
Questa tensione è il lato meno visibile dell’AI. Quando parliamo di chatbot e immagini generate, raramente pensiamo alla centrale elettrica che li alimenta. Eppure la sostenibilità energetica potrebbe diventare uno dei veri colli di bottiglia dell’intero settore. Le aziende stanno investendo in rinnovabili e in tecnologie più efficienti, ma il dibattito pubblico è solo all’inizio.
👉 Tradotto: più usiamo servizi AI, più cresce la pressione sulle infrastrutture. Nei prossimi anni sentirai parlare di energia e AI insieme, e le scelte politiche su questo tema influenzeranno anche costi e disponibilità dei servizi che usi ogni giorno.
Leggi la fonte → (The Verge AI)
3. L’auto che non c’è mai stata ha reso i chip Apple campioni di AI
Il progetto dell’auto elettrica di Apple è stato cancellato dopo anni di lavoro e miliardi investiti. Un fallimento? Non proprio. Secondo un approfondimento di The Verge, quel programma ha lasciato in eredità una cosa molto concreta: chip progettati per gestire enormi quantità di calcolo AI direttamente a bordo, senza dipendere dal cloud.
Per far funzionare un’auto a guida autonoma serve elaborare in tempo reale immagini, sensori, decisioni di guida. Questo ha costretto Apple a sviluppare processori con capacità avanzate di on-device AI, cioè intelligenza artificiale che gira direttamente sul dispositivo. Anche se l’auto non è mai arrivata sul mercato, quelle competenze e quelle architetture sono finite nei chip Apple Silicon, oggi presenti in Mac, iPad e iPhone.
In pratica, il lavoro su un prodotto mai lanciato ha accelerato la strategia di Apple sull’AI locale. E in un momento in cui privacy e latenza sono temi centrali, avere modelli che funzionano direttamente sul dispositivo è un vantaggio competitivo enorme. Meno dati inviati ai server, risposte più veloci, maggiore controllo.
👉 Se usi un Mac o un iPhone, parte della potenza AI che hai in tasca nasce da un’auto che non hai mai visto. Questo significa app più intelligenti, funzioni offline migliori e, potenzialmente, più privacy nei prossimi aggiornamenti.
Leggi la fonte → (The Verge AI)
4. AI e computer quantistici insieme per creare nuovi farmaci
Un gruppo di ricercatori raccontato da Wired ha messo insieme due tecnologie che sembrano uscite da un film di fantascienza: intelligenza artificiale e calcolo quantistico. L’obiettivo è progettare nuovi peptidi, piccole catene di amminoacidi che possono diventare la base di farmaci innovativi, in particolare per malattie rare o poco redditizie per le grandi case farmaceutiche.
Il progetto è nato quasi come un “secondo lavoro” accademico, con fondi messi insieme un po’ alla volta. L’AI viene usata per generare e valutare rapidamente migliaia di possibili molecole, mentre il computer quantistico aiuta a simulare interazioni chimiche complesse che sarebbero difficili da modellare con i metodi tradizionali. Non è ancora una rivoluzione clinica, ma una prova di concetto concreta.
Il punto interessante è che queste tecnologie vengono applicate a problemi trascurati dal mercato. Le malattie rare spesso ricevono meno investimenti perché hanno pochi pazienti. Se AI e quantistico riescono ad abbassare i costi e i tempi di scoperta, il modello economico della ricerca farmaceutica potrebbe cambiare.
👉 Il punto è che nei prossimi anni potremmo vedere farmaci progettati in gran parte da algoritmi. Anche se non lavori in sanità, questo significa terapie più mirate e, si spera, tempi più brevi tra scoperta e cura.
Leggi la fonte → (Wired AI)
5. Un modello AI che impara dal cervello senza leggere i referti
Dall’Università del Michigan arriva NeuroVFM, un modello di base per l’imaging neurologico addestrato su 5,24 milioni di risonanze magnetiche e TAC cliniche. La particolarità è che non è stato nutrito con etichette manuali o referti scritti dai radiologi. Ha imparato a riconoscere strutture e anomalie osservando direttamente i volumi tridimensionali delle immagini.
La tecnica utilizzata, chiamata Vol-JEPA, è un’evoluzione di approcci che insegnano al modello a prevedere parti mancanti dell’immagine. In pratica, l’AI si allena a capire la “logica” dell’anatomia cerebrale ricostruendo ciò che non vede. Questo le permette di sviluppare una rappresentazione generale del cervello, utile poi per diversi compiti diagnostici.
Un modello del genere può essere adattato a ospedali diversi e a casi clinici vari senza dover ripartire da zero ogni volta. È un po’ come avere un medico specializzando che ha già visto milioni di esami e può essere formato rapidamente su un reparto specifico.
👉 In pratica, per chi lavora nella sanità questo significa strumenti di supporto più flessibili e meno dipendenti da lunghe fasi di etichettatura. Per tutti noi, potrebbe tradursi in diagnosi più rapide e standardizzate.
Leggi la fonte → (MarkTechPost)
In breve
- La cantante Lorde ha criticato dal palco gli occhiali AI, definendoli “non sexy”. Anche senza citare direttamente Ray-Ban Meta, il messaggio è chiaro: non tutti vedono gli smart glasses come il futuro desiderabile. L’adozione dell’AI passa anche dall’estetica e dalla percezione sociale.
- Su Hacker News si discute se introdurre un flag per segnalare articoli scritti dall’AI. L’idea non è penalizzarli, ma permettere a chi preferisce testi umani di evitarli. Segno che la trasparenza sull’uso dell’AI sta diventando un tema culturale, non solo tecnico.
- Un’analisi ha mostrato che Claude Code invierebbe fino a 33 mila token prima ancora di leggere il prompt, contro i circa 7 mila di un concorrente. Tradotto: più contesto pre-caricato, ma anche costi potenzialmente più alti. Anche nell’AI “per sviluppatori” l’efficienza fa la differenza.
- Un saggio intitolato “I love LLMs, I hate hype” critica l’entusiasmo eccessivo intorno ai modelli linguistici. L’autore sostiene che sono strumenti potentissimi, ma spesso venduti come soluzioni magiche. Un promemoria utile per restare lucidi.
- Con Chromium 148, perfino la funzione matematica Math.tanh può essere usata per identificare il sistema operativo sottostante. Piccole differenze nei calcoli in virgola mobile diventano una forma di impronta digitale. La privacy online è fatta anche di dettagli invisibili.
Lo sapevi che…
Nel 2016 un gruppo di ricercatori addestrò un’AI a riconoscere le pecore nelle foto satellitari per contare il bestiame in Australia. Il modello finì per imparare a distinguere le ombre degli alberi meglio degli animali stessi. A volte le macchine trovano scorciatoie che noi umani non avremmo mai immaginato.
Tool del giorno
Sistema di trascrizione vocale open source che gestisce l'italiano perfettamente. Gratuito e potentissimo.
Come usarlo: Carica un file audio (registrazione, intervista, lezione) e Whisper lo trascrive con precisione sorprendente, anche con accenti e rumori di fondo. Disponibile gratuitamente e usabile anche offline.
Ti è piaciuta questa edizione?
Ricevila gratis ogni lunedì, mercoledì e venerdì.