LaCulturaDelDato #060

Dati & algoritmi attraverso i nostri 5 sensi

For my English speaking friends, click here for the translated version

Ciao,

sono Stefano Gatti e questo è il sessantesimo numero della newsletter LaCulturaDelDato: dati & algoritmi attraverso i nostri 5 sensi. Le regole che ci siamo dati per questo viaggio le puoi trovare qui.

Ecco i cinque spunti del sessantesimo  numero:

🖐️Tecnologia (data engineering). Martin Fowler: A Visionary Leader Shaping the Future of Software Development with Generative AI
Martin Fowler è un’icona nel mondo dello sviluppo software. Lo è per molti motivi tra i quali il fatto che è stato uno dei padri dello sviluppo agile del software e di alcune tecniche e architetture della programmazione quali extreme programming e la programmazione ad oggetti. Grazie alla sua esperienza, alla sua visione innovativa e al suo impegno nella condivisione delle conoscenze, Fowler è diventato un punto di riferimento per programmatori e ingegneri del software in tutto il mondo. La sua capacità di anticipare e guidare il cambiamento nel settore rende le sue riflessioni e i suoi consigli particolarmente preziosi per chiunque voglia rimanere al passo con le evoluzioni tecnologiche nel campo della programmazione. Il fatto che abbia scritto un post sull'utilizzo della generative AI nella programmazione ha ulteriormente rafforzato la mia convinzione su come questo lavoro stia cambiando nel breve periodo.

L'articolo è scritto in maniera eccellente ed è utile anche per capire come interagire al meglio con i motori di generative AI, anche se non li si usa come supporto alla programmazione. Concetti come Generated Knowledge e Chain of Thought sono importanti per essere più efficaci con ChatGPT, a prescindere dal contesto. Riguardo allo sviluppo di architetture software, nell'articolo Martin suggerisce tre passaggi principali, che vengono dettagliati in maniera concreta e specifica: si parte da fornire all'LLM la strategia di implementazione, per poi passare alla generazione del piano di implementazione e solo successivamente si chiede lo sviluppo del codice. Per spronarti a leggere tutto l'articolo, ti "spoilero" il finale 🙂. Martin scrive infatti: "La mia conclusione di questa discussione è stata che l'utilizzo di approcci quali Chain-of-Thought e Generated Knowledge può essere uno strumento significativamente utile per la programmazione. In particolare, è emerso che per utilizzare bene gli LLM, dobbiamo imparare a costruire i prompt per ottenere i migliori risultati. Questa esperienza suggerisce che è utile interagire con l'LLM come un partner junior, iniziandolo con linee guida architetturali, chiedendogli di mostrare il proprio ragionamento e modificando i suoi risultati man mano che si procede."

👀 Data Science. Communicating Machine Learning Concepts: Key Skills for Effective Data Scientists 
Nisha Arya è una giovane data scientist e technical writer che scrive articoli divulgativi su KDnuggets, un'ottima testata online che tratta argomenti di Data Science, Machine Learning, AI e Analytics. Anche nell'era di ChatGPT, capita in azienda di dover spiegare a qualche collega l'algoritmo che hai usato per risolvere un problema di business con la data science. In questi due articoli che ti suggerisco oggi, Nisha spiega in maniera molto sintetica nel primo, e anche in modo visuale nel secondo, i principali algoritmi di machine learning. Se poi non riesci a fare a meno, in questo periodo, di usare un Large Language Model per formarti, ti consiglio Ava, un SQL Chatbot Tutor con cui puoi parlare di SQL e, direi, in SQL, e testare il tuo livello di conoscenza del popolare linguaggio di interrogazione dei database.

👃Investimenti in ambito dati e algoritmi. The AI Revolution in Education: Exciting Progress and Human Challenges Ahead
”Si prevede che l'intelligenza artificiale nel settore dell'istruzione apporterà molteplici benefici a studenti, educatori e istituzioni, tra cui l'automazione di compiti e processi amministrativi e l'apprendimento personalizzato su scala, consentendo agli educatori di concentrarsi su attività di maggior valore come il tutoraggio e il supporto agli studenti." Questa è la sintesi di uno studio sull'utilizzo e impatto dell'intelligenza artificiale nel settore dell'educazione condotto da Holoniq, una società di ricerca specializzata. Vedo già la tua faccia molto dubbiosa chiedersi in quale multiverso, diverso dal nostro, ciò potrà accadere 🙂. Eppure, lentamente, qualcosa si muove. Da poche settimane sono (anche) docente di un corso universitario in una Università italiana e posso testimoniare che abbiamo a disposizione diverse metriche per capire come e quanto gli studenti stanno seguendo le lezioni e in che modo. I ragazzi hanno anche a disposizione, ad esempio, le trascrizioni delle videoregistrazioni delle lezioni effettuate. Tutte informazioni molto utili che, per essere generate, utilizzano sistemi di intelligenza artificiale. E siamo solo all'inizio… Il tema molto delicato, come spesso accade, è riuscire ad interpretare correttamente le metriche e collegarle alle azioni appropriate, che è poi ciò che in ambito aziendale viene definito decision analytics. Ti ho fatto tutto questo discorso per convincerti a guardare con più ottimismo al futuro e a questo interessante studio che evidenzia i diversi ambiti di applicabilità tecnologici: metriche (analytics), linguaggio, visione e voce, con la prima area, come emerge anche dal mio esempio, più matura delle altre. Non stupisce che l'impatto sia maggiore al crescere dell'età degli studenti, con il mondo universitario e aziendale in testa, ambito quest'ultimo, dove peraltro permangono molto alti i livelli di investimenti anche nel 2022. Non perderti, nella seconda parte della ricerca, il confronto delle survey fatte nel 2019 e nel 2022 (pre e post COVID) che evidenzia i grandi passi avanti compiuti ma anche l'attuale grande criticità del numero di risorse umane capaci di utilizzare e guidare l'adozione di queste nuove tecnologie nel settore educativo. Niente di nuovo sotto il sole, ma il caldo aumenta!

👅Etica & regolamentazione & impatto sulla società. AI Regulation: Let's Get Real and Get Going
Sono assolutamente d'accordo che l'evoluzione presente e futura dell'AI debba essere regolamentata, meglio di quanto stiamo attualmente facendo. Tuttavia, sono fermamente contrario alla proposta di bloccare il suo sviluppo per sei mesi, come qualcuno ha suggerito: è una soluzione impraticabile a livello globale e inutile in termini concreti.
Per una riflessione più concreta, ti propongo due punti di vista simili, ma non identici, di due persone che stimo molto. Il primo è quello del Prof. Galloway, di cui ho già condiviso post molto pragmatici e data-driven. In modo perentorio, come suggerisce il titolo "Guardrails", egli chiede una regolamentazione seria e non di facciata. Lo fa con ironia e sarcasmo, ma anche con concretezza e dati molto significativi, in una modalità di cui solo lui è capace.
L'altro articolo è di Tim O'Reilly, colui che ha coniato il termine "WEB 2.0", e non solo. Il suo titolo "You can't regulate what you don't understand" non è completamente in linea con il contenuto. Infatti, Tim non suggerisce di evitare la regolamentazione dell'AI, bensì propone un approccio che parte dal monitoraggio di ciò che sta effettivamente accadendo sul campo, e da chi lo sta facendo.
Ti riporto la traduzione del finale dell'articolo, che però dovrebbe essere letto per intero: "Non dovremmo aspettare di regolamentare questi sistemi fino a quando non saranno impazziti. Ma i regolatori non dovrebbero nemmeno reagire in modo eccessivo agli allarmismi sull'AI diffusi dalla stampa. I regolamenti dovrebbero innanzitutto concentrarsi sulla divulgazione del monitoraggio attuale e delle migliori pratiche. In questo modo, le aziende, le autorità di regolamentazione e i tutori dell'interesse pubblico possono imparare insieme come funzionano questi sistemi, come possono essere gestiti al meglio e quali potrebbero essere i rischi sistemici."
Questa è anche la posizione, che un attivo partecipante della nostra community mi ha segnalato su Linkedin, attribuita a Greg Brockman, uno dei fondatori di OpenAI. Egli sostiene che sia meglio "lavorare in maniera incrementale, immettendo sul mercato prodotti ancora imperfetti ma garantendo all'uomo il tempo di comprenderli a fondo, di adattarsi ai cambiamenti che inevitabilmente porteranno e di costruire l'impianto normativo necessario alla loro regolamentazione". Tutto vero, ma occorre agire subito, concretamente e su scala globale 🙂

👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Empowering Businesses with Generative AI: A New Era of Process Optimization
Una delle domande che sento porre in quasi tutte le organizzazioni è: "Come può la generative-AI (spesso semplificata in ChatGPT) aiutare il nostro personale e migliorare i nostri processi?". Trovo la domanda molto pertinente e attuale, ma la risposta non è altrettanto semplice. Credo effettivamente che la generative AI avrà un impatto, nei prossimi mesi ed anni, su ogni area aziendale, ma a velocità e modalità molto diverse tra loro. Sicuramente la risposta migliore, anche se apparentemente poco concreta, è quella di cominciare a familiarizzare con questi strumenti e a studiare sia come funzionano sia come interfacciarsi al meglio con essi. Esistono già in molti ambiti soluzioni che utilizzano la generative AI e offrono servizi già pronti che la integrano. Per aiutare a trovarle e a rispondere, almeno parzialmente, alla domanda iniziale, ti suggerisco questo sito che è un motore di ricerca di soluzioni AI-driven applicabili a numerosi processi aziendali. Ci sono oltre 2000 strumenti divisi in 54 categorie. Buona ricerca serendipica!

Se hai ulteriori suggerimenti e riflessioni sui temi di questo numero o per migliorare questa newsletter scrivimi (st.gatti@gmail.com) o commenta su substack.

Se ti è piaciuta e non sei ancora iscritto lascia la tua mail qui sotto e aiutami a diffonderla!

Alla prossima!