Enkk

Divulgatore e content creator tech italiano su YouTube che si occupa di ricerca sui large language model: già dalla tesi magistrale lavorava su knowledge representation e testo, e definisce gli LLM "il mio ambito di ricerca". Sente la responsabilità di raccontare questi oggetti e di mostrarne un uso responsabile. ¹

Posizioni chiave

• LLM come strumento: "il large language model è uno strumento. Lo so che sembra una persona, una cosa, non lo è". Per usarlo bene bisogna prima capire i propri processi.
• RLVR (Reinforcement Learning from Verifiable Rewards): introdotto all'inizio del 2025, ha reso i modelli fortissimi in compiti verificabili (programmazione, un po' di ragionamento, uso agentico dei tool), ma sui lavori creativi "fanno proprio cagare" perché la creatività non si verifica in automatico
• Slow takeoff: non prevede che "una mattina sette ricercatori si svegliano e hanno in mano un oggetto rivoluzionario", ma un cambiamento graduale che non si nota da un giorno all'altro. Prevede grande attenzione ai modelli locali e on-premise, per via della sostenibilità economica.
• Iperbolle: il LLM è "un'interfaccia unificata di leccaggio" che rinforza quello che già pensi (la sycophancy)
• Sociopatici al comando: "abbiamo dato in mano a persone che non hanno mai avuto un amico il compito di costruire l'amico che tutti dovremmo avere" (riferito a Sam Altman, Dario Amodei, Elon Musk)

²

• Il testo è il punto: la rivoluzione colpisce il testo, "una cosa veramente molto umana": l'AI esiste da 70 anni ed è nei telefoni da 15-20, ma prima era nascosta (raccomandazione, ordinamento dei risultati), mentre ora ci si interagisce in modo esplicito e in linguaggio naturale. Gli LLM sono predittori di testo per definizione, ma per dimensione e dati sono anche oggetti che "comprimono conoscenza". ¹
• Accelerazione, non cambio di paradigma: l'AI è "una accelerazione notevolissima, così notevole che sembra un cambio di paradigma", ma non lo è. Il web dei content creator era già un algoritmo di ottimizzazione per bucare i filtri delle piattaforme (cita il documento di MrBeast per i nuovi dipendenti): "chi resisteva resisterà ancora e chi prima era in merda sarà più efficientemente in merda". ¹
• Crisi di scientificità: molti ricercatori "mettono su dei prompt" e riportano cosa ha fatto l'LLM; senza determinismo il rigore della ricerca "è in crisi". ¹
• Utilità reale, sostenibilità incerta: GPT 3.5 era "sostanzialmente inutilizzabile", ma tre anni dopo gli LLM (non da soli) sono utili in gran parte dei lavori d'ufficio; rifiutarli è "come rifiutarsi di usare il browser". Resta il dubbio che il costo attuale (20 o 200 euro al mese) regga. ¹
• Modello mentale: gli LLM sono "predittori di testo molto sofisticati, integrati in sistemi via via sempre più complessi", con capacità irregolari e dipendenti dal dominio; vedi Modelli Mentali LLM a Confronto e la sua autopsia del pappagallo stocastico. ³

Come usare gli LLM (consigli a Mister RIP)

• Imparare a chiedere: il modello è molto bravo a fare quello che gli chiedi, ma bisogna avere "le redini del processo" in cui inserirlo; il prompt di tre righe non basta. Usarli bene è "craft", non scienza: si impara con l'esperienza, come andare in bicicletta, ed è uno sviluppo del gusto, come il filtro anti-spam interiore.
• Benchmark personale: per un compito specifico conviene costruirsi un piccolo benchmark (es. 5-10 fogli di calcolo), guardare i risultati, iterare e rigirarlo a ogni nuovo modello. Non è solo una questione di prompt: anche a prompt invariato cambia l'harness.
• Creatività: "il large language model è un motore linguistico, non è un motore di creatività"; nomi e titoli sono tra le cose in cui è più scarso. Scegliere una linea di ricerca e "avere il gusto di farsi le domande giuste" per ora sembra fuori portata, anche se i benchmark sul codice per gli esperimenti sono "già sfondati".
• Minnarone: un bot che reagisce alla sua live come un utente della chat, rifatto da capo ogni qualche mese. V1: prompt con gli ultimi 10 messaggi; V2: trascrizione locale dell'audio; V3: chat, audio e snapshot video descritti da un modello di captioning, più un componente che decide se intervenire. Righe di codice scritte a mano: zero, ma il design è suo.
• Ricerca esplorativa: è uno dei primi usi che ha adottato, perché un LLM dà una ricerca semantica più potente di un motore di ricerca, a parte il "mascheramento delle fonti"; poi legge il paper di persona.
• Alfabetizzazione e automoderazione: crede nell'alfabetizzazione come difesa "da tutto", da insegnare "insieme", come si insegna a stare su internet; con gli LLM siamo "chiamati all'automoderazione".

²

Collaborazioni

• Co-host di ZIP con Salvatore Sanfilippo (antirez); il nome del format è suo ⁴. Pur non essendo d'accordo al 100% con Sanfilippo, lo considera la prova che non serve "scannarsi" ³
• Conversazione in due parti con Mister RIP (Giorgio) su AI, società e uso degli LLM ^{1 2}
• Annuncio di un nuovo format a quattro con Mister RIP, Sanfilippo e Giacomo Moro Mauretto ²

Fonti e Riferimenti