https://chat.lmsys.org/?leaderboard

https://www.usgs.gov/media/images/all-earths-water-a-single-sphere

https://d9-wret.s3.us-west-2.amazonaws.com/assets/palladium/production/s3fs-public/thumbnails/image/all-the-worlds-water.jpg

• https://www.worldtimezone.com/
• https://www.timeanddate.com/

https://www.youtube.com/@PrimerBlobs/featured

Conosco Kubernetes come un sistema di orchestrazione open source per container, usato per automatizzare il deployment, la scalabilità e la gestione di applicazioni containerizzate.

Sono stato piacevolmente sorpreso nel ritrovare questo temine legato alla cibernetica (ovvero lo studio scientifico del controllo e della comunicazione negli organismi viventi e nelle macchine).

Il termine “cibernetica” deriva dal greco κυβερνήτης (kybernētēs), che significa “timoniere” o “governatore”. Questa parola è stata scelta da Norbert Wiener (spesso identificato come inventore della cibernetica) per il suo libro “Cybernetics: Or Control and Communication in the Animal and the Machine”, pubblicato nel 1948, per sottolineare l’importanza del controllo e della regolazione nei sistemi.

http://www.incompleteideas.net/IncIdeas/BitterLesson.html

Il testo “La Lezione Amara” di Rich Sutton, datato 13 marzo 2019, affronta un’importante riflessione emersa da 70 anni di ricerca sull’intelligenza artificiale (IA). La lezione principale è che i metodi generali basati sull’uso intensivo del calcolo sono i più efficaci. Questo è dovuto principalmente alla legge di Moore, che descrive il costante calo del costo per unità di calcolo. Tradizionalmente, la ricerca in IA è stata condotta come se la capacità di calcolo fosse costante, dando importanza alla conoscenza umana per migliorare le prestazioni. Tuttavia, nel tempo, è diventata disponibile una quantità di calcolo molto maggiore.

Sutton fornisce esempi in diversi ambiti, come gli scacchi e il gioco del Go, dove inizialmente si cercava di evitare il calcolo intensivo a favore di approcci basati sulla conoscenza umana. Questi approcci sono stati infine superati da metodi che sfruttano massicciamente il calcolo. Nel riconoscimento vocale, ad esempio, metodi statistici basati su modelli di Markov nascosti hanno superato quelli basati sulla conoscenza umana, portando a cambiamenti significativi nel campo dell’elaborazione del linguaggio naturale.

Sutton sottolinea anche l’importanza dell’apprendimento autonomo e dell’apprendimento in generale, paragonandoli alla ricerca in quanto entrambi permettono l’uso di enormi quantità di calcolo. Inoltre, osserva che ci sono state tendenze simili nella visione artificiale, dove i metodi tradizionali sono stati sostituiti da reti neurali moderne che usano concetti come la convoluzione.

La conclusione di Sutton è che il campo dell’IA non ha ancora appreso completamente questa lezione, continuando a commettere errori simili. Sottolinea l’importanza di comprendere l’attrattiva di questi errori per resistere efficacemente ad essi, e conclude che dovremmo smettere di cercare modi semplici per pensare ai contenuti delle menti, concentrandoci invece sui metodi che possono catturare la complessità intrinseca del mondo esterno.

Argomenti:

1. Importanza del calcolo: Il focus di Sutton sull’importanza del calcolo e sulla riduzione del costo per unità di calcolo (legge di Moore) è cruciale. Questo approccio ha portato a notevoli progressi in diversi campi, come il riconoscimento vocale, gli scacchi e il Go. La capacità di processare grandi quantità di dati e di eseguire complessi algoritmi di apprendimento automatico ha permesso di superare limiti precedentemente inimmaginabili.
2. Limiti della conoscenza umana: L’osservazione che l’introduzione della conoscenza umana nei sistemi di IA può portare a un plateau prestazionale è una constatazione significativa. La conoscenza umana è intrinsecamente limitata e soggettiva, e può impedire l’esplorazione di soluzioni innovative che un sistema guidato dal calcolo può scoprire.
3. Sviluppo di metodi generali: L’enfasi sui metodi generali che scalano con l’aumento del calcolo è una direzione promettente. Tali metodi, come l’apprendimento automatico e l’elaborazione delle reti neurali profonde, hanno dimostrato di essere estremamente efficaci in un’ampia gamma di applicazioni.
4. Equilibrio tra calcolo e conoscenza umana: Nonostante l’enfasi sul calcolo, non si deve sottovalutare il valore della conoscenza e dell’intuizione umana. L’interazione tra calcolo e intuizione umana potrebbe portare a soluzioni più innovative e efficaci.
5. Apprendimento e adattabilità: La capacità degli algoritmi di apprendere autonomamente, come nel caso dell’apprendimento tramite il gioco autonomo, è un passo fondamentale verso sistemi di IA più avanzati e versatili.

In conclusione, la “Lezione Amara” sottolinea l’importanza del calcolo e dei metodi generali nell’IA, ma allo stesso tempo suggerisce la necessità di un equilibrio tra l’utilizzo del calcolo e l’integrazione della conoscenza umana. È una riflessione profonda che guida la ricerca e lo sviluppo nell’IA verso nuovi orizzonti di scoperta e innovazione.

https://zapier.com/

Un novizio chiese al priore: “Padre, posso fumare mentre prego?”, e fu severamente redarguito. Un secondo novizio chiese allo stesso priore: “Padre, posso pregare mentre fumo?”, e fu lodato per la sua devozione.

– Miniere di sale a Wieliczka, Polonia.
– Edificio Burj Khalifa ad Abu Dhabi, Emirati Arabi Uniti.
– Duomo di Milano, Italia.
– Città ad ingresso singolo a Monemvasia, Grecia.
– Tomba di Napoleone Bonaparte a Parigi, Francia.
– Piramidi dell’antica città di Meroë, Sudan.
– Taj Mahal ad Agra, India.
– Torre Eiffel a Parigi, Francia.
– Stazione Spaziale Internazionale.
– Città di Petra, Giordania.
– Leoni marini nelle Isole Galapagos, Ecuador.
– Cratere del vulcano Ambrym, Vanuatu.
– Vulcano Miharayama Ohachi-meguri, Giappone.
– Cavallo che mangia una banana a Victoria, Canada.
– Palazzo Ducale a Venezia, Italia.