VerdeLab.info - Software House

“Ratio quasi lux et lucerna vitae.” (“La ragione è come la luce e la lanterna della vita.”) Marco Tullio Cicerone Nelle organizzazioni moderne, la conoscenza è spesso frammentata e parzialmente bloccata. Documenti d'archivio, scansioni di perizie, tabelle di tolleranza, formule ingegneristiche o normative complesse riempiono i server aziendali, ma rimangono risorse passive. I tradizionali motori di ricerca interni faticano ad estrarre valore reale da questa complessità, mentre i moderni modelli linguistici di intelligenza artificiale (LLM), pur brillanti nella sintesi testuale, mostrano limiti evidenti quando si tratta di eseguire calcoli matematici rigorosi o applicare regole prescrittive senza incorrere in allucinazioni. In VerdeLab crediamo che un'intelligenza artificiale utile alle imprese debba basarsi su principi diversi: determinismo, spiegabilità e sovranità del dato . Per questo stiamo sviluppando Clavis (dal latino chiave ), un ecosistema enterprise multi-tena...

“Preso in sé, il pensiero è come una nebulosa in cui nulla è necessariamente delimitato. Non vi sono idee prestabilite, e nulla è distinto prima dell'apparizione della lingua.” Ferdinand de Saussure Una domanda che dovrebbe costantemente affrontare chi costruisce sistemi basati su modelli linguistici è: cosa significa, davvero, "capire qualcosa"? Questo dubbio metodico emerge tutte le volte che dobbiamo risolvere un nuovo problema, stabilire se esistono nessi profondi tra frasi e concetti o valutare la bontà di un risultato. Che la comprensione abbia a che fare con l’afferrare significati e che questi dipendano strettamente dal contesto è intuitivo. Traslato nell’ambito dell’elaborazione automatica del linguaggio, significa mappare, nella maniera più accurata possibile, i significati all’interno di un perimetro di condizioni ben definite. Detto così sembra semplice; nei fatti, è invece di una complessità inaudita. Gli LLM, dall’avvento dei Transformer in poi, semb...

“Il linguaggio è la casa dell'essere” Martin Heidegger C'è una domanda che chiunque costruisca sistemi di recupero dell'informazione prima o poi deve affrontare, non sul piano tecnico, ma su quello epistemologico. Quando una macchina cerca , cosa sta cercando? Cerca una parola? Cerca un concetto? Cerca un'intenzione? Cerca un fatto registrato in una tabella? La risposta a questa domanda determina tutto: l'architettura del sistema, la qualità dei risultati, il modo in cui la conoscenza viene restituita all'utente. E la storia di come il campo dell'information retrieval ha cambiato risposta nel corso degli ultimi decenni è, a tutti gli effetti, una storia filosofica mascherata da storia tecnica. In VerdeLab ci siamo trovati a confrontarci con questa domanda in modo molto concreto e non solo durante la progettazione del sottosistema di ricerca di Labyrinthum . E il confronto ci ha portato molto lontano dal codice, fino alla morfologia, alla semantica di...

“Cogito, ergo sum.” Cartesio In VerdeLab abbiamo dato vita a Labyrinthum , una applicazione di knowledge management pensata per ricercatori e professionisti del sapere. Per noi questo progetto è molto più di un software: è un laboratorio dinamico, una palestra dove testiamo RAG e soluzioni AI d'avanguardia. È uno spazio in cui costruiamo, sperimentiamo e impariamo ogni giorno. E ogni giorno, qualcosa di inaspettato emerge. La scoperta più significativa di questo percorso non riguarda il codice ma il nostro modo di pensare . Quando abbiamo integrato l'intelligenza artificiale nel cuore di Labyrinthum, il nostro obiettivo iniziale, istintivo per chi progetta e scrive software, era l’ottimizzazione. Volevamo velocità, fluidità, sintesi impeccabili e un recupero immediato del dato. E, sotto il profilo puramente tecnico, l'obiettivo lo avevamo raggiunto, il sistema funzionava secondo le aspettative. Ma con il trascorrere del tempo è emerso un paradosso: operavamo sui nos...

“L'ispirazione è come il battito d'ali d'una farfalla, una scintilla nell'anima che fa divampare un incendio” Nel primo post avevamo identificato creatività e controllo come i due pilastri fondamentali dell'esperienza co-creativa con l'AI, soffermandoci prevalentemente sul primo. Oggi affrontiamo il secondo: il controllo. Ovvero, come ridurre il divario tra il risultato atteso e quello ottenuto, passando finalmente dalla teoria alla pratica. È forse il tema più vivo e stimolante, anche perché le tecnologie evolvono di continuo e il processo va ripensato con altrettanta continuità. Siamo entrati nell'era degli agenti, e la capacità di passare da un'immagine generata a codice per CAD, software di progettazione, rendering e vettoriali sta diventando una prospettiva concreta, non più fantascienza. Il seme Ripartiamo dalla nostra farfalla. Questa volta, invece di un anello, immaginiamo di voler realizzare un'immagine sofisticata. Abbiamo un'id...

“Agisci solo secondo quella massima che puoi volere diventi una legge universale.” Immanuel Kant, Critica della ragion pratica C'è una domanda che chiunque costruisca un sistema di intelligenza artificiale dovrebbe saper rispondere senza esitare: perché ha deciso così? Non è una domanda filosofica. È una domanda tecnica, giuridica e, a ben guardare, etica. Il GDPR la pone dal 2018. L'AI Act europeo (Reg. UE 2024/1689) la trasforma in obbligo esplicito. E il Considerando 71 del Regolamento, spesso citato e raramente applicato davvero, parla chiaro: chi tratta dati con sistemi automatizzati deve poter fornire spiegazioni specifiche della decisione presa. Quando abbiamo progettato il sottosistema AI di Labyrinthum, abbiamo scelto di prendere questi requisiti sul serio, non come vincoli da soddisfare a minimo sindacale, ma come criteri di qualità architetturale. Quello che segue è la storia di come ci siamo arrivati. Privacy by design, non by accident. Il punto di partenza è ...