LaCulturaDelDato #098
Dati & algoritmi attraverso i nostri 5 sensi
Ciao,
sono Stefano Gatti e questo è il novantottesimo 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 novantottesimo numero:
👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Navigating Decisions in a Data-Driven World: Insights from Abraham Thomas
Dati e intelligenza artificiale stanno diventando sempre più essenziali nel supportare le nostre decisioni, sia a livello individuale che di team, all'interno delle organizzazioni. Fino a quando gli agenti intelligenti non ci sostituiranno, prendendo decisioni al posto nostro, continueremo a utilizzare e a migliorare l'uso di assistenti sviluppati con dati e intelligenza artificiale. Tuttavia, "migliorare" non significa necessariamente agire in modo perfetto o con informazioni complete. Anzi, la velocità con cui cambiano gli scenari, in parte accelerata dall'AI, rende paradossalmente il nostro processo decisionale ancora più complesso. L'approfondimento che ti propongo oggi riguarda proprio questo tema e ha un titolo intrigante: “Strong Opinions, Weakly Held Or, decision-making under incomplete information”. È stato scritto da
Se sei interessato a scoprire di più su Abraham Thomas, abbiamo avuto una piacevole chiacchierata con lui nell'edizione aggiornata e in inglese di “La Cultura del Dato”.
Ah, dimenticavo: prendere decisioni significa spesso produrre un cambiamento nella nostra vita. Il cambiamento è quel tema di cui amiamo parlare ma che speriamo capiti ad altri, come ci ricorda Jason Cohen in un articolo molto gustoso, ricco di esempi dal mondo aziendale. In realtà te lo avevo già segnalato ma lo avevate trascurato in molti mentre nel post di oggi mi sembra come il cacio sui maccheroni e ci riprovo ;-) 😉
👃Investimenti in ambito dati e algoritmi. Start-up of the Month December 2023: Eliseai
Anche questo mese, sfruttando la mia attività di monitoraggio di innovazione e investimenti a livello mondiale, ti segnalo una startup che ha particolarmente colpito la mia attenzione e che ha ottenuto finanziamenti a dicembre. Questa startup, che opera nel mondo dei dati e degli algoritmi, usa queste tecnologie in modo significativo all'interno dei prodotti che offre al mercato.
Intanto si sono consolidati i dati di fine anno e l’ho fatto anche sul mio database, che ha una copertura tra il 45% e il 50% del mercato mondiale totale, e ti confermo, come puoi leggere in dettaglio in questo articolo su Crunchbase, una forte contrazione degli investimenti su scala globale, attorno al 38%, ma con differenze significative a livello geografico e di tipologia di round. In senso contrario, gli investimenti nel settore dell'AI sono cresciuti del 9%. Ma, e qui ti riporto alcune considerazioni tratte dai miei dati, se escludiamo i mega round di OpenAI, Anthropic e Inflection AI, anche questo ambito è in leggero calo (tra il 5% e il 10%), sia in termini di numero di transazioni che in termini di volumi investiti, ma non nel valore medio investito per round, che invece rilevo in leggera crescita.
Tra le 59 start-up che hanno ricevuto investimento a dicembre e che ho etichettato “Data & AI”, ti segnalo EliseAI, un'azienda tecnologica che offre una piattaforma AI completa per la gestione immobiliare, e quindi appartiene anche al settore PropTech. Il loro prodotto include funzionalità come la gestione automatica delle email, SMS, chiamate telefoniche e interazioni via chat, consentendo una comunicazione efficiente e tempestiva con i potenziali inquilini e i residenti attuali da parte dei gestori e/o dei proprietari degli immobili. La piattaforma include anche strumenti per la programmazione automatizzata di visite agli immobili, la gestione delle manutenzioni, il rinnovo dei contratti e la gestione delle morosità. EliseAI si integra con i sistemi di gestione immobiliare esistenti per migliorare l'efficienza operativa e ottimizzare la gestione del cliente. EliseAI nel 2023, oltre all’estensione della sua linea di credito, ha completato un round di finanziamento di Serie C, raccogliendo $35 milioni. Questo finanziamento è stato guidato da Point72 Private Investment e ha come obiettivo la continua evoluzione del prodotto e l'espansione in nuovi mercati, soprattutto verso quello sanitario.
🖐️Tecnologia (data engineering). The Programmer's New Toolbox: Navigating the World of LLMs and AI Assistants
Nel numero 96 avevo parlato della transizione dallo sviluppo software 1.0 al 2.0, o più prudentemente, al 1.9 🙂. Dopo aver ricevuto diverse osservazioni e domande, oggi riprendo l'argomento, dato che è decisamente complesso. Parlando di sviluppo software, ci riferiamo a un insieme di attività diverse, che variano a seconda che si tratti dello sviluppo di una nuova applicazione (nuovo codice), dell'evoluzione di una piattaforma esistente (manutenzione evolutiva) o del refactoring (o replatforming) di un'applicazione. Anche il linguaggio di programmazione utilizzato rappresenta una variante significativa dello sviluppo SW. A seconda della tipologia e, in certi casi, del linguaggio, anche attività come la definizione delle specifiche (o la scrittura delle storie in metodologia agile), i test e la verifica della qualità del codice possono avere una rilevanza diversa. Sta emergendo che spesso la specializzazione degli LLM per una specifica attività sembra essere la soluzione migliore, o perlomeno quella con il miglior rapporto qualità/costo. Quindi, avremo molti strumenti che ci aiuteranno a facilitare l'intero ciclo di sviluppo? All'inizio sì, poi probabilmente verrà l'integrazione. Riguardo a questi tool che supportano lo sviluppo software (non necessariamente tutti basati su AI generativa), ti consiglio questo sito, che, come spiega chiaramente, fornisce "Kit SaaS utili e template per gli sviluppatori per costruire il proprio prossimo progetto più velocemente". Se sei interessato all'AI e agli assistenti per il codice, il parere di Salvatore Sanfilippo, uno dei più grandi sviluppatori al mondo è imperdibile. Trovi un suo contributo lungo e tecnico, ma assolutamente da leggere, qui. Un passaggio con cui concordo particolarmente è questo: "Non sono certo un novizio della programmazione. Sono in grado di scrivere codice senza aiuto, e lo faccio spesso. Nel tempo, ho iniziato a utilizzare sempre più gli LLM per scrivere codice di alto livello, soprattutto in Python, e molto meno in C. La mia esperienza personale con gli LLM mi ha insegnato esattamente quando usarli e quando invece mi rallenterebbero. Ho anche scoperto che gli LLM sono un po' come Wikipedia e i videocorsi su YouTube: utili per chi ha voglia, capacità e disciplina, ma offrono un beneficio marginale a chi è rimasto indietro. Temo che, almeno all'inizio, favoriranno solo chi è già avvantaggiato."
Se infine sei anche interessato ad un approfondimento molto tecnico sulle implementazioni degli LLM specializzati sul codice questa presentazione di Anson Ni, di Yale University, è fatta decisamente bene.
👀 Data Science. SQL and Common Sense: Navigating the Maze of Spatial-Temporal Data
Nel mondo aziendale, il lavoro dei data scientist si concentra spesso sull'interrogazione e l'analisi dei dati, senza necessariamente ricorrere a modelli matematici complessi. Ricorda che "less is more" (la versione americana del rasoio di Occam 😊), quindi scegliere uno strumento più semplice per raggiungere il risultato desiderato è generalmente la scelta migliore. Perché? Perché la legge di Gall è sempre attuale! Se non sai cos'è la legge di Gall, ti consiglio di leggere il divertentissimo post di
Ma passiamo al consiglio di oggi: non ti serve conoscere Python o il machine learning per capire l'importanza di questa informazione, che è comunque utile anche se sei esperto in questi campi. "Quattro insidie nell'analisi dei dati spazio-temporali e come evitarle" evidenzia quanti errori (almeno quattro) si possono commettere anche semplicemente calcolando una media in un dataset di dati spazio-temporali (grazie Giuseppe per la segnalazione). Un po' di conoscenza in SQL e logica è tutto ciò che serve per comprenderlo, ed è estremamente formativo. Confesso di essere caduto in tutte e tre le prime trappole almeno una volta nella vita, ma mai nella quarta, dato che non ho mai fatto analisi così sofisticate che includessero dati di altitudine.
Se sei arrivato fin qui anche se non conosci SQL, ti suggerisco di visitare questo sito che uso periodicamente per ripassare alcuni concetti base di matematica legati ai dati, che tendo a dimenticare (come questa "semplice" rappresentazione delle classi di numeri e delle loro proprietà). Il sito è pensato per studenti, ma, in modo piuttosto ironico, il gestore del progetto "accoglie" anche insegnanti e altri adulti 🙂
👅Etica & regolamentazione & impatto sulla società. Beyond Trends: Andrew Ng on What Remains in AI and Data
Leggo sempre con un certo scetticismo i bilanci e le previsioni a cavallo del nuovo anno, perché sono convinto che bilanci, scenari e cambiamenti possano essere fatti in qualsiasi momento e, per esperienza personale, quelli che non sono vincolati al nuovo anno tendono a essere più duraturi e consistenti. Tuttavia, li leggo perché riconosco che la tranquillità e la “sospensione” del periodo natalizio possono favorire riflessioni più profonde ed efficaci. Di solito ne scelgo uno su cui riflettere e che porto con me durante l'anno. Quest'anno, ed è l'approfondimento che ti suggerisco oggi, ho scelto quello di Andrew Ng. Da grande innovatore quale è, prende a prestito il consiglio di Bezos sul "pensare non solo a ciò che sta cambiando, ma anche a ciò che rimarrà invariato. Se qualcosa non cambia, è più probabile che investire energie e sforzi su di esso sia utile". Questo è tanto più vero nel mondo estremamente dinamico dei dati e dell'intelligenza artificiale. Ecco le tre cose che, secondo Andrew Ng, non cambieranno nei prossimi anni:
1. L'esigenza di avere una community (di amici).
2. La maggiore produttività delle persone che sanno usare gli strumenti di IA.
3. I buoni dati di cui l'intelligenza artificiale ha bisogno per funzionare bene (come le persone hanno bisogno di buoni dati per prendere buone decisioni).
Partendo da queste premesse immutabili, Andrew suggerisce tre azioni per il 2024:
1. Continuare a costruire community attorno ai dati e all’AI.
2. Continuare a studiare e ad imparare.
3. Continuare a usare l’intelligenza artificiale sui propri dati, che continueranno a crescere di valore.
E, visto che le osservazioni e i consigli di Andrew Ng sono tutti incentrati sull’educazione e sull’apprendimento continuo, permettimi di suggerirti due ulteriori approfondimenti, se sei appassionato del tema:
- Il primo è un post enciclopedico e molto ben fatto su tutto quello che abbiamo appreso sull’educazione e l’intelligenza artificiale nel 2023: e non sono poche cose.
- Il secondo è il blog di un’insegnante italiana (spoiler alert: mia moglie 🙂) che sta sperimentando sul campo e condividendo dal campo, nella scuola superiore italiana, alcune pratiche su come si possa usare l’AI qui ed ora.
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!