artificial intelligence Archivi - Webbare https://www.webbare.it/tag/artificial-intelligence/ Easy choise, easy way! Wed, 07 May 2025 13:12:27 +0000 it-IT hourly 1 https://wordpress.org/?v=7.1 https://www.webbare.it/wp-content/uploads/2020/02/jira-logo-scaled.png artificial intelligence Archivi - Webbare https://www.webbare.it/tag/artificial-intelligence/ 32 32 Google migliora Gemini 2.5 Pro in vista dell’I/O 2025 https://www.webbare.it/2025-05-google-io-2025-gemini/?utm_source=rss&utm_medium=rss&utm_campaign=google-io-2025-gemini Wed, 07 May 2025 13:12:27 +0000 https://www.webbare.it/?p=46407 L'articolo Google migliora Gemini 2.5 Pro in vista dell’I/O 2025 proviene da Webbare.

]]>

Google ha dato accesso anticipato a un’anteprima di Gemini 2.5 Pro, in vista della conferenza degli sviluppatori I/O 2025 che si terrà tra un paio di settimane.

Perché tanta fretta? Google ha attribuito la decisione al “travolgente entusiasmo” e alle “cose straordinarie” che gli sviluppatori stavano già preparando con la versione precedente di Gemini 2.5 Pro. Sembra che non vedano l’ora di mettere in circolazione queste funzionalità potenziate.

Non si tratta solo di una nuova verniciatura. L’azienda sostiene questa nuova versione sulla base del “feedback estremamente positivo” ricevuto per l’originale Gemini 2.5 Pro, soprattutto per quanto riguarda la codifica e la capacità di gestire diversi tipi di informazioni.

Ci viene detto di aspettarci “miglioramenti significativi per lo sviluppo front-end e dell’interfaccia utente”, il che sarà musica per le orecchie di molti sviluppatori web. Ma le buone notizie non si fermano qui: secondo quanto riferito, i miglioramenti si estendono in profondità nel kit di strumenti di codifica, coprendo le trasformazioni di codice complicate, la modifica dettagliata del codice e persino lo sviluppo di quei flussi di lavoro agenziali intelligenti – sistemi di intelligenza artificiale che possono praticamente eseguire compiti da soli.

La prova, come si suol dire, è nel budino o, in questo caso, nelle classifiche. Gemini 2.5 Pro ha conquistato il primo posto nella classifica di WebDev Arena, superando il suo predecessore di ben 147 punti Elo. Per coloro che non tengono il conto, questa classifica è molto importante: è il luogo in cui gli esperti umani valutano la capacità dei modelli di intelligenza artificiale di costruire siti web che non solo funzionino senza problemi, ma che abbiano anche un aspetto professionale.

Questo balzo in classifica suggerisce un vero e proprio passo avanti nella capacità dell’IA di contribuire a creare esperienze web veramente curate e di facile utilizzo. Google afferma inoltre che questo vantaggio sta già “alimentando l’innovativo agente di codice di Cursor” e alimentando collaborazioni con brillanti aziende come Cognition e Replit, che stanno spingendo insieme “le frontiere della programmazione agenziale”.

Michael Truell, CEO di Cursor, ha dichiarato: “Siamo entusiasti dell’ultima versione di Gemini 2.5 Pro, che si basa sulle sue già forti capacità di codifica nel mondo reale. Stiamo osservando internamente che il nuovo modello ha una significativa riduzione della mancata chiamata degli strumenti, un miglioramento che crediamo i nostri utenti troveranno rende 2.5 Pro ancora più efficace di prima in Cursor”.

Michele Catasta, Presidente di Replit, ha aggiunto: “Abbiamo constatato che Gemini 2.5 Pro è il miglior modello di frontiera per quanto riguarda il rapporto ‘capacità su latenza’. Non vedo l’ora di poterlo utilizzare su Replit Agent ogni volta che sarà necessario svolgere un’attività sensibile alla latenza con un elevato grado di affidabilità”.

Secondo Silas Alberti, del team fondatore di Cognition, l’aggiornamento di Gemini 2.5 Pro “raggiunge prestazioni di primo piano” nei suoi test di sviluppo. È stato il primo modello in assoluto a risolvere uno dei suoi evals “che prevedeva un refactor più ampio di un backend di routing delle richieste”.

Alberti afferma che l’aggiornamento di Gemini 2.5 Pro “si sente come uno sviluppatore più anziano, perché è stato in grado di prendere decisioni corrette e di scegliere buone astrazioni”. Questo suggerisce che l’intelligenza artificiale non si limita a sfornare codice, ma inizia a mostrare una comprensione più sfumata delle sfide di sviluppo.

Al di là della codifica più spinta, Gemini 2.5 Pro continua a mostrare i muscoli con la sua capacità di comprendere diversi tipi di media e di gestire una tonnellata di informazioni in un colpo solo. Google è particolarmente orgogliosa delle sue “prestazioni all’avanguardia nella comprensione dei video” e i numeri lo confermano: un punteggio dell’84,8% nel benchmark VideoMME. Se si unisce questa competenza video alle sue capacità di codifica, si ottengono alcune possibilità davvero nuove.

Prendiamo l’esempio di “Video to Learning App” che viene mostrato in Google AI Studio: è in grado di creare un’applicazione interattiva per l’apprendimento partendo da un singolo video di YouTube:

Che cosa significa questo per gli sviluppatori? La creazione di nuove funzionalità, soprattutto per il front-end dei siti web, potrebbe diventare molto meno complicata. Normalmente, questo comporta un lavoro minuzioso, immergendosi nei file di progettazione, osservando i componenti per abbinare gli stili come i colori, i caratteri, il padding e i bordi, e quindi realizzando manualmente il CSS.

Google suggerisce di utilizzare Gemini 2.5 Pro nell’editor di codice per generare nuovi elementi, come l’aggiunta di un lettore video che si adatti perfettamente allo stile dell’applicazione esistente:

Avete un’idea interessante per un’applicazione, ma temete la fatica di farla funzionare bene e avere un bell’aspetto? Gemini 2.5 Pro vuole essere il vostro nuovo migliore amico. Google indica una nuova app di dettatura, realizzata con questo modello aggiornato, come esempio lampante. L’azienda richiama l’attenzione su dettagli interessanti come “le animazioni della lunghezza d’onda, il design reattivo e i sottili effetti di passaggio dei pulsanti”.

Il modello ha un “vero gusto per lo sviluppo web estetico” per impostazione predefinita, pur lasciando che gli sviluppatori lo guidino, aiutandoli a trasformare rapidamente un concetto in un’applicazione web funzionante. In effetti, Gemini 2.5 Pro ha apparentemente progettato e codificato l’animazione dell’interfaccia utente del microfono per l’applicazione di dettatura.

Per gli sviluppatori desiderosi di immergersi, Gemini 2.5 Pro aggiornato è pronto e in attesa tramite l’API Gemini in Google AI Studio e, per le grandi aziende, è disponibile tramite Vertex AI. È stato inoltre integrato nella normale app Gemini a cui possono accedere gli utenti comuni, alimentando funzioni come Canvas e consentendo persino di “vibrare il codice”, in pratica permettendo a chiunque di creare applicazioni web interattive con una semplice richiesta.

La parte migliore per gli sviluppatori che già utilizzano Gemini 2.5 Pro? L’aggiornamento dovrebbe avvenire senza problemi. La vecchia versione (03-25) ora punta automaticamente a questa nuova e più brillante (05-06), quindi non c’è nulla da fare per iniziare a usare il modello migliorato, e tutto allo stesso prezzo.

Google afferma inoltre che questa nuova versione affronta in modo specifico alcuni punti chiave del feedback degli sviluppatori, come “la riduzione degli errori nelle chiamate di funzione e il miglioramento del divertimento”.

L'articolo Google migliora Gemini 2.5 Pro in vista dell’I/O 2025 proviene da Webbare.

]]> Microsoft Research insegna all’intelligenza artificiale come eseguire il debug del codice https://www.webbare.it/2025-04-microsoft-research-insegna-aintelligenza-artificiale-come-eseguire-il-debug-del-codice/?utm_source=rss&utm_medium=rss&utm_campaign=microsoft-research-insegna-aintelligenza-artificiale-come-eseguire-il-debug-del-codice Wed, 16 Apr 2025 12:37:49 +0000 https://www.webbare.it/?p=46389 L'articolo Microsoft Research insegna all’intelligenza artificiale come eseguire il debug del codice proviene da Webbare.

]]>

Microsoft Research ha presentato debug-gym, un ambiente innovativo progettato per addestrare gli strumenti AI nella complessa arte del debug del codice.

Con l’espansione del ruolo dell’intelligenza artificiale nello sviluppo del software, debug-gym mira a risolvere un problema critico: mentre l’intelligenza artificiale è in grado di generare codice in modo efficiente, il debugging rimane una perdita di tempo importante per gli sviluppatori.

La proliferazione degli assistenti di codifica AI sta migliorando la produttività degli sviluppatori. Thomas Dohmke, CEO di GitHub, ha previsto nel 2023 che “prima o poi l’80% del codice sarà scritto da Copilot”.

Questa tendenza è evidente in tutto il settore, con grandi aziende e startup che si affidano sempre più all’IA per la generazione di codice. Garry Tan di Y Combinator ha sottolineato questo aspetto, osservando che per un quarto del loro ultimo gruppo di startup, il 95% del codice è stato scritto da grandi modelli linguistici (LLM).

Tuttavia, la realtà dello sviluppo del software comporta una quantità di debug molto maggiore rispetto alla scrittura del codice iniziale.

“In qualità di manutentori di popolari repository open-source, questo dato ci colpisce”, ha dichiarato il team di Microsoft Research. Hanno posto una domanda interessante: “Ma cosa succederebbe se uno strumento di intelligenza artificiale potesse proporre correzioni per centinaia di problemi aperti e noi dovessimo solo approvarle prima dell’unione?”.

Il debug, secondo la definizione dei ricercatori, è un processo interattivo e iterativo di correzione del codice. Gli sviluppatori in genere formulano ipotesi sui crash, raccolgono prove attraverso l’esecuzione del codice, esaminano i valori delle variabili (spesso utilizzando strumenti come il debugger Python, pdb) e ripetono questo ciclo finché il problema non viene risolto.

Debug-gym mira a dotare gli agenti di intelligenza artificiale di simili capacità di debug del codice. Si chiede: “fino a che punto gli LLM possono utilizzare strumenti di debug interattivi come pdb?”.

L’ambiente fornisce agli agenti AI che eseguono la riparazione del codice l’accesso a strumenti per la ricerca attiva di informazioni, ampliando le loro capacità di azione e osservazione. Gli agenti all’interno di debug-gym possono impostare punti di interruzione, navigare nel codice, ispezionare i valori delle variabili, creare funzioni di test e scegliere se indagare ulteriormente o riscrivere il codice in base al loro livello di fiducia.

“Riteniamo che il debug interattivo con strumenti adeguati possa consentire agli agenti di codifica di affrontare compiti di ingegneria del software del mondo reale e che sia fondamentale per la ricerca sugli agenti basata su LLM”, ha spiegato il team di Microsoft.

Le correzioni proposte da questi agenti potenziati – dopo l’approvazione umana – sarebbero basate sul contesto specifico della base di codice, sui dettagli dell’esecuzione del programma e sulla documentazione, andando oltre le semplici congetture basate sui dati di addestramento.

Debug-gym è costruito con diverse considerazioni chiave:

  • Gestione a livello di repository: Gli agenti possono accedere e modificare i file dell’intero repository di codice.
  • Robustezza e sicurezza: L’esecuzione del codice avviene all’interno di contenitori Docker in sandbox, isolando l’ambiente per evitare azioni dannose e consentendo al contempo di eseguire test approfonditi.
  • Estensibilità: La piattaforma è progettata per una facile integrazione di nuovi strumenti di debug.
  • Interazione basata sul testo: Le osservazioni sono presentate in testo strutturato (come JSON) e le azioni utilizzano una semplice sintassi testuale, garantendo la compatibilità con i moderni LLM.

I ricercatori possono utilizzare debug-gym con repository personalizzati e valutare le prestazioni dell’agente utilizzando benchmark come Aider (generazione di funzioni semplici), Mini-nightmare (esempi brevi e buggati) e SWE-bench (problemi del mondo reale che richiedono una profonda comprensione della codebase).

I primi esperimenti hanno coinvolto un semplice agente basato su prompt che utilizzava vari LLM (tra cui Claude 3.7, OpenAI o1 e OpenAI o3-mini) dotati di strumenti di debug come eval, view, pdb, rewrite e listdir.

Anche con questi strumenti, la soluzione di problemi complessi come quelli di SWE-bench Lite è rimasta impegnativa (raramente ha superato il 50% di successo), ma l’aumento delle prestazioni rispetto agli agenti senza strumenti di debug è stato significativo.

Il tasso di successo su SWE-bench Lite ha registrato un aumento relativo del 30% per Claude 3.7, del 182% per OpenAI o1 e del 160% per OpenAI o3-mini quando erano disponibili gli strumenti di debug.

I ricercatori attribuiscono la difficoltà generale alla mancanza di dati decisionali sequenziali (come le tracce di debug) negli attuali set di dati di formazione LLM. Tuttavia, il netto miglioramento convalida il potenziale di questa direzione di ricerca.

Il team di Microsoft Research ritiene che il passo successivo sia la messa a punto di LLM specifici per il debug interattivo. Ciò richiede la creazione di set di dati specializzati, registrando potenzialmente le interazioni degli agenti all’interno del debugger mentre raccolgono informazioni per risolvere i problemi.

A differenza dei compiti di ragionamento standard, il debug interattivo comporta un ciclo di azione, feedback ambientale e successivo processo decisionale, che richiede dati ricchi che catturino l’intera sequenza di risoluzione dei problemi.

Il piano prevede la messa a punto di un “modello di ricerca di informazioni” dedicato alla raccolta delle informazioni necessarie per la correzione dei bug, che fornirebbe poi un contesto pertinente a un modello primario di generazione del codice. Ciò potrebbe comportare che modelli di ricerca di informazioni più piccoli ed efficienti alimentino modelli di generazione più grandi, come un sistema avanzato di Retrieval Augmented Generation (RAG), risparmiando potenzialmente sui costi di inferenza dell’intelligenza artificiale.

Con l’open-sourcing di debug-gym, Microsoft Research invita la comunità più ampia a contribuire al progresso degli agenti di debug interattivi e, più in generale, degli agenti di IA in grado di ricercare attivamente informazioni dal loro ambiente.

L'articolo Microsoft Research insegna all’intelligenza artificiale come eseguire il debug del codice proviene da Webbare.

]]> Google migliora Android Studio con gli strumenti di AI Gemini per le aziende https://www.webbare.it/2025-04-google-android-studio-gemini-ai/?utm_source=rss&utm_medium=rss&utm_campaign=google-android-studio-gemini-ai Wed, 09 Apr 2025 12:20:52 +0000 https://www.webbare.it/?p=46384 L'articolo Google migliora Android Studio con gli strumenti di AI Gemini per le aziende proviene da Webbare.

]]>

Google ha presentato i nuovi strumenti di intelligenza artificiale Gemini per le aziende in Android Studio, studiati su misura per soddisfare le loro esigenze di privacy, sicurezza e gestione.

L’aggiornamento mira a potenziare le organizzazioni integrando l’assistenza alla codifica basata sull’intelligenza artificiale e affrontando al contempo le preoccupazioni relative alla protezione dei dati e alla proprietà intellettuale (IP).

Sandhya Mohan, Product Manager per Android di Google, ha spiegato: “Abbiamo sentito che alcune aziende hanno esigenze aggiuntive che richiedono una maggiore protezione dei dati sensibili, e questa offerta offre lo stesso Gemini in Android Studio a cui siete abituati, ora con i miglioramenti aggiuntivi della privacy che la vostra organizzazione potrebbe richiedere”.

Disponibile nelle edizioni Standard o Enterprise di Gemini Code Assist, il servizio su abbonamento consente agli amministratori di assegnare le licenze tramite la console di Google Cloud.

Le aziende hanno accesso a protocolli di sicurezza migliorati, tra cui VPC Service Controls, Private Google Access e autorizzazioni IAM granulari. L’offerta è inoltre conforme alle certificazioni di settore come SOC 1/2/3, ISO/IEC 27001 e 27701, garantendo l’adesione agli standard globali di sicurezza e privacy.

Il codice rimane sicuro con Gemini per le aziende

Google sottolinea che il codice dei clienti, gli input e le raccomandazioni generate dall’intelligenza artificiale non vengono utilizzati per addestrare modelli condivisi o sviluppare prodotti. Le organizzazioni mantengono la piena proprietà dei loro dati e della loro proprietà intellettuale.

“La nostra politica di governance dei dati aiuta a garantire che il codice del cliente, i suoi input e le raccomandazioni generate non vengano utilizzati per addestrare modelli condivisi o per sviluppare prodotti”, ha aggiunto Mohan.

L’edizione Enterprise include anche l’indennizzo per la proprietà intellettuale dell’IA generativa, che protegge le aziende da rivendicazioni di copyright di terzi relative al codice generato dall’IA. Ciò è in linea con le politiche di indennizzo applicate alle API di IA generativa di Google Cloud.

Personalizzazione del codice su misura

Gli sviluppatori che utilizzano la licenza Enterprise possono connettere Gemini ai repository GitHub, GitLab o BitBucket – comprese le installazioni on-premise – per personalizzare i suggerimenti di codice basati sui framework interni. Questa integrazione consente a Gemini di allineare il completamento del codice, le generazioni e le risposte alla chat con le best practice dell’azienda.

Secondo Google, le aziende che utilizzano la personalizzazione del codice hanno registrato un miglioramento del 70% nei tassi di accettazione dei suggerimenti dell’intelligenza artificiale rispetto al modello di base.

“Le risposte personalizzate attraverso la personalizzazione del codice migliorano notevolmente la qualità delle risposte fornite dall’IA”, ha sottolineato Mohan.

Costruito per gli sviluppatori Android

Gemini in Android Studio continua a concentrarsi sui flussi di lavoro specifici di Android, offrendo strumenti quali:

  • Supporto per gli errori di compilazione e sincronizzazione: Approfondimenti mirati per risolvere i problemi di compilazione.
  • Approfondimenti sulla qualità delle app: Analisi dei crash segnalati tramite Google Play Console e Firebase Crashlytics.
  • Generazione dell’anteprima di Compose: Generazione rapida di anteprime di Jetpack Compose.

L’assistente AI si integra in tutto il ciclo di vita dello sviluppo, dalla scrittura e refactoring del codice alla pubblicazione delle app.

Le aziende necessitano di una licenza Gemini Code Assist Enterprise e di Android Studio Narwhal (disponibile sul canale “Canary”) per iniziare.

“Fornendo un indennizzo generativo per l’intelligenza artificiale e solidi strumenti di gestione aziendale, stiamo consentendo alle organizzazioni di innovare più velocemente e di creare applicazioni Android di alta qualità con fiducia”, conclude Mohan.

La versione gratuita di Gemini in Android Studio rimane disponibile per i singoli sviluppatori.

L'articolo Google migliora Android Studio con gli strumenti di AI Gemini per le aziende proviene da Webbare.

]]> Google svela gli strumenti di codifica Gemini AI gratuiti per gli sviluppatori https://www.webbare.it/2025-02-google-gemini-ai/?utm_source=rss&utm_medium=rss&utm_campaign=google-gemini-ai Wed, 26 Feb 2025 08:22:10 +0000 https://www.webbare.it/?p=46360 L'articolo Google svela gli strumenti di codifica Gemini AI gratuiti per gli sviluppatori proviene da Webbare.

]]>

Google Cloud sta distribuendo gratuitamente gli strumenti di codifica e revisione del codice Gemini AI agli sviluppatori di software di tutto il mondo.

Il gigante tecnologico ha annunciato l’anteprima pubblica di Gemini Code Assist per i privati e di Gemini Code Assist per GitHub.

Secondo Google, questo lancio mira a consentire a chiunque – dagli studenti che lavorano a progetti accademici agli sviluppatori di startup che testano nuove idee – di migliorare la produttività e la qualità del codice senza preoccuparsi di costi o limiti di utilizzo restrittivi.

Gemini Code Assist per i privati offre ampie funzionalità alimentate da una versione personalizzata del potente modello Gemini 2.0 di Google. Gemini Code Assist supporta tutti i linguaggi di programmazione di pubblico dominio ed è ottimizzato per servire gli utenti in un’ampia gamma di sfide quotidiane di codifica.

Inoltre, Gemini Code Assist garantisce una capacità praticamente illimitata, offrendo gratuitamente 180.000 completamenti di codice al mese. Questo, sottolinea Google, è un numero 90 volte superiore a quello degli assistenti al codice gratuiti concorrenti (che in genere limitano gli sviluppatori a circa 2.000 completamenti).

Questo livello di supporto può soddisfare anche i codificatori professionisti più prolifici, per non parlare degli studenti o degli sviluppatori part-time che esplorano le loro passioni.

Google afferma di sapere dove gli sviluppatori trascorrono il loro tempo: negli ambienti di sviluppo integrati (IDE). Per questo motivo, Gemini Code Assist per i privati è disponibile come estensione per Visual Studio Code, JetBrains IDE e GitHub.

Google dice di capire dove gli sviluppatori passano il loro tempo: negli ambienti di sviluppo integrati (IDE). Per questo motivo, Gemini Code Assist per i privati è disponibile come estensione per Visual Studio Code, JetBrains IDE e GitHub.

Questa disponibilità universale garantisce agli sviluppatori di:

  • Generare, spiegare, ottimizzare ed eseguire il debug del codice all’interno del loro ambiente di editing preferito.
  • Rimanere concentrati sulla codifica senza passare da una finestra all’altra o cercare aiuto su piattaforme esterne.
  • Utilizzare le funzionalità AI già note agli utenti aziendali di Firebase e Android Studio.

Le capacità dello strumento vanno oltre il completamento del codice; gli sviluppatori possono sfruttare i comandi in linguaggio naturale per semplificare le attività di codifica complesse. Immaginate di digitare “Costruisci un modulo HTML con campi per il nome, l’e-mail e il messaggio con un pulsante di invio” o “Scrivi uno script per inviare via e-mail le previsioni del tempo giornaliere” e di ricevere in risposta uno snippet di codice immediato e funzionale.

Gemini Code Assist offre anche una finestra contestuale da 128.000 token, che gli consente di comprendere meglio le grandi basi di codice locali e di fornire informazioni più precise. Ciò è particolarmente utile per la creazione di commenti, la verifica dei requisiti o il debug di problemi con insiemi di dati consistenti.
Soddisfare il cambiamento globale verso l’integrazione dei flussi di lavoro

L’introduzione di questi strumenti riflette i risultati della ricerca DORA di Google, orientata agli sviluppatori, che rivela che oltre il 75% degli sviluppatori si affida a strumenti di intelligenza artificiale nel proprio lavoro quotidiano.

Presso la stessa Google, più di un quarto del nuovo codice è generato dall’IA, con ingegneri umani che rivedono i risultati dell’IA prima di metterli in produzione.

Poiché si prevede che la popolazione mondiale di sviluppatori raggiungerà i 57,8 milioni entro il 2028, l’offerta di Google non potrebbe essere più tempestiva. Questi strumenti gratuiti hanno lo scopo di aiutare gli sviluppatori a far decollare i loro progetti e a competere alla pari con i team più grandi e dotati di maggiori risorse, fornendo loro l’accesso alla stessa potente assistenza dell’intelligenza artificiale.

Oltre ad aiutare gli sviluppatori a scrivere il codice, Google mira a migliorare il processo di revisione del codice, che notoriamente richiede molto tempo. Gemini Code Assist per GitHub è ora disponibile in anteprima pubblica.

Questo strumento fornisce revisioni del codice con intelligenza artificiale per i repository pubblici e privati, consentendo ai singoli sviluppatori e ai piccoli team di mantenere elevati standard di qualità del codice senza ore di revisione manuale.

Le caratteristiche di Gemini Code Assist includono:

  • Rilevamento di bug e incoerenze stilistiche.
  • Suggerimenti automatici per modifiche e correzioni al codice.
  • Revisioni del codice su misura basate su guide di stile personalizzate.

Gli sviluppatori possono specificare istruzioni personalizzate per Gemini creando e memorizzando un file `.gemini/styleguide.md’ all’interno del loro repository. Questa flessibilità garantisce che Gemini si integri con i flussi di lavoro e le convenzioni di codifica di ciascun team.

Grazie alla sua perfetta integrazione come app di GitHub, Gemini Code Assist per GitHub rende il processo di revisione iterativa più rapido ed efficiente, consentendo agli sviluppatori di concentrarsi sull’innovazione vera e propria piuttosto che su correzioni che richiedono tempo.

Iniziare a lavorare con Gemini Code Assist è semplice. Tutto ciò che è richiesto è un account Gmail personale, senza carte di credito, fatture o altri vincoli. Gli utenti possono installare gli strumenti gratuiti di intelligenza artificiale direttamente nell’IDE di loro scelta.

Che si tratti di creare una visualizzazione interattiva di dati in JavaScript per un progetto universitario o di snellire le richieste di pull per un’applicazione in fase di avvio, Gemini Code Assist promette di aiutare i codificatori a costruire in modo più rapido, intelligente e conveniente.

Il feedback di questa fase di anteprima pubblica sarà fondamentale per la definizione dei futuri aggiornamenti, per garantire che sia gli sviluppatori occasionali che quelli professionisti trovino la piattaforma facile da usare e adattabile alle loro esigenze.

Google ha compiuto un passo significativo nel rendere le funzionalità avanzate dell’intelligenza artificiale accessibili a tutti gli sviluppatori, indipendentemente dalla loro esperienza o dalle loro risorse finanziarie. Che siate coder esperti o principianti, una cosa è chiara: l’assistenza alla codifica con l’intelligenza artificiale non è più un lusso, ma uno strumento essenziale per lo sviluppatore moderno.

L'articolo Google svela gli strumenti di codifica Gemini AI gratuiti per gli sviluppatori proviene da Webbare.

]]> Risolvere la crisi dei dati nell’IA generativa: affrontare la fuga dei cervelli negli LLM https://www.webbare.it/2025-02-llm-ia-fuga-cervelli/?utm_source=rss&utm_medium=rss&utm_campaign=llm-ia-fuga-cervelli Wed, 19 Feb 2025 09:01:39 +0000 https://www.webbare.it/?p=46354 L'articolo Risolvere la crisi dei dati nell’IA generativa: affrontare la fuga dei cervelli negli LLM proviene da Webbare.

]]>

Gli attuali modelli generativi di intelligenza artificiale, in particolare i modelli linguistici di grandi dimensioni (LLM), si basano su dati di addestramento di dimensioni quasi inimmaginabili e su terabyte di testo provenienti dall’immensa distesa di Internet. Sebbene Internet sia stato a lungo considerato una risorsa infinita, con miliardi di utenti che contribuiscono quotidianamente con nuovi contenuti, i ricercatori stanno iniziando a esaminare l’impatto dell’incessante consumo di dati sul più ampio ecosistema dell’informazione.

Sta emergendo una sfida cruciale. Man mano che i modelli di intelligenza artificiale si ingrandiscono, il loro bisogno di dati aumenta, ma le fonti di dati pubblici sono sempre più limitate. Questo enigma solleva una domanda cruciale: gli esseri umani sono in grado di produrre abbastanza dati freschi e di alta qualità per soddisfare le crescenti richieste di questi sistemi?

La crescente scarsità di dati per l’addestramento non è solo un ostacolo tecnico: è una crisi esistenziale significativa per l’industria tecnologica e il futuro dell’IA. Senza input freschi e affidabili, anche i modelli di IA più sofisticati rischiano di ristagnare e di perdere rilevanza. Ad aggravare il problema c’è il fenomeno noto come “fuga di cervelli”, in cui i sistemi di IA forniscono risposte ma non riescono a contribuire alla creazione o alla conservazione di nuove conoscenze.

Il problema è chiaro: se gli esseri umani smettono di generare pensiero originale e di condividere le loro conoscenze, come può l’IA continuare a evolversi? E cosa succede quando il volume di dati necessari per migliorare questi sistemi supera la quantità disponibile online?

I limiti dei dati sintetici per l’IA

Una potenziale soluzione alla scarsità di dati è rappresentata dai dati sintetici, in cui l’IA genera insiemi di dati artificiali per integrare gli input creati dall’uomo. A prima vista, questo approccio offre una potenziale soluzione, grazie alla capacità di produrre rapidamente grandi volumi di dati. Tuttavia, i dati sintetici spesso non hanno la profondità, le sfumature e la ricchezza contestuale delle informazioni generate dall’uomo. Riproducono modelli, ma faticano a catturare l’imprevedibilità e la diversità degli scenari del mondo reale. Di conseguenza, i dati sintetici possono risultare insufficienti nelle applicazioni che richiedono un’elevata accuratezza o comprensione del contesto.

Inoltre, i dati sintetici comportano rischi significativi. Possono perpetuare e amplificare i pregiudizi o gli errori presenti nei set di dati originali che imitano, creando problemi a cascata nelle applicazioni AI a valle. Peggio ancora, possono introdurre imprecisioni del tutto nuove, o “allucinazioni”, creando modelli o conclusioni privi di base nella realtà. Questi difetti minano la fiducia, soprattutto in settori come la sanità o la finanza, dove l’affidabilità e l’accuratezza sono fondamentali. Sebbene i dati sintetici possano svolgere un ruolo di supporto in scenari specifici, non possono sostituire la conoscenza umana autentica e di alta qualità.

Introdurre la conoscenza come servizio

Una soluzione più sostenibile consiste nel ripensare il modo in cui creiamo e gestiamo i dati. Ecco che entra in scena il Knowledge-as-a-Service (KaaS), un modello che pone l’accento sulla creazione continua di conoscenza di alta qualità e specifica del dominio da parte dell’uomo. Questo approccio si basa su comunità di collaboratori che creano, convalidano e condividono nuove informazioni in un ecosistema dinamico, etico e collaborativo. KaaS si ispira ai principi dell’open-source, ma si concentra sulla garanzia che i set di dati siano rilevanti, diversificati e sostenibili. A differenza dei depositi statici di informazioni, un ecosistema KaaS si evolve nel tempo, con i collaboratori che aggiornano e perfezionano attivamente la base di conoscenza.

KaaS offre diversi vantaggi:

  • Dati ricchi e contestuali: Grazie all’approvvigionamento di informazioni da collaboratori reali, KaaS garantisce che i sistemi di IA siano addestrati su dati che riflettono la realtà attuale e non ipotesi obsolete.
  • Sviluppo etico dell’IA: Il coinvolgimento di esperti umani come contributori dei dati promuove l’equità e la trasparenza, attenuando i rischi associati ai dati sintetici.
  • Sostenibilità: A differenza dei dataset limitati, i pool di conoscenza guidati dalla comunità crescono organicamente, creando un sistema autosufficiente, e i LLM migliorati offrono un’esperienza utente elevata.

KaaS sottolinea anche il valore insostituibile delle competenze umane nello sviluppo dell’IA. Sebbene gli algoritmi eccellano nell’elaborazione delle informazioni, non possono replicare la creatività umana, l’intuizione o la comprensione del contesto. Inserendo i contributi umani nei processi di formazione dell’IA, KaaS garantisce che i modelli rimangano adattabili, ricchi di sfumature ed efficaci, e aiuta a far emergere le conoscenze rilevanti per gli sviluppatori negli strumenti che già conoscono e utilizzano quotidianamente.

Questo approccio favorisce la collaborazione: i collaboratori vedono le loro conoscenze plasmare i sistemi di IA in tempo reale. Questo impegno crea un circolo virtuoso in cui sia l’IA che la comunità migliorano insieme.

Per adottare un modello KaaS, le organizzazioni devono:

  • Creare piattaforme inclusive: Sviluppare strumenti che incoraggino la partecipazione, come forum collaborativi o reti guidate dalla comunità.
  • Promuovere la fiducia e gli incentivi: Riconoscere e premiare i collaboratori per creare una cultura di condivisione della conoscenza.
  • Integrare i cicli di feedback: Stabilire sistemi in cui le intuizioni dell’IA informano il processo decisionale umano e le competenze umane contribuiscono alla base di conoscenza che a sua volta migliora e perfeziona le prestazioni dell’IA.

Affrontare la fuga dei cervelli LLM richiede un’azione collettiva. Imprese, tecnologi e comunità devono collaborare per reimmaginare il modo in cui la conoscenza viene creata, condivisa e utilizzata. Settori come la sanità e l’istruzione, dove l’IA sta già facendo passi da gigante, possono fare da apripista adottando modelli KaaS per garantire che i loro sistemi siano costruiti su dati di alta qualità e di provenienza etica.

La sfida della fuga dei cervelli LLM rappresenta anche un’opportunità unica per innovare. Adottando i modelli KaaS, le organizzazioni possono affrontare la scarsità di dati e allo stesso tempo gettare le basi per un futuro di IA etico, collaborativo ed efficace.

In definitiva, il successo dell’IA non dipende solo dalla sofisticazione dei suoi algoritmi, ma anche dalla ricchezza e dall’affidabilità dei dati che li alimentano. La conoscenza come servizio offre un percorso sostenibile. Garantisce che i sistemi generativi si evolvano di pari passo con il mondo dinamico e diversificato che servono e che gli esseri umani dietro la conoscenza ricevano il riconoscimento che meritano.

Creare piattaforme inclusive: Sviluppare strumenti che incoraggino la partecipazione, come forum collaborativi o reti guidate dalla comunità.
Promuovere la fiducia e gli incentivi: Riconoscere e premiare i collaboratori per costruire una fiorente comunità di conoscenza.

L'articolo Risolvere la crisi dei dati nell’IA generativa: affrontare la fuga dei cervelli negli LLM proviene da Webbare.

]]> Tendenze e previsioni dello sviluppo software per il 2025 https://www.webbare.it/2025-01-tendenze-e-previsioni-dello-sviluppo-software-per-il-2025/?utm_source=rss&utm_medium=rss&utm_campaign=tendenze-e-previsioni-dello-sviluppo-software-per-il-2025 Wed, 08 Jan 2025 13:20:11 +0000 https://www.webbare.it/?p=2573 L'articolo Tendenze e previsioni dello sviluppo software per il 2025 proviene da Webbare.

]]>

Mentre il mondo inizia il 2025, esaminiamo cosa ci aspetta per lo sviluppo del software nel nuovo anno.

Tra le tendenze più urgenti per il 2025 vi sono la semplificazione dello sviluppo dell’intelligenza artificiale, l’integrazione di team di progettazione interfunzionali e l’evoluzione delle pratiche DevSecOps. Questi cambiamenti promettono di ridefinire il modo in cui le aziende affrontano l’innovazione, la sicurezza e l’efficienza delle loro pipeline di sviluppo.

Semplificazione dello sviluppo con l’AI

Avthar Sewrathan, AI Product Lead di Timescale, prevede una trasformazione significativa del panorama dello stack tecnologico entro il 2025.

“Lo stack tecnologico tradizionale continuerà a crollare”, osserva Sewrathan, sottolineando i progressi guidati da API e strumenti che riducono la complessità e consentono uno sviluppo più rapido. Si prevede che questo cambiamento consentirà agli ingegneri di tutti i livelli di competenza di creare facilmente applicazioni di intelligenza artificiale di grande impatto.

“Entro il 2025, lo stack tecnologico tradizionale continuerà a crollare, alimentato da API e strumenti che riducono la complessità e consentono uno sviluppo più rapido”, spiega Sewrathan. “Le aziende che offrono soluzioni accessibili e senza attrito, con basse barriere all’ingresso, permetteranno agli ingegneri di creare applicazioni di IA di grande impatto, indipendentemente dal loro livello di competenza”.

Questa democratizzazione della creazione di applicazioni di IA dovrebbe aumentare la concorrenza all’interno del settore, poiché un maggior numero di sviluppatori avrà accesso a funzionalità avanzate. Anche la coerenza e l’affidabilità delle applicazioni di IA sono destinate a diventare fondamentali.

“Poiché nel 2025 le applicazioni di IA diventeranno centrali nelle interazioni quotidiane, la coerenza e l’affidabilità avranno la precedenza”, osserva Sewrathan.

Evoluzione del ruolo dello sviluppatore

Indu Keri, General Manager e Head of Engineering for Hybrid Cloud di Nutanix, prevede una nuova era dello sviluppo software a partire dal 2025.

“Lo sviluppo e la progettazione del software sono già in fase di democratizzazione grazie a strumenti come Copilot”, afferma Keri.

Combinando GenAI con soluzioni low-code, il codice sarà astratto fino a diventare irrilevante. L’intelligenza artificiale genererà applicazioni piuttosto che codice, consentendo agli sviluppatori di assumere ruoli strategici.

“La quotidianità degli sviluppatori cambierà drasticamente”, osserva Keri. “Non più ostacolati dal lavoro di routine, gli sviluppatori assumeranno un ruolo strategico di livello superiore, comunicando con i responsabili delle decisioni su come la tecnologia può risolvere i problemi aziendali”.

Questa evoluzione, sostiene Keri, integra le migliori qualità degli sviluppatori – creatività e innovazione – e li sfida a crescere in ruoli di leadership all’interno delle loro organizzazioni.

“Entro il 2025, gli ingegneri di qualsiasi livello saranno in grado di creare un’applicazione di intelligenza artificiale grazie alla disponibilità diffusa di API e modelli”, aggiunge Sewrathan. “Ma i fattori di differenziazione saranno la coerenza, l’usabilità e l’impatto sui clienti”.

IA agenziale e automazione DevOps

Il clamore attorno all’AI agenziale raggiungerà il punto di ebollizione nel 2025, quando le organizzazioni raggrupperanno agenti specializzati per le diverse fasi di consegna del software, tra cui la generazione del codice, i test e il controllo qualità. Questo approccio guidato dagli orchestratori porterà a un approccio più intelligente all’automazione DevOps.

Martin Reynolds, Field CTO di Harness, afferma: “Invece di avere un unico assistente GenAI di base, le organizzazioni raggrupperanno agenti specializzati per le diverse fasi della consegna del software, come la generazione del codice, i test e il controllo qualità”.

“Un agente fungerà da orchestratore, dirigendo gli altri e producendo approfondimenti più accurati sul processo end-to-end”.

Rodrigo Coutinho di OutSystems sottolinea che l’intelligenza artificiale agenziale risponderà a molti, ma non a tutti, i problemi aziendali: “Negli ultimi anni, le aziende hanno tentato di affrontare tutti i loro problemi con la GenAI. Il risultato: GenAI è una soluzione notevole per molti casi d’uso, ma non per tutti”.

“Uno strumento di IA è buono solo quanto i dati su cui viene addestrato. Il fatto che i giganti della tecnologia stiano spingendo l’IA agenziale in questo momento non significa che si debbano scartare le soluzioni più semplici. Allineate la vostra strategia di IA alle esigenze della vostra organizzazione, piuttosto che all’ultimo oggetto luccicante”.

Integrazione di team di progettazione interfunzionali

Al di là dello sviluppo dell’IA, la previsione di team di ingegneria interfunzionali è un’altra area di cambiamento significativo. Reynolds delinea un futuro in cui i team DevOps autonomi saranno gradualmente eliminati a favore di gruppi più olistici che includono la rappresentanza di tutte le discipline ingegneristiche.

“Nel 2025, le organizzazioni abbandoneranno i team DevOps autonomi a favore di gruppi più olistici che includano la rappresentanza di tutte le discipline ingegneristiche”, spiega Reynolds.

Questo passaggio a team interfunzionali unificati dovrebbe eliminare i silos ancora esistenti tra i team di consegna del software e accelerare l’innovazione a un livello completamente nuovo. Per supportare questi team integrati, le organizzazioni adotteranno sempre più piattaforme unificate che forniranno funzionalità per l’intero ciclo di vita della consegna del software, dal CI/CD all’ingegneria del caos e alla gestione dei costi del cloud.

In linea con questi cambiamenti di piattaforma, Reynolds sottolinea l’importanza dei portali interni per sviluppatori (IDP) che consentono agli ingegneri di accedere autonomamente alle soluzioni e ai dati di cui hanno bisogno.

“Per massimizzare il valore di queste piattaforme”, consiglia Reynolds, ‘le organizzazioni esporranno queste funzionalità attraverso gli IDP’.

Evoluzione delle pratiche DevSecOps

Anche il panorama dello sviluppo software sta assistendo a una significativa evoluzione delle pratiche DevSecOps.

Dylan Thomas, Senior Director of Product Engineering di OpenText Cybersecurity, prevede che, entro il 2025, DevSecOps si evolverà oltre il paradigma “shift-left” per abbracciare un approccio più maturo “shift everywhere”.

Questo cambiamento richiederà alle organizzazioni di applicare gli strumenti giusti nelle fasi giuste del ciclo DevSecOps, migliorando l’efficienza e l’efficacia delle pratiche di sicurezza.

“L’analisi leggera negli IDE aiuterà gli sviluppatori a individuare tempestivamente i problemi”, spiega Thomas. “L’automazione integrata nelle richieste di pull e nelle pipeline CI/CD garantirà un approccio coesivo di ‘integrazione una volta sola’ per le funzioni principali come SAST, SCA e sempre più DAST, in particolare per i test di sicurezza delle API”.

Questa integrazione dovrebbe snellire il processo di sviluppo, migliorando al contempo la sicurezza generale.

L’emergere di xOps

La convergenza di DevOps, DataOps e ModelOps in un nuovo paradigma “xOps” è prevista man mano che un numero maggiore di applicazioni tradizionali adotterà le capacità dell’intelligenza artificiale.

“Questa nuova serie di dipendenze accelererà drasticamente la Release Orchestration ‘AI-aware’ e allo stesso tempo metterà alla prova i team operativi, i team di supporto, i team QA e altri ancora, poiché la linea di demarcazione tra le applicazioni dichiarative più tradizionali si confonderà con le nuove dipendenze dai LLM e dalle funzionalità GenAI”, spiega Derek Holt, CEO di Digital.ai.

Crescenti sfide per la sicurezza

Se da un lato il codice generato dall’intelligenza artificiale può aumentare significativamente l’efficienza degli sviluppatori, dall’altro introduce rischi per la sicurezza a causa dell’aumento del volume di codice che deve essere testato per individuare vulnerabilità ed errori.

“Sebbene la ricerca abbia dimostrato che l’IA generativa può dimezzare il tempo necessario agli sviluppatori per completare le attività di codifica, l’aumento del volume di codice prodotto deve comunque essere testato per individuare vulnerabilità ed errori”, avverte Holt.

“Questo aumenterà i rischi per la sicurezza e comporterà ulteriore fatica nelle fasi successive della consegna, vanificando qualsiasi guadagno di efficienza derivante dal codice generato dall’intelligenza artificiale”.

Negli ultimi anni si è registrato un notevole aumento degli attacchi alla catena di fornitura. È probabile che questo fenomeno continui nel 2025 e oltre.

Aaron Costello, responsabile della ricerca sulla sicurezza SaaS di AppOmni, osserva: “Negli ultimi anni abbiamo assistito a un aumento costante degli attacchi alla supply-chain SaaS attraverso applicazioni di terze parti compromesse. Di conseguenza, le organizzazioni stanno sottoponendo queste integrazioni e i livelli di accesso richiesti a un esame molto più accurato”.

“La mia ricerca sulle esposizioni dei dati ha dimostrato che spesso non è necessario un punto d’appoggio iniziale perché gli attori delle minacce possano accedere ai dati sensibili che desiderano. La combinazione di endpoint API legacy non documentati, accesso pubblico con privilegi eccessivi e lacune nelle capacità di registrazione dei fornitori continuerà a fornire agli attori delle minacce un’opzione pericolosamente efficace per eseguire attacchi di tipo “hit-and-run””.

L'articolo Tendenze e previsioni dello sviluppo software per il 2025 proviene da Webbare.

]]> Gli utenti di GitHub Copilot possono accedere alle conoscenze di Stack Overflow https://www.webbare.it/2024-10-utentu-github-copilot-stack-overflow/?utm_source=rss&utm_medium=rss&utm_campaign=utentu-github-copilot-stack-overflow Wed, 30 Oct 2024 13:07:14 +0000 https://www.webbare.it/?p=2536 Stack Overflow ha lanciato un'estensione per GitHub Copilot che promette di migliorare il modo in cui gli sviluppatori trovano le soluzioni.

L'articolo Gli utenti di GitHub Copilot possono accedere alle conoscenze di Stack Overflow proviene da Webbare.

]]>

Stack Overflow ha lanciato un’estensione per GitHub Copilot che promette di migliorare il modo in cui gli sviluppatori trovano le soluzioni. L’estensione consente agli utenti di porre domande direttamente all’interno dell’assistente di codifica guidato dall’intelligenza artificiale e di ricevere risposte sintetiche basate sulla vasta base di conoscenze di Stack Overflow.

La partnership tra GitHub e Stack Overflow mira ad aiutare gli sviluppatori ad affrontare le domande di codifica più impegnative. L’ultima indagine sugli sviluppatori di Stack Overflow rivela che il 61% degli sviluppatori dedica più di mezz’ora al giorno alla ricerca di risposte, evidenziando il potenziale impatto di questa integrazione sulla produttività.

Rimanendo all’interno del loro ambiente di sviluppo preferito, gli sviluppatori possono ora mantenere il loro “stato di flusso” e accedere a informazioni attendibili senza bisogno di spostarsi. Questa iniziativa si allinea alla più ampia strategia di Stack Overflow di migliorare la propria offerta di Knowledge-as-a-Service, assicurando che 16 anni di contenuti tecnici di alta qualità siano prontamente accessibili a portata di mano degli sviluppatori.

Stack Overflow si impegna inoltre a inaugurare una nuova era di AI socialmente responsabile. Ciò comporta la garanzia che le conoscenze condivise all’interno dei modelli di IA non solo siano accurate e di alta qualità, ma anche correttamente reperite e attribuite. La nuova estensione include l’attribuzione dei contenuti di Stack Overflow utilizzati, fornendo agli utenti un percorso chiaro per ottenere ulteriori informazioni.

Prashanth Chandrasekar, CEO di Stack Overflow, ha dichiarato:

“Il nostro obiettivo è sempre stato quello di rendere Stack Overflow la destinazione per tutte le conoscenze tecnologiche, un faro di fiducia e competenza. Tuttavia, sappiamo che gli sviluppatori stanno sfruttando una serie di nuovi strumenti di intelligenza artificiale per supportare la produttività e vogliamo assicurarci di incontrarli dove sono e come amano lavorare.

Analogamente alla nostra Visual Studio Code Extension, ci auguriamo che questa collaborazione con GitHub e l’estensione Copilot permetta agli sviluppatori di rimanere concentrati sul loro flusso di lavoro, tenendo però conto del fatto che sono supportati da contenuti affidabili e attribuiti, sostenuti da milioni di persone all’interno della nostra comunità”.

L’estensione è inizialmente disponibile per un gruppo limitato di utenti in accesso anticipato tramite GitHub Marketplace. Nei prossimi mesi Stack Overflow prevede di estendere questa integrazione anche al suo prodotto Stack Overflow for Teams, integrando ulteriormente le sue risorse nel flusso di lavoro degli sviluppatori.

Mario Rodriguez, Chief Product Officer di GitHub, ha commentato:

“Con la nostra piattaforma alimentata da Copilot, cerchiamo di mantenere gli sviluppatori nel flusso con accesso ai servizi, agli strumenti e alle risorse di cui hanno bisogno per costruire e creare nell’era dell’intelligenza artificiale.

Estensioni come Stack Overflow per GitHub Copilot offrono agli sviluppatori un flusso di lavoro personalizzabile e semplificato, migliorando la produttività nella ricerca di domande tecniche semplici e complesse.

La scelta degli sviluppatori si traduce nella loro felicità e siamo entusiasti di continuare a far crescere il nostro ecosistema”.

Garantendo agli sviluppatori l’accesso a informazioni affidabili e supportate dalla comunità senza dover lasciare il loro ambiente di codifica, sia Stack Overflow che GitHub sperano di continuare a semplificare i flussi di lavoro degli sviluppatori.

Quest’ultimo annuncio segue una partnership simile che Stack Overflow ha stretto con OpenAI all’inizio dell’anno per integrare le sue conoscenze tecniche validate in prodotti come ChatGPT.

L'articolo Gli utenti di GitHub Copilot possono accedere alle conoscenze di Stack Overflow proviene da Webbare.

]]> Gli strumenti open-source di Holistic contrastano i rischi dello sviluppo dell’IA https://www.webbare.it/2024-10-holistic-ia/?utm_source=rss&utm_medium=rss&utm_campaign=holistic-ia Wed, 23 Oct 2024 12:48:10 +0000 https://www.webbare.it/?p=2530 Holistic ha presentato una libreria open-source che aiuta a contrastare i rischi dello sviluppo dell'IA e a costruire sistemi più equi e responsabili.

L'articolo Gli strumenti open-source di Holistic contrastano i rischi dello sviluppo dell’IA proviene da Webbare.

]]>

Holistic ha presentato una libreria open-source che aiuta a contrastare i rischi dello sviluppo dell’IA e a costruire sistemi più equi e responsabili.

La libreria, denominata Holistic AI OSL, arriva in un momento cruciale in cui le organizzazioni stanno impiegando sempre più spesso sistemi di IA in settori sensibili, come il reclutamento, la sanità e i servizi finanziari. Studi recenti suggeriscono che il 65% dei ricercatori e degli sviluppatori di IA considerano ancora i pregiudizi una sfida significativa nel loro lavoro.

Holistic AI OSL affronta i cinque principali rischi tecnici associati allo sviluppo dell’IA attraverso una suite completa di strumenti. Particolarmente degne di nota sono le capacità di mitigazione dei bias della libreria, che offre oltre 35 metriche di bias per cinque attività di apprendimento automatico e 30 strategie di mitigazione distinte.

Oltre al rilevamento e all’eliminazione delle distorsioni, il toolkit offre solide funzioni per la spiegabilità dei modelli, aiutando gli sviluppatori a capire e comunicare come i loro sistemi di IA arrivano alle decisioni. La libreria si occupa anche della robustezza del sistema, garantendo prestazioni costanti anche in caso di attacchi avversari o variazioni dei dati.

“La nostra nuova libreria fornisce alle organizzazioni strumenti per tutti i rischi dell’IA, tra cui la spiegabilità, la robustezza e la parzialità”, spiega Adriano Koshiyama, Co-CEO di Holistic AI. “Supporta la misurazione, il reporting e la mitigazione in ogni fase del ciclo di vita dell’IA, offrendo una delle soluzioni più avanzate per migliorare la qualità delle applicazioni di IA”.

La libreria pone un’enfasi significativa sulla sicurezza, incorporando caratteristiche che preservano la privacy, come le tecniche di anonimizzazione e le difese contro gli attacchi di inferenza degli attributi. Inoltre, aiuta gli sviluppatori a bilanciare le esigenze spesso contrastanti di accuratezza, correttezza, robustezza e sicurezza attraverso scenari di test completi e reali.

Il gigante mondiale delle assicurazioni MAPFRE, che opera in quasi 40 paesi e serve oltre 30 milioni di clienti, ha già integrato la libreria nel suo stack di sviluppo dell’intelligenza artificiale.

César Ortega, Expert Data Scientist di MAPFRE, ha commentato: “Ciò che distingue questa libreria è la sua profondità: non si tratta solo di identificare i rischi dell’IA, ma di affrontarli attivamente con tecniche di mitigazione collaudate e pronte per il settore, il che la rende una parte essenziale di qualsiasi kit di strumenti per lo sviluppo dell’IA etica”.

La libreria Python è disponibile gratuitamente e senza requisiti di licenza.

L'articolo Gli strumenti open-source di Holistic contrastano i rischi dello sviluppo dell’IA proviene da Webbare.

]]> Architettura a microservizi vs architettura modulare https://www.webbare.it/2024-07-architettura-microservizi-modulare/?utm_source=rss&utm_medium=rss&utm_campaign=architettura-microservizi-modulare Wed, 24 Jul 2024 12:33:05 +0000 https://www.webbare.it/?p=2470 L’architettura è la struttura portante del vostro progetto, e può sostenerlo o distruggerlo. Perché? Perché costituisce la base delle prestazioni,...

L'articolo Architettura a microservizi vs architettura modulare proviene da Webbare.

]]> L’architettura è la struttura portante del vostro progetto, e può sostenerlo o distruggerlo. Perché? Perché costituisce la base delle prestazioni, della scalabilità e della manutenibilità di un sistema. Esistono però numerosi approcci e alcuni si distinguono davvero. L’architettura modulare e l’architettura a microservizi sono quelle che si adattano al vostro progetto.

Il problema è scegliere l’uno o l’altro. Questo articolo esplora le differenze e le somiglianze tra i due approcci, sperando che vi aiutino a prendere una decisione. Sia che si punti a una rapida distribuzione e scalabilità, sia che si preferisca un approccio più centralizzato e integrato, la comprensione di queste architetture vi aiuterà a prendere la decisione migliore per il vostro progetto.

Iniziamo dalle basi.
Che cos’è l’architettura a microservizi?

È un approccio progettuale che prevede la creazione di un’applicazione software composta da piccoli servizi indipendenti che comunicano tramite API ben definite. Ogni servizio si concentra su una specifica funzione aziendale e può essere sviluppato, distribuito e scalato separatamente e in modo indipendente.

Ecco le sue caratteristiche principali:

Gestione decentralizzata dei dati: I microservizi gestiscono i propri database, promuovendo l’autonomia dei dati e riducendo la dipendenza.
Servizi distribuibili in modo indipendente: I servizi possono essere aggiornati, scalati e distribuiti separatamente l’uno dall’altro, il che aiuta ad aumentare l’agilità.
Accoppiamento libero ed elevata coesione: I servizi sono accoppiati in modo lasco ma molto coesi. Questo fa sì che le modifiche a un servizio non abbiano un impatto eccessivo sugli altri.

Che cos’è l’architettura modulare?

Si tratta di dividere un sistema software in moduli, ognuno dei quali è responsabile di una specifica funzionalità. Ma anche di formare un insieme coeso. A differenza dei microservizi, i moduli non sono servizi autonomi, ma parti di un’applicazione più ampia.

Ecco le sue caratteristiche principali:

Gestione centralizzata dei dati: I moduli di solito condividono un database centrale per una gestione coerente dei dati.
I moduli sono parte di un’applicazione più ampia: Operano nel contesto di una singola applicazione, consentendo una funzionalità integrata.
Accoppiamento stretto all’interno dei moduli ma accoppiamento libero tra i moduli: I moduli sono strettamente accoppiati internamente, ma interagiscono tra loro attraverso interfacce ben definite.

Criteri di confronto
Scalabilità

Questo fattore è molto importante per valutare l’abilità e la capacità di un’architettura di gestire carichi crescenti e richieste in espansione quando è necessario. Assicura che il sistema possa scalare in modo efficiente senza peggiorare le prestazioni. Questo criterio ha messo in evidenza le diverse metodologie di scalabilità utilizzate da ciascuna architettura:

Microservizi:

  • Scalabilità orizzontale: I microservizi possono essere aggiunti facilmente grazie al design dell’architettura.
  • Scalabilità indipendente dei servizi: Ogni servizio può essere scalato in base al suo carico specifico, per ottimizzare le prestazioni.

Architettura modulare:

  • Scalabilità verticale: Implica il potenziamento delle risorse complessive del sistema, che può essere un po’ più restrittivo.
  • Limiti di scalabilità: Rispetto ai microservizi, l’architettura modulare può incontrare limitazioni nello scalare in modo efficiente moduli specifici.
Flessibilità

La capacità di adattarsi ai cambiamenti e di integrare nuovi requisiti o tecnologie senza doverli rielaborare in modo estensivo si chiama flessibilità. È molto importante per adattarsi all’evoluzione delle esigenze aziendali e dei progressi tecnologici.

Microservizi:

  • Indipendenza dallo stack tecnologico: Ogni singolo servizio può utilizzare le diverse tecnologie più adatte alla sua funzionalità.
  • Facile adozione di nuove tecnologie: Le nuove tecnologie possono essere integrate senza influenzare l’intero sistema.

Architettura modulare:

  • Coerenza nello stack tecnologico: Uno stack tecnologico uniforme semplifica notevolmente lo sviluppo e la manutenzione.
  • Sfide nell’integrazione di nuove tecnologie: L’introduzione di nuove tecnologie può essere complessa e influire sull’intero sistema.
Prestazioni

In questa linea di lavoro è necessario conoscere la velocità e l’efficienza con cui un sistema elabora le attività. È fondamentale per aumentare la soddisfazione degli utenti e l’efficienza del sistema. Confrontiamo l’impatto dei metodi di comunicazione:

Microservizi:

  • Problemi di latenza della rete: La comunicazione tra servizi su una rete può effettivamente introdurre latenza.
  • Overhead della comunicazione tra servizi: L’overhead della comunicazione tra servizi può avere un impatto sulle prestazioni complessive.

Architettura modulare:

  • Riduzione della latenza di rete: I moduli comunicano direttamente, riducendo la latenza.
  • Comunicazione diretta tra moduli: Elimina l’overhead legato alla comunicazione di rete.

 

Gestione dello stato / Consistenza dello stato

Il modo in cui un’architettura gestisce la coerenza e la sincronizzazione dei dati all’interno del sistema è valutato dalla gestione degli stati, necessaria per promuovere un funzionamento affidabile e l’integrità dei dati, particolarmente utile negli ambienti distribuiti.

Microservizi:

  • Complessità nei sistemi distribuiti: Necessità di gestire lo stato tra i servizi distribuiti, spesso utilizzando protocolli complessi per la coerenza.
  • Gestione indipendente dello stato: Ogni microservizio può gestire il proprio stato, il che riduce gli effetti collaterali indesiderati ma aumenta la complessità dell’orchestrazione.

Architettura modulare:

  • Gestione centralizzata dello stato: Tipicamente gestisce lo stato in modo centralizzato, il che rende più facile mantenere la coerenza e l’integrità.
  • Transazioni più semplici: Gli aggiornamenti dello stato e le transazioni sono semplici, rendendo meno probabile la complessità e i potenziali errori.
Complessità di sviluppo

È difficile gestire un sistema, ma anche questo ha dei livelli e la complessità di sviluppo ne è la metrica. Influisce principalmente sulle tempistiche del progetto e sul modo in cui si suddividono le risorse, ma essendo una parte delle fondamenta finirà per influire su tutti gli aspetti del progetto.

Microservizi:

  • Gestione di più servizi: Necessita di strumenti e pratiche sofisticate per gestire numerosi servizi.
  • Requisiti DevOps e pipeline CI/CD: I processi di integrazione e distribuzione continua sono molto importanti per gestire i microservizi in modo efficiente.

Architettura modulare:

  • Gestione di una singola codebase: Facilità di gestione di una codebase unificata.
  • Processi di compilazione e distribuzione più semplici: Il ciclo di sviluppo è semplice, con poche parti mobili.
Manutenzione e aggiornamenti

La facilità con cui il sistema può essere mantenuto e aggiornato nel tempo è un aspetto molto importante per la longevità. È fondamentale per creare le basi per l’affidabilità a lungo termine e la funzionalità aggiornata del sistema.

Microservizi:

  • Aggiornamenti indipendenti dei servizi: I servizi possono essere aggiornati in modo indipendente senza influenzare l’intero sistema.
  • Versionamento e retrocompatibilità: È necessario un attento versioning per garantire la compatibilità dei servizi.

Architettura modulare:

  • Aggiornamenti centralizzati: Gli aggiornamenti possono essere distribuiti a livello centrale, ma possono interessare l’intero sistema.
  • Impatto potenziale sull’intero sistema: Le modifiche di un modulo possono avere un impatto più ampio.

 

Considerazioni sui costi

Un altro aspetto fondamentale di qualsiasi progetto è l’impatto finanziario dell’implementazione e del mantenimento dell’architettura. Tutta la pianificazione del budget e l’allocazione delle risorse sono influenzate da considerazioni sui costi. I costi iniziali e a lungo termine sono i seguenti:

Microservizi:

  • Costi di infrastruttura: Costi più elevati a causa della necessità di ambienti di distribuzione multipli.
  • Costi di monitoraggio e gestione: La maggiore complessità aumenta i costi di monitoraggio e gestione.

Architettura modulare:

  • Costi iniziali inferiori: Una configurazione più semplice può ridurre l’investimento iniziale.
  • Potenziali costi di manutenzione a lungo termine: La gestione centralizzata può far aumentare i costi di manutenzione nel tempo.

Quando utilizzare l’architettura a microservizi?

L’architettura a microservizi è ideale per:

Aziende che necessitano di un’elevata scalabilità, come le piattaforme di e-commerce e i servizi cloud.
Grandi organizzazioni, dove progettare, sviluppare, mantenere e soprattutto riutilizzare i microservizi è più facile, migliorando l’autonomia dei team e snellendo i complicati processi di sviluppo.

Grandi aziende come Netflix, Amazon e Spotify utilizzano già i microservizi per rendere i loro sistemi più robusti per flessibilità e scalabilità.
E quando usare l’architettura modulare?

L’architettura modulare è adatta a:

Applicazioni aziendali: Quando la gestione centralizzata dei dati è importante.
Progetti in cui si preferisce uno stack tecnologico stabile e coerente.
Esempi: Sistemi bancari tradizionali e software CRM su larga scala.

Conclusione

La scelta tra microservizi e architettura modulare dipenderà sempre dai requisiti specifici del progetto.

Ricapitolando: i microservizi offrono scalabilità e flessibilità, ma comportano un aumento della complessità e dei costi. L’architettura modulare offre semplicità e gestione centralizzata, molto più adatta a progetti con requisiti stabili. Naturalmente, consiglio sempre di analizzare gli obiettivi e le specificità del progetto per poi vedere quale approccio si applica di più e porta il miglior risultato possibile.

L'articolo Architettura a microservizi vs architettura modulare proviene da Webbare.

]]> SlashData: Rust registra la crescita più rapida, JavaScript domina ancora https://www.webbare.it/2024-06-slashdata-javascript/?utm_source=rss&utm_medium=rss&utm_campaign=slashdata-javascript Wed, 19 Jun 2024 12:45:39 +0000 https://www.webbare.it/?p=2441 L'articolo SlashData: Rust registra la crescita più rapida, JavaScript domina ancora proviene da Webbare.

]]>

Secondo i risultati di SlashData, la comunità di JavaScript è cresciuta di ben quattro milioni di utenti negli ultimi 12 mesi, consolidando il suo status di linguaggio di programmazione più utilizzato a livello globale.

Ecco una ripartizione delle dimensioni delle comunità dei vari linguaggi di programmazione:

  • JavaScript: 25,2 milioni di sviluppatori
  • Python: 18,2 milioni di sviluppatori
  • Java: 17,7 milioni di sviluppatori
  • C++: 11,6 milioni di sviluppatori
  • C#: 10,2 milioni di sviluppatori
  • PHP: 9,8 milioni di sviluppatori
  • C: 6,5 milioni di sviluppatori
  • Kotlin: 5,6 milioni di sviluppatori
  • Go: 4,7 milioni di sviluppatori
  • Swift: 4,6 milioni di sviluppatori
  • Rust: 4 milioni di sviluppatori
  • Dart: 2,9 milioni di sviluppatori
  • Objective-C: 2,7 milioni di sviluppatori
  • Ruby: 2,5 milioni di sviluppatori
  • Lua: 1,8 milioni di sviluppatori

Mentre JavaScript rimane il leader, il rapporto evidenzia la notevole crescita della comunità di Rust, che attualmente sta vivendo la più rapida espansione tra i linguaggi principali.

Rust – un linguaggio di programmazione di sistema noto per la sua attenzione alle prestazioni, alla sicurezza e alla concorrenza – sta vedendo crescere la domanda di applicazioni sicure e ad alte prestazioni in vari settori, tra cui lo sviluppo web, la programmazione di sistemi e i sistemi embedded.

Fornendo stime accurate sull’adozione del linguaggio e sulle dimensioni della comunità, il rapporto offre spunti preziosi per aiutare le parti interessate a prendere decisioni informate sul supporto del linguaggio, sullo sviluppo di strumenti e sull’allocazione delle risorse.

Sebbene l’intelligenza artificiale non abbia ancora conquistato il mondo, ha certamente dominato le discussioni sul futuro della tecnologia e si è introdotta in modo significativo nei flussi di lavoro degli sviluppatori. Secondo il rapporto, il 59% degli sviluppatori utilizza strumenti di IA per assistere il proprio lavoro.

Il rapporto completo analizza l’attuale panorama del lavoro degli sviluppatori con le tecnologie di intelligenza artificiale e analizza l’impatto di questa tendenza sulle loro carriere. Esamina i vari modi in cui gli sviluppatori interagiscono con i modelli, gli strumenti, le API e i servizi di machine learning (ML)/AI, evidenziando le principali differenze tra sviluppatori professionisti e dilettanti.

Tra tutti gli sviluppatori, il 71% lavora attivamente con l’IA in qualche modo, e l’uso di chatbot per l’assistenza alla codifica è l’approccio più popolare, adottato dal 42% degli intervistati.

Il rapporto analizza anche la correlazione tra il lavoro con l’IA e le opportunità di promozione percepite dagli sviluppatori nel loro attuale lavoro. Inoltre, lo studio analizza più da vicino gli sviluppatori che più facilmente esprimono l’intenzione di lasciare o cambiare lavoro nei prossimi 12 mesi, facendo luce sulle potenziali sfide di retention che i datori di lavoro del settore tecnologico devono affrontare.

L'articolo SlashData: Rust registra la crescita più rapida, JavaScript domina ancora proviene da Webbare.

]]>