ESC{21}

Si tratteranno tutte le fasi del progetto, dall’idea alla realizzazione fisica e software: studio budget e decisione dei componenti, schema di cablaggio, disegno e bozza, disegno in 3d con fusion 360, stampa dei componenti con Ultimaker Cura & Ender 3, prove di cablaggio e scelta dei sistemi di ML per servomotori e fotocamera, test e debugging.

L'intelligenza artificiale generativa sembra magica, ma cosa si nasconde davvero dietro le quinte? In questo talk "hackeriamo" il concetto di Large Language Model, smontandolo per capire come funziona realmente. Scopriremo perché il termine "Pappagallo Stocastico" è così azzeccato, esplorando i limiti, i bias intrinseci e l'enorme hype che li circonda. L'obiettivo non è demonizzare, ma fornire gli strumenti critici e di autodifisa digitale per trasformarci da utenti passivi a "expert-in-the-loop", consapevoli che questi sono potentissimi strumenti, non intelligenze. Un viaggio per riappropriarcci del controllo narrativo e tecnico, distinguendo l'innovazione genuina dalla bolla mediatica.

Dalle parole ai fatti: in queste due ore di laboratorio pratico, abbandoniamo le slide per mettere le mani sul codice. Partiremo installando ed eseguendo un Language Model direttamente sui nostri portatili, usando strumenti open source come Ollama, LM Studio, llama.cpp o LocalAI, per capire cosa significa avere il pieno controllo del modello. Successivamente, definiremo degli "strumenti" (tools) in Python e scriveremo il codice per il nostro primo, semplice Agente AI. L'obiettivo è fargli risolvere un problema specifico di vostra scelta usando gli strumenti che gli abbiamo fornito, replicando in piccolo la logica delle soluzioni più complesse. Un'esperienza 100% a controllo nostro per dimostrare che è possibile costruire assistenti AI potenti e personalizzati, senza dipendere da servizi cloud chiusi e desiderosi dei nostri dati.