🗣"Siamo pronti per una revisione completa di come la scoperta scientifica può essere realizzata."

Fei-Fei Li, co-fondatrice e CEO di World Labs e professoressa di Stanford, afferma che l'intelligenza artificiale può sintetizzare conoscenze in diversi ambiti, superando le capacità di un singolo essere umano.

La scoperta scientifica sta passando da una conoscenza limitata alle capacità umane a un'intelligenza potenziata dalle macchine.

@AnotherIntelligence

🤖OpenAI vuole agenti AI più sicuri, senza compromettere la privacy

Man mano che gli agenti AI diventano più autonomi, la sicurezza diventa più complessa: più contesto ha un sistema AI, più è facile individuare comportamenti pericolosi. Tuttavia, mantenere tutto questo contesto rende anche più difficile garantire la privacy.

Private Safety Processing di OpenAI è progettata per affrontare questo compromesso. Può rilevare schemi sospetti in diverse interazioni, mantenendo al contempo i contenuti effettivi dei clienti inaccessibili al personale di OpenAI.

Con Zero Data Retention, i clienti API idonei ricevono solide protezioni per la privacy: le richieste e le risposte non vengono conservate dopo l'elaborazione, i contenuti dei clienti non sono disponibili per la revisione umana e i dati aziendali non vengono utilizzati per l'addestramento a meno che il cliente non lo consenta esplicitamente.

Se il sistema rileva un potenziale uso improprio, OpenAI riceve un segnale di sicurezza limitato che descrive il tipo di attività, ma non le richieste o le risposte sottostanti.

@AnotherIntelligence

🧬L'intelligenza artificiale ha creato un modello mondiale della cellula umana

GenBio AI ha presentato AIDO Cell, un nuovo sistema di intelligenza artificiale progettato per simulare una cellula vivente, considerando il DNA, l'RNA, le proteine, le reti regolatorie e il comportamento complessivo della cellula, il tutto all'interno di un unico modello.

Invece di utilizzare modelli separati per prevedere ciò che accade in ogni livello biologico, AIDO Cell collega l'intera catena. Modificare un gene, sovraesprimerlo o introdurre un composto, e gli effetti possono propagarsi attraverso la cellula, dalla regolazione genica all'RNA, alle proteine, ai compartimenti e, infine, al comportamento della cellula.

AIDO Cell ricorda lo stato della cellula. Apportare una modifica, quindi un'altra, e la seconda modifica agisce sulla cellula che è stata appena modificata, e non su una copia originale.

Questo trasforma il sistema da uno strumento di semplice interrogazione a qualcosa su cui è effettivamente possibile condurre esperimenti.

Al momento, si tratta solo di un'anteprima, non di una replica digitale perfetta di una cellula specifica. Ma, se questo approccio si dimostra valido, l'intelligenza artificiale potrebbe consentire ai ricercatori di eseguire esperimenti biologici complessi all'interno di una cellula virtuale prima di intervenire su una cellula reale.

Fonte

@AnotherIntelligence

👀DeepSeek ha dotato gli agenti di intelligenza artificiale della capacità di "vedere"

DeepSeek ha rilasciato DeepSeek-V4-Flash-Vision-Exp, un modello multimodale sperimentale che introduce la capacità di elaborazione visiva alle funzionalità V4-Flash.

Si dice che il modello sia paragonabile a V4-Flash in compiti basati su testo, come il ragionamento, gli agenti e la conoscenza del mondo, e che compia un notevole passo avanti nei benchmark per agenti multimodali, raggiungendo prestazioni vicine a Opus-4.8.

Questo significa che gli agenti di intelligenza artificiale possono ora comprendere le immagini mentre utilizzano strumenti, aprendo la strada a flussi di lavoro che in precedenza richiedevano modelli di visione separati.

Fonte

@AnotherIntelligence

📢Dietro ogni buona risposta di un'intelligenza artificiale, c'è una persona che ha valutato una risposta peggiore.

Ecco come sfruttare questa informazione:

Prima che un modello come ChatGPT o Claude raggiunga l'utente, migliaia di persone si siedono di fronte alle sue risposte e le valutano. Confrontano due risposte e indicano quale è migliore, segnalano le risposte errate o inutili e riscrivono le risposte deboli per renderle più efficaci. Il modello studia queste valutazioni e tende a fornire risposte che le persone considerano effettivamente buone.

Ciò che il modello apprende da tutte queste valutazioni è una comprensione di come appare una risposta utile per una persona reale. Questa è la ragione, spesso non percepita, per cui un chatbot può sembrare utile piuttosto che semplicemente corretto.

Ecco la parte che potete utilizzare: lo stesso meccanismo funziona anche all'interno di una singola conversazione. Quando una risposta non è soddisfacente, non limitatevi a riformularla sperando in una risposta migliore. Indicate cosa non ha funzionato, mostrate cosa dovrebbe includere una risposta migliore e chiedete al modello di rivederla in base a queste indicazioni. Valutatela come farebbe un valutatore e il modello si adatterà immediatamente.

Più specifiche sono le vostre osservazioni, più vicina sarà la risposta successiva.

@AnotherIntelligence