⚠️Tutti possono capire quando hai usato l'IA per scrivere.

#learn@AnotherIntelligence

#prompt@AnotherIntelligence

Non sono le parole. È il ritmo, ecco come risolverlo:

1. L'IA viene scoperta perché la sua scrittura può essere prevedibile:
I rilevatori misurano quanto scorre uniformemente il testo. Stessa lunghezza della frase, stessa forma, riga dopo riga. Quell'uniformità è ciò che la segnala.

2. I trattini. La parola "delve". Un errore di battitura fatto di proposito:
Le persone ripuliscono tutto per nascondere l'IA e non cambia nulla. Quella non era la parte che tradiva la tua scrittura.

3. Il vero indizio è che ogni frase ha la stessa lunghezza:
Guarda come le persone scrivono realmente. Un lungo pensiero che si sviluppa e si snoda per un po'. Poi uno breve. Un frammento. Poi una riga che continua oltre dove un modello si sarebbe fermato.

4. Quindi rendilo irregolare di proposito:
"Riscrivi questo in modo che le lunghezze delle frasi siano ovunque. Alcune molto brevi, altre lunghe. Dovunque tre di fila sembrino uguali, interrompi una. Non sistemarlo dopo."

5. L'altro indizio è che l'IA non si impegnerà:
Valuta entrambi i lati. Addolcisce ogni affermazione. Scrive come se avesse paura di sbagliare. Le persone scelgono un lato e lo dicono.

6. Correggi:
"Riscrivi questo con un'opinione reale. Scegli un lato, dillo chiaramente, elimina le esitazioni. Sembra qualcuno che ha già preso una decisione."

7. Ultimo. La scrittura dell'IA è troppo pulita:
Le persone lasciano impronte digitali. Un'osservazione che interrompe il punto. Una frase che si affievolisce. Un dettaglio così specifico che nessuno si preoccuperebbe di inventarlo. "Rimetti il disordine umano. Un'osservazione, una frase schietta, qualcosa di leggermente fuori. Lascia stare."

Niente di tutto questo serve a battere un rilevatore. Un rilevatore e un lettore reale stanno controllando la stessa cosa, se una persona era dietro le parole. Correggi questo e entrambi smetteranno di segnalarti.

⚡️ Il nuovo GPT-5.5-Cyber di OpenAI ha appena superato Mythos 5 su CyberGym, un benchmark che testa se gli agenti IA possono riprodurre vulnerabilità del software nel mondo reale.

@AnotherIntelligence

🤖 Sembra che otterremo un'intera gamma di nuovi modelli GPT questo giovedì:

• GPT-5.6
• 5.6 Pro
• E un nuovo modello vocale bidirezionale.

@AnotherIntelligence

🇪🇺 Il CEO di Mistral, Arthur Mensch, ha appena lanciato un severo avvertimento all'Europa:

Costruite la vostra infrastruttura IA entro due anni o inviate oltre 1 trilione di euro alle aziende tecnologiche americane.

La sua argomentazione è semplice. I salari globali sono circa 50 trilioni di euro, e l'IA potrebbe assorbire circa il 10% di questo valore. La quota dell'Europa è di circa 9 trilioni di euro, il che significa che più di 1 trilione di euro di spesa per l'IA è in palio nei prossimi cinque anni.

La domanda è: chi verrà pagato?

L'Europa già spende centinaia di miliardi in servizi digitali statunitensi ogni anno, contribuendo a finanziare la R&D americana mentre si allontana sempre più dalle tecnologie che guidano la produttività futura.

Mensch ha paragonato l'IA alla dipendenza energetica. Quando una crisi mette in luce il rischio, è già troppo tardi.

I chip vengono assegnati. I data center vengono costruiti. L'economia dell'IA viene ora divisa.

Questo non è più un dibattito tecnologico. È un dibattito sulla sovranità.

@AnotherIntelligence

🔥Uomo contro Macchina.

I primi round sono già iniziati.

Creatore: @robo_list

@AnotherIntelligence

❗️I data center dell'IA potrebbero utilizzare molta meno acqua di quanto la maggior parte delle persone pensi.

Secondo il Manhattan Institute, i data center rappresentano solo lo 0,2% del consumo giornaliero di acqua negli Stati Uniti e questa cifra è in calo man mano che l'industria passa al raffreddamento liquido.

Il grande cambiamento è il raffreddamento liquido a 45°C, che consente a molte strutture di IA di utilizzare raffreddatori a secco invece di torri di raffreddamento ad alta intensità di acqua.

Il risultato? L'utilizzo di acqua di raffreddamento può scendere da circa 2,6 milioni di galloni per MW all'anno a quasi zero.

E i benefici vanno oltre il risparmio di acqua. Il raffreddamento liquido è anche più efficiente dal punto di vista energetico e rende più facile catturare e riutilizzare il calore di scarto, trasformando le fabbriche di IA in potenziali risorse per le comunità locali e le reti elettriche.

Il futuro data center dell'IA potrebbe consumare meno acqua di quanto i critici si aspettino e fornire più valore che non semplicemente calcolo.

@AnotherIntelligence

🗣️ Auto-miglioramento ricorsivo: il co-fondatore di Anthropic Jack Clark afferma che potrebbe arrivare entro il 2028.

I sistemi di IA potrebbero aiutare a inventare i propri successori con Claude 10 che costruisce Claude 11, e così via potenzialmente "senza alcun ricercatore coinvolto".

@AnotherIntelligence

👓 Meta sta lanciando una nuova linea di occhiali IA chiamati "Muse Spark", disponibili in tre stili.

Gli occhiali possono riprodurre musica, catturare immagini per tradurre lingue e rispondere a domande sull'ambiente circostante di una persona. Maya Blackstone di CBS News li ha provati.

@AnotherIntelligence

🤖 Anthropic ha appena trasformato Claude in un compagno di squadra Slack

Anthropic ha introdotto Claude Tag, un nuovo sistema che consente ai team di taggare Claude direttamente in Slack e assegnargli lavoro reale.

Menziona Claude in un thread e può suddividere i task in fasi, analizzare i dati, scrivere codice, unire le richieste di pull, indagare gli incidenti e riportare i risultati.

A differenza di un assistente IA personale, c'è un Claude condiviso per ogni canale, consentendo ai compagni di squadra di entrare nei progetti senza perdere il contesto. Claude impara anche dalle conversazioni in corso, riducendo la necessità di spiegare ripetutamente lo stesso lavoro.

Con la sua nuova modalità "ambiente", Claude può persino agire in modo proattivo, seguendo le discussioni in stallo e facendo emergere gli aggiornamenti importanti da solo.

Anthropic afferma che il concetto si è evoluto da Claude Code e, internamente, il 65% del codice del team di prodotto è ora generato da strumenti alimentati da Claude.

Fonte

@AnotherIntelligence