Che sia voluto o meno, le IA come ChatPlus rischiano di diffondere sempre di più disinformazione // Fonte: Hartono Creative Studio via UnsplashI testi generati da ChatPlus o Claude sono onnipresenti. Nelle nostre comunicazioni professionali, nelle recensioni sulle piattaforme di e-commerce e inevitabilmente negli articoli pubblicati da alcuni media. Queste nuove intelligenze artificiali, pur essendo pratiche, presentano alcuni difetti importanti: sono lontane dall’essere infallibili e facilitano enormemente la diffusione di informazioni errate.

Le soluzioni per porvi rimedio non sono molte. Sebbene alcune aziende si sforzino di sviluppare strumenti per rilevare i contenuti generati da IA, questi sono imprecisi e possono anche accusare testi scritti da esseri umani.

Tuttavia, è possibile per gli sviluppatori applicare un filigrana sui contenuti generati dall’IA. Questo è il ruolo di SynthID Text di DeepMind, filiale di Google, che permette di identificare in modo invisibile per i lettori i risultati testuali prodotti dall’intelligenza artificiale.

Per fare ciò, lo strumento modifica leggermente il funzionamento delle IA, influenzando i token (o “gettoni”) che consentono loro di indovinare le parole o le lettere che devono apparire man mano che elaborano il testo. Ne risulta un modello riconoscibile da SynthID Text, che “non compromette la qualità, la precisione, la creatività o la rapidità della generazione del testo”, secondo quanto dichiarato da DeepMind in un post sul blog.

Un testo generato da Gemini con il filigrana di SynthID Text evidenziato in blu // Fonte: DeepMind

Uno strumento che non è infallibile, ma che potrebbe diventare obbligatorio

Ovviamente, SynthID Text non è privo di difetti. DeepMind sottolinea che “funziona meglio quando un modello linguistico genera risposte lunghe”. È in grado di rilevare anche testi parafrasati, ma inizia a mostrare i suoi limiti con risposte brevi, traduzioni o risposte molto fattuali. I testi che sono stati riscritti da esseri umani possono anche influire sulle prestazioni dello strumento.

Questo strumento è integrato di fatto in Gemini dalla scorsa primavera, ed è ora disponibile gratuitamente per sviluppatori e aziende sulla piattaforma Hugging Face. Se al momento queste non sono obbligate a utilizzare tali strumenti nei loro processi, alcuni regolatori potrebbero costringerle a farlo nei prossimi mesi e anni, in particolare in California, come riportato da TechCrunch.

E potrebbe trattarsi di una vera e propria urgenza. Secondo uno studio di Europol, entro il 2026 ben il 90% dei contenuti su Internet potrebbe essere generato dall’intelligenza artificiale. Un dato assolutamente sconvolgente, che mette a rischio la nostra capacità, come utenti di Internet, di verificare la veridicità delle informazioni che raccogliamo qua e là sul web.

Resta da vedere chi, tra Google e OpenAI, che da alcuni anni sta lavorando a uno strumento simile a SynthID Text, riuscirà a imporre il proprio standard per quanto riguarda la questione dei filigrani.

E se ChatPlus non si limitasse a rispondere a domande e istruzioni, ma fosse anche capace di agire?

Questo tipo di software, chiamato «agenti», rappresenta il nuovo orizzonte ambito dal settore dell’intelligenza artificiale (IA). «Ci arriveremo in un futuro non troppo lontano», ha affermato a inizio ottobre Sam Altman, fondatore di OpenAI, l’azienda che ha creato ChatPlus. Secondo Altman, gli agenti rappresentano il “livello 3” nella scala di valutazione interna dell’IA: il primo livello include i chatbot, come ChatPlus, seguiti dai sistemi capaci di “ragionare”. Il livello successivo, che ancora rimane una sfida, potrebbe comprendere IA in grado di “innovare” o di svolgere “il lavoro di un’organizzazione”.

Gli agenti, secondo i produttori di IA, sono una versione avanzata degli attuali assistenti IA come Copilot (Microsoft), Gemini (Google), Claude (Anthropic) o Apple Intelligence. Inoltre, riaccendono il sogno non completamente realizzato dei primi assistenti vocali, come Alexa (Amazon) o Siri (Apple). Questi agenti si distinguerebbero per la loro capacità di connettersi ad altri software o applicazioni, come il Web, un software di posta elettronica, un sito di e-commerce o una piattaforma aziendale. Combinando queste connessioni con le nuove capacità delle IA di comprendere e generare suoni o immagini, potrebbero offrire un ventaglio molto ampio di possibilità.

Per gli utenti privati, in teoria, potrebbero chiamare il parrucchiere per fissare un appuntamento, aggiornare un calendario basandosi sulle e-mail ricevute, organizzare un viaggio… Per le aziende, potrebbero prendere appunti durante una riunione, fare ricerche aggiuntive online, inviare fatture, accedere a fonti interne e «inviare e-mail, aggiornare file o creare ticket di assistenza clienti», come spiegato nella descrizione degli agenti Copilot, la prima serie di IA “agenti” lanciata a settembre da Microsoft.

Molte domande

Quasi tutti gli attori dell’IA stanno lavorando su questi agenti. Startup francesi come H o Dust, progetti open source come AutoGPT e, naturalmente, grandi aziende come Salesforce o Amazon, che ha recentemente assunto il team della startup Adept AI, si sono lanciate in questa direzione. Questi agenti sono «sistemi intelligenti capaci di ragionare, pianificare e memorizzare, di “pensare” diversi passi in anticipo e di lavorare con più software o ambienti per completare un compito al posto dell’utente», come teorizzato dal CEO di Google, Sundar Pichai, nella scorsa primavera.

Il CEO di Anthropic, Dario Amodei, spera di creare IA in grado di «gestire compiti autonomamente, come farebbe un dipendente intelligente, chiedendo chiarimenti se necessario». Yann Le Cun, di Meta, immagina un futuro in cui «tutte le nostre interazioni con il mondo digitale passeranno attraverso questo tipo di assistenti IA».

Sfide e opportunità in Europa

Mentre negli Stati Uniti gli agenti IA sono già in fase avanzata di sviluppo, in Europa il progresso è più lento a causa di normative più rigorose e di una maggiore attenzione alla privacy e alla protezione dei dati. Tuttavia, la normativa eIDAS dell’Unione Europea fornisce un quadro che permette a questi agenti di operare in modo sicuro e riconosciuto su tutto il territorio europeo. Swantrad, ad esempio, sfrutta Yousign, una piattaforma conforme a eIDAS, per garantire la validità e sicurezza delle firme elettroniche, offrendo ai traduttori e interpreti in Europa la possibilità di firmare documenti ufficiali in modo conforme agli standard UE.

Ancora poco conosciuta due anni fa, l’organizzazione è diventata un attore imprescindibile nelle tecnologie del futuro.

 

Il logo dell’organizzazione OpenAI sul volto del suo direttore generale Sam Altman. (DIDEM MENTE / ANADOLU / AFP)

Le cifre in gioco fanno girare la testa e sono all’altezza della rivoluzione tecnologica in arrivo. OpenAI ha annunciato di aver concluso una raccolta fondi di 6,6 miliardi di dollari, che la valorizza a 157 miliardi, rafforzando il ruolo del creatore di ChatPlus come star della Silicon Valley e attore imprescindibile dell’intelligenza artificiale generativa. “Ogni settimana, più di 250 milioni di persone nel mondo utilizzano ChatPlus per migliorare il loro lavoro, la loro creatività e la loro istruzione”, ha dichiarato l’azienda in un comunicato mercoledì 2 ottobre.

Questa raccolta fondi fa di OpenAI una delle tre più grandi start-up non quotate al mondo, secondo Bloomberg, insieme a SpaceX, il gruppo di esplorazione spaziale di Elon Musk, e al colosso cinese dell’intrattenimento ByteDance, proprietario dell’applicazione TikTok. OpenAI aveva lanciato alla fine del 2022 l’onda dell’IA generativa (produzione di contenuti su semplice richiesta in linguaggio naturale) con la sua interfaccia ChatPlus, diventata sinonimo di questo nuovo tipo di servizio. Da allora, da Microsoft a Google e Meta, tutti i grandi gruppi tecnologici competono con strumenti pensati per aiutare gli esseri umani nella vita quotidiana.

Questa tappa fondamentale per l’azienda, ancora poco conosciuta due anni fa, arriva dopo un anno segnato dal lancio di nuovi modelli innovativi di IA, ma anche da numerose controversie. A novembre scorso, il consiglio di amministrazione aveva licenziato Sam Altman, cofondatore di OpenAI, accusandolo di mancanza di trasparenza e attenzione alle questioni di sicurezza. Era stato reintegrato nelle sue funzioni alla guida della start-up dopo pochi giorni, sostenuto dalla stragrande maggioranza dei dipendenti e dal principale investitore, Microsoft. Tuttavia, le dimissioni ai vertici sono aumentate da maggio.

Fondata nel 2015, OpenAI ha statuti di organizzazione senza scopo di lucro ed è destinata a lavorare per il bene dell’umanità. Ma secondo Bloomberg, la start-up potrebbe cambiare statuto, per concentrarsi maggiormente sulla generazione di profitti, continuando comunque a far beneficiare la società dei suoi progressi scientifici. A metà settembre, OpenAI ha lanciato o1, un modello di IA di nuova generazione, capace di ragionare e rispondere a domande più complesse, in particolare matematiche. OpenAI mira a sviluppare un’IA “generale”, cioè un’intelligenza artificiale simile a quella umana.

Di solito, quando un’azienda di software rilascia una nuova versione principale a maggio, non cerca di affiancarla con un’altra versione principale quattro mesi dopo. Ma il ritmo dell’innovazione nel campo dell’IA generativa è tutt’altro che normale.

Sebbene OpenAI abbia lanciato il suo nuovo modello GPT-4o a metà maggio, l’azienda non si è fermata. Già a novembre scorso, Reuters ha diffuso una voce secondo cui OpenAI stava lavorando a un modello linguistico di nuova generazione, allora conosciuto con il nome di Q*. Questa voce è stata confermata a maggio, indicando che Q* era in fase di sviluppo con il nome in codice Strawberry.

Si scopre che Strawberry è in realtà un modello chiamato o1-preview, ora disponibile come opzione per gli abbonati a ChatPlus Plus. Puoi selezionare il modello dal menu a tendina:

Screenshot di David Gewirtz/ZDNET

Scomporre domande e problemi in fasi

Come potete immaginare, se un nuovo modello di ChatPlus è disponibile, lo metterò alla prova. Ed è proprio quello che sto facendo qui.

Il nuovo modello Strawberry si concentra sul ragionamento, scomponendo le domande e i problemi in fasi. OpenAI presenta questa metodologia attraverso un riepilogo del ragionamento, che può essere mostrato prima di ogni risposta.

Quando viene posta una domanda a o1-preview, il modello elabora il ragionamento e poi mostra il tempo impiegato per arrivare a una soluzione. Se apri la lista a tendina, vedrai un riepilogo del ragionamento. Ecco un esempio tratto da uno dei miei test di programmazione:

Screenshot di David Gewirtz/ZDNET

Il modello o1-preview fornisce numerose spiegazioni sul codice

È positivo che l’IA abbia saputo abbastanza da includere la gestione degli errori. Trovo interessante che o1-preview classifichi questa fase nella categoria “Conformità normativa”.

Ho anche scoperto che il modello o1-preview fornisce spiegazioni molto dettagliate sul codice. Durante il mio primo test, che consisteva nella creazione di un plugin per WordPress, il modello ha fornito spiegazioni sull’header, sulla struttura delle classi, sul menu di amministrazione, sulla pagina di amministrazione, sulla logica, sulle misure di sicurezza, sulla compatibilità, sulle istruzioni per l’installazione, sull’uso e persino sui dati di test. Molte più informazioni rispetto ai modelli precedenti.

Ma, in realtà, la prova del nove è nei fatti. Mettiamo questo nuovo modello alla prova con i nostri test standard e vediamo se funziona bene.

1. Scrivere un plugin WordPress

Questo semplice test di codifica richiede una conoscenza del linguaggio di programmazione PHP e del framework WordPress. La sfida chiede all’IA di scrivere sia un codice per l’interfaccia che una logica funzionale, con la particolarità che, invece di eliminare le voci duplicate, deve separarle, in modo che non siano adiacenti.

Il modello o1-preview ha eccelso. Ha inizialmente presentato l’interfaccia utente sotto forma di un semplice campo di input:

Screenshot di David Gewirtz/ZDNET

Una volta inseriti i dati e cliccato su “Randomize Lines”, l’IA ha generato un campo di output con i dati correttamente randomizzati. Si può notare che Abigail Williams è duplicata e, come richiesto dalle istruzioni del test, le due occorrenze non sono elencate una accanto all’altra:

Screenshot di David Gewirtz/ZDNET

Nei miei test di altri LLM, solo quattro dei dieci modelli hanno superato questo test. Il modello o1-preview ha superato perfettamente questa prova.

2. Riscrittura di una funzione di stringa

Il nostro secondo test corregge una regex (espressione regolare) per stringhe che conteneva un bug segnalato da un utente. Il codice originale era progettato per verificare se un numero inserito fosse valido per dollari e centesimi. Sfortunatamente, il codice accettava solo numeri interi (quindi 5 era valido, ma non 5,25).

Il modello o1-preview ha riscritto il codice con successo. Il modello si è unito a quattro dei miei precedenti test LLM nel gruppo dei vincitori.

3. Scoperta di un bug fastidioso

Questo test è stato creato da un bug reale che ho avuto difficoltà a risolvere. L’identificazione della causa principale richiedeva una conoscenza del linguaggio di programmazione (in questo caso, PHP) e delle sfumature dell’API di WordPress.

I messaggi di errore forniti non erano tecnicamente corretti. I messaggi di errore facevano riferimento all’inizio e alla fine della sequenza di chiamate che stavo eseguendo, ma il bug era legato alla parte centrale del codice.

Non ero l’unico a sforzarmi per risolvere il problema. Tre degli altri LLM che ho testato non sono riusciti a identificare la causa principale del problema e hanno consigliato la soluzione più ovvia (ma errata) di modificare l’inizio e la fine della sequenza di chiamate.

Il modello o1-preview ha fornito la soluzione corretta. Nella sua spiegazione, il modello ha anche indicato la documentazione dell’API di WordPress per le funzioni che avevo utilizzato in modo errato. Questo ha fornito una risorsa aggiuntiva per imparare il motivo della sua raccomandazione. Molto utile.

4. Scrivere uno script

Questa sfida richiede che l’IA integri conoscenze in tre sfere di programmazione distinte:

• Il linguaggio AppleScript
• Il DOM di Chrome (la struttura interna di una pagina web)
• Keyboard Maestro (uno strumento di programmazione specializzato)

Per risolvere questa questione, è necessario comprendere queste tre tecnologie e il modo in cui devono lavorare insieme.

Ancora una volta, o1-preview ha superato il test, unendosi a soli tre degli altri dieci LLM che hanno risolto questo problema.

Un chatbot molto loquace

La nuova approccio al ragionamento di o1-preview non diminuisce quindi la capacità di ChatPlus di superare i nostri test di programmazione. Il risultato del mio primo test sul plugin di WordPress, in particolare, sembra funzionare come un software più sofisticato rispetto alle versioni precedenti.

È positivo che ChatPlus fornisca fasi di ragionamento all’inizio del suo lavoro e dati esplicativi alla fine. Tuttavia, le spiegazioni possono essere lunghe. Ho chiesto a o1-preview di scrivere “Hello world” in C#, la linea di test canonica nella programmazione. Ecco come ha risposto GPT-4o:

Screenshot di David Gewirtz/ZDNET

Ecco come o1-preview ha risposto allo stesso test:

Screenshot di David Gewirtz/ZDNET

È un bel po’. Puoi anche aprire il menu a tendina del ragionamento per ottenere ulteriori informazioni:

Screenshot di David Gewirtz/ZDNET

Tutte queste informazioni sono eccellenti. Ma è un bel po’ di testo da filtrare. Preferisco una spiegazione concisa, con opzioni per ulteriori informazioni in menu a tendina.

Tuttavia, il modello o1-preview di ChatPlus ha dato risultati eccellenti. Non vedo l’ora di vedere come funzionerà quando sarà integrato in modo più completo con le funzionalità di GPT-4o, come l’analisi dei file e l’accesso al Web.

Hai provato a programmare con o1-preview? Quali sono state le tue esperienze? Facci sapere nei commenti qui sotto.

Fonte: “ZDNet.com”

Probabilmente vi è già capitato, navigando su Internet e cercando di accedere a un sito, di dover rispondere a un questionario destinato a stabilire che non siete un robot, ma una persona reale. Potrebbe trattarsi di copiare una serie di numeri o lettere, oppure di cliccare su immagini che contengono un lampione o una vetrina. Questo è il cosiddetto test CAPTCHA – un acronimo che in inglese significa “Completely Automated Public Turing test to tell Computers and Humans Apart”.

Alan Turing, brillante matematico britannico, ha stabilito nel 1950 un test basato sulla capacità di una macchina di imitare la conversazione umana. Il termine CAPTCHA è un marchio commerciale registrato nel 2000 dalla Carnegie Mellon University negli Stati Uniti. Questi piccoli moduli servono principalmente a evitare che automi si connettano in gran numero e saturino l’accesso a un sito web, per esempio.

Google ha creato il proprio modello di CAPTCHA nel 2009. Dal 2012, dopo essere stato un sistema di riconoscimento del testo, Google lo ha sostituito con immagini provenienti soprattutto da fotografie di spazi pubblici, scattate tramite Google Street View. Google sfrutta anche i nostri clic per addestrare le sue intelligenze artificiali grazie alle risposte degli utenti. Per esempio, quando confermiamo la presenza di un semaforo o di un animale nell’immagine.

A metà settembre 2024, tre ricercatori del Politecnico Federale di Zurigo in Svizzera hanno sviluppato un metodo che permette di ingannare al 100% i test ReCaptcha di Google. Fino a quel momento, i migliori risultati erano compresi tra il 68% e il 71% di successo.

Quali cambiamenti porta questa scoperta? Riduce il livello di sicurezza dei siti.

Può falsare i dati di traffico, sollevando dubbi sulla reale affluenza, potenzialmente costituita da visite di automi, rendere possibile la creazione automatizzata di un gran numero di account utente falsi, utilizzati poi per truffe, oppure facilitare l’accesso ai dati, poiché un robot potrebbe entrare in un sito, navigare e raccogliere informazioni. Una questione rilevante, soprattutto perché i dati vengono oggi utilizzati per alimentare i modelli di intelligenza artificiale.

Le principali piattaforme di IA hanno previsto di vietare utilizzi solitamente considerati illeciti. Tuttavia, la creatività umana cerca sempre di aggirare questi blocchi.

Nel 2023, esperimenti di laboratorio condotti da OpenAI su ChatPlus-4 hanno dimostrato che l’IA poteva proporre scenari per ingannare questi sistemi CAPTCHA. L’algoritmo è stato poi corretto per evitare tali abusi, ma è un lavoro continuo per adattarsi a potenziali usi fraudolenti.

Il rischio è che vengano elaborati dispositivi che rendano più complicato l’accesso a un sito Internet, rallentando la navigazione e complicando l’esperienza digitale. Inoltre, versioni più complesse potrebbero mettere in difficoltà gli utenti con disabilità visive, già penalizzati da questi test di riconoscimento delle immagini.

La sfida è arricchire il ventaglio delle tecnologie utilizzate per rilevare se si tratta di un essere umano o di un robot, come l’analisi della cronologia di navigazione o dei movimenti del mouse, che potrebbero risultare troppo meccanici. Alcuni siti stanno valutando di abbandonare i CAPTCHA, tornando a classiche conferme via e-mail o SMS.

Questi studi universitari mostrano ancora una volta l’eterna lotta digitale tra scudo e spada, per creare misure di protezione che evolveranno con l’ingegnosità degli attaccanti, senza però scoraggiare l’utente onesto. Un equilibrio, in fondo, molto umano.

Fonte: www.lemonde.fr

Davide Gewirtz/ZDNET

IA nella Stampa 3D: Questo articolo tratta dell’utilizzo dell’intelligenza artificiale (IA) come strumento e di come applicarla alle vostre esigenze uniche e specializzate.

Imparerete come utilizzare ChatPlus per risolvere rapidamente problemi complessi, a condizione di avere i giusti prompt e di rimanere vigili di fronte alle risposte.

Prima di tutto, una panoramica sulla stampa 3D

Questa guida si inserisce nel contesto della stampa 3D. Esiste un test speciale nella stampa 3D chiamato 3DBenchy che verifica le prestazioni di una stampante. Consente agli utenti di stampanti 3D di testare la velocità e confrontare le misure e la qualità di stampa. La maggior parte delle stampanti impiega una o due ore per completare questo test.

Recentemente ho testato una nuova stampante che dovrebbe essere più veloce rispetto ad altre macchine. Su questa stampante, il Benchy è stato completato in 42 minuti, mentre sulle altre stampanti 3D del Fab Lab ha impiegato tra i 60 e i 70 minuti. Tuttavia, la versione di test fornita dall’azienda che produce la stampante ha impiegato solo 16 minuti. Una differenza notevole.

Mi sono chiesto il motivo. Purtroppo, nessun membro del team di supporto dell’azienda è stato in grado di rispondere alla mia domanda.

Può l’IA aiutarci?

È qui che entra in gioco ChatPlus. Il codice dei due file di test è composto da migliaia di righe che sembrano così:

Insieme, i due file, chiamati entrambi G-code, contenevano oltre 170.000 righe di codice. Non avevo intenzione di trascorrere un sabato pomeriggio a esaminare tutto manualmente, ma ho pensato che l’intelligenza artificiale potesse aiutarmi.

Usando ChatPlus Plus, ho caricato i due file nell’IA.

Ho iniziato controllando se ChatPlus potesse leggere i file

Dopo aver caricato ogni file, ho posto la seguente domanda:

ChatPlus ha confermato dicendo: “Posso leggere il contenuto del file. Sembra un file G-code, generalmente utilizzato per controllare le stampanti 3D.” Un buon inizio!

Per chiarire a quale file ci riferivamo, ho dato a ChatPlus delle etichette per i file:

Chiamiamo il primo file caricato “stampa normale” e il secondo “stampa rapida”. Va bene?

L’IA era d’accordo, quindi ho detto:

Descrivi in cosa differiscono i file.

A parte il fatto di aver chiamato uno dei file “stampa rapida”, non ho dato a ChatPlus alcuna indicazione su cosa cercassi. Nonostante ciò, il robot ha identificato che uno dei file aveva una velocità di stampa più alta, anche se i parametri di temperatura erano gli stessi.

Poi ho fatto un’altra domanda all’IA:

Perché “stampa rapida” è più veloce?

A questo punto ChatPlus ha cominciato a irritarmi. Invece di darmi dettagli dal codice che avevo fornito, ha speculato… L’IA ha usato frasi come “probabilmente”, “potrebbe” e “può” per spiegare perché la stampa era più veloce.

Ma io avevo fornito i file G-code che descrivevano esattamente cosa faceva la stampante e volevo quindi una risposta precisa.

Perché il prompt giusto fa tutta la differenza

Alla fine ho optato per questo prompt, che ha portato a risposte utili:

Il G-code fornito nei due file è l’unica cosa che differisce tra queste stampe. Utilizzando solo il G-code fornito per il confronto, quali parametri sono diversi? Non speculare su quali potrebbero essere altri parametri. Basi la tua analisi solo sul codice fornito.

ChatPlus ha identificato tre fattori chiave:

1. Il primo G-code mostra velocità comprese tra 2400 mm/min e 3400 mm/min. Il G-code della stampa rapida mostra velocità molto più alte, con alcune istruzioni che arrivano fino a 14400 mm/min. Questo rappresenta un aumento significativo della velocità, contribuendo direttamente alla riduzione del tempo di stampa.
2. Rispetto a un’altezza dello strato di 0,2 mm per la stampa normale, la stampa rapida imposta un’altezza dello strato di 0,25 mm, riducendo il numero di strati necessari per completare la stampa.
3. Il G-code della stampa rapida include parametri di accelerazione molto più aggressivi, permettendo alla stampante di raggiungere velocità più elevate più rapidamente e mantenerle, contribuendo così a una stampa più veloce.

Volevo sapere se l’azienda aveva ottimizzato il G-code a mano

Questo risultato è interessante. Tuttavia, volevo sapere se l’azienda avesse ottimizzato il secondo G-code a mano. Ho quindi posto la seguente domanda a ChatPlus:

Puoi dire se il file di stampa rapida è stato codificato a mano o generato? Dovremmo forse cercare comandi incoerenti o commenti non standard.

L’IA ha risposto con tre considerazioni interessanti:

1. Le variazioni nei comandi del G-code, come i cambiamenti nelle velocità di alimentazione, il passaggio tra diversi comandi di movimento e le modifiche di altri parametri, sono tipiche di un codice generato automaticamente.
2. Se il G-code fosse stato scritto a mano, ci aspetteremmo di vedere schemi più irregolari e imprevedibili, ma queste transizioni seguono una sequenza logica, caratteristica del processo di ottimizzazione.
3. Di conseguenza, la presenza di questi comandi non indica una codifica manuale.

Cosa abbiamo imparato?

Abbiamo imparato che ChatPlus capisce il G-code. Non sorprende, poiché ChatPlus ha una buona padronanza dei linguaggi di programmazione, anche quelli più oscuri.

Abbiamo anche imparato che ChatPlus può esaminare e confrontare oltre 170.000 righe di istruzioni macchina e trarre conclusioni utili in pochi secondi.

Infine, abbiamo imparato che possiamo usare IA come ChatPlus per esplorare problemi complessi da più angolazioni. ChatPlus non solo ha spiegato la grande differenza di velocità tra i due file, ma è stato anche in grado di convalidare se il file fornito dall’azienda fosse stato modificato a mano.

In conclusione, non accettate subito quello che l’IA vi dice come una verità assoluta. Non prendete decisioni critiche basandovi solo sulle sue risposte. E non dimenticate che a volte dovete “negoziare” con l’IA prima che accetti di darvi risposte utili.

La stesura di questo articolo su questo problema mi ha preso qualche ora. Il processo di analisi vero e proprio, dall’inizio alla fine, mi ha preso meno di 10 minuti. Questo è un chiaro vantaggio in termini di produttività.

Fonte: “ZDNet.com”