Vector WM

«𝐋𝐞𝐠𝐠𝐞 𝐳𝐞𝐫𝐨: 𝐮𝐧 𝐫𝐨𝐛𝐨𝐭 𝐧𝐨𝐧 𝐩𝐮𝐨̀ 𝐫𝐞𝐜𝐚𝐫𝐞 𝐝𝐚𝐧𝐧𝐨 𝐚𝐥𝐥’𝐮𝐦𝐚𝐧𝐢𝐭𝐚̀, 𝐧𝐞́ 𝐩𝐮𝐨̀ 𝐩𝐞𝐫𝐦𝐞𝐭𝐭𝐞𝐫𝐞 𝐜𝐡𝐞, 𝐚 𝐜𝐚𝐮𝐬𝐚 𝐝𝐞𝐥 𝐬𝐮𝐨 𝐦𝐚𝐧𝐜𝐚𝐭𝐨 𝐢𝐧𝐭𝐞𝐫𝐯𝐞𝐧𝐭𝐨, 𝐥’𝐮𝐦𝐚𝐧𝐢𝐭𝐚̀ 𝐫𝐢𝐜𝐞𝐯𝐚 𝐝𝐚𝐧𝐧𝐨.»

Citazione tratta da I robot e l’Impero, di Isaac Asimov

Questa settimana, CNBC ha pubblicato un interessante approfondimento dedicato al 𝐦𝐞𝐫𝐜𝐚𝐭𝐨 𝐜𝐢𝐧𝐞𝐬𝐞 𝐝𝐢 𝐭𝐚𝐥𝐢 𝐭𝐞𝐜𝐧𝐨𝐥𝐨𝐠𝐢𝐞 𝐚𝐧𝐭𝐫𝐨𝐩𝐨𝐦𝐨𝐫𝐟𝐞, dopo che Morgan Stanley ha rivisto nettamente al rialzo le proprie stime, 𝐬𝐨𝐬𝐭𝐞𝐧𝐞𝐧𝐝𝐨 𝐜𝐡𝐞 𝐢𝐥 𝐩𝐚𝐬𝐬𝐚𝐠𝐠𝐢𝐨 𝐝𝐚𝐥𝐥𝐚 𝐟𝐚𝐬𝐞 𝐝𝐢𝐦𝐨𝐬𝐭𝐫𝐚𝐭𝐢𝐯𝐚 𝐚𝐥𝐥𝐚 𝐝𝐢𝐟𝐟𝐮𝐬𝐢𝐨𝐧𝐞 𝐜𝐨𝐦𝐦𝐞𝐫𝐜𝐢𝐚𝐥𝐞 𝐬𝐭𝐚 𝐚𝐯𝐯𝐞𝐧𝐞𝐧𝐝𝐨 𝐦𝐨𝐥𝐭𝐨 𝐩𝐢𝐮̀ 𝐫𝐚𝐩𝐢𝐝𝐚𝐦𝐞𝐧𝐭𝐞 𝐝𝐞𝐥 𝐩𝐫𝐞𝐯𝐢𝐬𝐭𝐨.

Queste tecnologie non sono più usate solo per “balletti dimostrativi”: i robot sono ormai 𝐮𝐭𝐢𝐥𝐢𝐳𝐳𝐚𝐭𝐢 𝐢𝐧 𝐜𝐨𝐧𝐭𝐞𝐬𝐭𝐢 𝐫𝐞𝐚𝐥𝐢 𝐝𝐢 𝐛𝐮𝐬𝐢𝐧𝐞𝐬𝐬, 𝐜𝐨𝐦𝐞 𝐟𝐚𝐛𝐛𝐫𝐢𝐜𝐡𝐞, 𝐦𝐢𝐧𝐢𝐦𝐚𝐫𝐤𝐞𝐭 𝐞 𝐫𝐢𝐬𝐭𝐨𝐫𝐚𝐧𝐭𝐢.

A livello globale, secondo la società di ricerca Omdia, nel 2025 sono stati spediti circa 13.000 robot umanoidi. Le aziende cinesi hanno occupato le prime cinque posizioni della classifica per numero di unità consegnate, mentre la statunitense Figure AI si è classificata al settimo posto e Tesla al nono.



L'articolo completo è disponibile nel primo commento.

𝗦𝘄𝗶𝘀𝘀 𝗠𝗶𝗿𝗿𝗼𝗿 - 𝗟’𝗘𝗧𝗛 𝗱𝗶 𝗭𝘂𝗿𝗶𝗴𝗼 𝗽𝗿𝗲𝗽𝗮𝗿𝗮 𝗹𝗮 “𝗺𝗲𝗺𝗼𝗿𝗶𝗮 𝗾𝘂𝗮𝗻𝘁𝗶𝘀𝘁𝗶𝗰𝗮”
Per i computer quantistici, non esiste una “formula univoca” e una delle principali sfide 𝗰𝗼𝗻𝘀𝗶𝘀𝘁𝗲 𝗻𝗲𝗹 𝘁𝗿𝗼𝘃𝗮𝗿𝗲 𝘂𝗻 𝗺𝗼𝗱𝗼 𝗲𝗳𝗳𝗶𝗰𝗶𝗲𝗻𝘁𝗲 𝗽𝗲𝗿 𝗰𝗼𝗻𝘀𝗲𝗿𝘃𝗮𝗿𝗲 𝗹𝗲 𝗶𝗻𝗳𝗼𝗿𝗺𝗮𝘇𝗶𝗼𝗻𝗶 𝗾𝘂𝗮𝗻𝘁𝗶𝘀𝘁𝗶𝗰𝗵𝗲 𝘀𝗲𝗻𝘇𝗮 𝗽𝗲𝗿𝗱𝗲𝗿𝗹𝗲. I circuiti superconduttori, tra le tecnologie più promettenti del settore, sono molto efficaci per eseguire calcoli ma meno adatti a immagazzinare dati.

Per questo i ricercatori del team guidato dal professor 𝗬𝗶𝘄𝗲𝗻 𝗖𝗵𝘂 (Dipartimento di Fisica) hanno sperimentato una 𝘀𝗼𝗹𝘂𝘇𝗶𝗼𝗻𝗲 𝗶𝗻𝗻𝗼𝘃𝗮𝘁𝗶𝘃𝗮 𝗰𝗵𝗲 𝗰𝗼𝗺𝗯𝗶𝗻𝗮 𝘂𝗻 𝗾𝘂𝗯𝗶𝘁 𝘀𝘂𝗽𝗲𝗿𝗰𝗼𝗻𝗱𝘂𝘁𝘁𝗼𝗿𝗲, il “cervello” del computer quantistico incaricato di elaborare le informazioni, 𝗰𝗼𝗻 𝘂𝗻 𝗿𝗶𝘀𝗼𝗻𝗮𝘁𝗼𝗿𝗲 𝗺𝗲𝗰𝗰𝗮𝗻𝗶𝗰𝗼, 𝗰𝗵𝗲 𝗳𝘂𝗻𝗴𝗲 𝗱𝗮 𝗺𝗲𝗺𝗼𝗿𝗶𝗮.

Non è un caso che 𝗜𝗕𝗠 abbia scelto l’ateneo elvetico, che è tra l𝗲 𝗶𝘀𝘁𝗶𝘁𝘂𝘇𝗶𝗼𝗻𝗶 𝘀𝗰𝗶𝗲𝗻𝘁𝗶𝗳𝗶𝗰𝗵𝗲 𝗹𝗲𝗮𝗱𝗲𝗿 𝗮 𝗹𝗶𝘃𝗲𝗹𝗹𝗼 𝗺𝗼𝗻𝗱𝗶𝗮𝗹𝗲, 𝗰𝗼𝗻 𝘂𝗻 𝗽𝗮𝘁𝗿𝗶𝗺𝗼𝗻𝗶𝗼 𝗰𝗵𝗲 𝗰𝗼𝗺𝗽𝗿𝗲𝗻𝗱𝗲 𝟮𝟮 𝗽𝗿𝗲𝗺𝗶 𝗡𝗼𝗯𝗲𝗹 e alcune delle menti più influenti nel campo della matematica, della fisica e dell’informatica, da 𝗔𝗹𝗯𝗲𝗿𝘁 𝗘𝗶𝗻𝘀𝘁𝗲𝗶𝗻 𝗮 𝗘𝗱𝘂𝗮𝗿𝗱 𝗦𝘁𝗶𝗲𝗳𝗲𝗹.

A livello pratico, lavorare oggi sul quantum computing significa sviluppare qualcosa che avrà, in un futuro non troppo lontano, un impatto concreto sulla società e sull’economia.

L'articolo completo è disponibile nel primo commento.

𝐌𝐢𝐬𝐬𝐢𝐨𝐧 𝐭𝐨 𝐌𝐚𝐫𝐬
«𝐄𝐬𝐩𝐥𝐨𝐫𝐚𝐫𝐞 𝐮𝐧 𝐧𝐮𝐨𝐯𝐨 𝐦𝐨𝐧𝐝𝐨 𝐞… 𝐞 𝐠𝐮𝐚𝐫𝐝𝐚𝐫𝐞 𝐨𝐥𝐭𝐫𝐞, 𝐯𝐞𝐫𝐬𝐨 𝐪𝐮𝐞𝐥𝐥𝐨 𝐟𝐮𝐭𝐮𝐫𝐨». La missione di Gary Sinise nei panni di Jim McConnell è più attuale che mai. C’è una società, difatti, che sta preparando 𝐥𝐚 𝐩𝐢𝐮̀ 𝐠𝐫𝐚𝐧𝐝𝐞 𝐈𝐏𝐎 𝐝𝐞𝐥𝐥𝐚 𝐬𝐭𝐨𝐫𝐢𝐚 con l’obiettivo, tra gli altri, di 𝐜𝐨𝐥𝐨𝐧𝐢𝐳𝐳𝐚𝐫𝐞 𝐌𝐚𝐫𝐭𝐞. Non è un modo di dire: è una delle “mission” contenute nel prospetto depositato da 𝐒𝐩𝐚𝐜𝐞𝐗 𝐩𝐞𝐫 𝐬𝐛𝐚𝐫𝐜𝐚𝐫𝐞, 𝐚 𝐠𝐢𝐮𝐠𝐧𝐨, 𝐬𝐮𝐥 𝐍𝐚𝐬𝐝𝐚𝐪.

La società di 𝐄𝐥𝐨𝐧 𝐌𝐮𝐬𝐤 – attiva nel settore dei razzi, dei satelliti e dell’intelligenza artificiale – 𝐩𝐮𝐧𝐭𝐚 𝐚 𝐮𝐧𝐚 𝐯𝐚𝐥𝐮𝐭𝐚𝐳𝐢𝐨𝐧𝐞 𝐝𝐢 𝐜𝐢𝐫𝐜𝐚 𝟏,𝟕𝟓 𝐭𝐫𝐢𝐥𝐢𝐨𝐧𝐢 𝐝𝐢 𝐝𝐨𝐥𝐥𝐚𝐫𝐢, 𝐬𝐞𝐠𝐧𝐚𝐧𝐝𝐨 𝐮𝐧 𝐧𝐮𝐨𝐯𝐨 𝐫𝐞𝐜𝐨𝐫𝐝 𝐬𝐭𝐨𝐫𝐢𝐜𝐨 𝐝𝐨𝐩𝐨 𝐠𝐥𝐢 𝟏,𝟕 𝐭𝐫𝐢𝐥𝐢𝐨𝐧𝐢 𝐝𝐢 𝐒𝐚𝐮𝐝𝐢 𝐀𝐫𝐚𝐦𝐜𝐨 𝐧𝐞𝐥 𝟐𝟎𝟏𝟗. Con l’IPO, il gruppo dovrebbe raccogliere 80 miliardi di dollari o più, soldi assolutamente necessari per far funzionare le gigantesche astronavi della società e sviluppare tutti i progetti nella testa di Musk.

L'articolo completo è disponibile nel primo commento.

𝐅𝐮𝐭𝐮𝐫𝐞 𝐌𝐢𝐫𝐫𝐨𝐫 – 𝐏𝐡𝐲𝐬𝐢𝐜𝐚𝐥 𝐈𝐧𝐭𝐞𝐥𝐥𝐢𝐠𝐞𝐧𝐜𝐞 𝐞 𝐥𝐚 𝐬𝐟𝐢𝐝𝐚 𝐝𝐢 𝐮𝐧 “𝐜𝐞𝐫𝐯𝐞𝐥𝐥𝐨 𝐀𝐈” 𝐩𝐞𝐫 𝐫𝐨𝐛𝐨𝐭
Una friggitrice ad aria al centro di un’innovazione sorprendente? È così: non tanto per il prodotto, ma perché 𝐞̀ 𝐬𝐭𝐚𝐭𝐚 𝐮𝐭𝐢𝐥𝐢𝐳𝐳𝐚𝐭𝐚 𝐝𝐚 𝐮𝐧 𝐫𝐨𝐛𝐨𝐭 𝐠𝐮𝐢𝐝𝐚𝐭𝐨 𝐝𝐚 𝐮𝐧 “𝐜𝐞𝐫𝐯𝐞𝐥𝐥𝐨 𝐀𝐈”, 𝐜𝐡𝐞 𝐧𝐨𝐧 𝐞𝐫𝐚 𝐬𝐭𝐚𝐭𝐨 𝐚𝐝𝐝𝐞𝐬𝐭𝐫𝐚𝐭𝐨 𝐬𝐩𝐞𝐜𝐢𝐟𝐢𝐜𝐚𝐦𝐞𝐧𝐭𝐞 𝐩𝐞𝐫 𝐪𝐮𝐞𝐥𝐥’𝐚𝐭𝐭𝐢𝐯𝐢𝐭𝐚̀.

Il suo ultimo modello 𝐀𝐈 – 𝐜𝐡𝐢𝐚𝐦𝐚𝐭𝐨 π𝟎.𝟕 – è appunto in grado di guidare robot nell’eseguire compiti per i quali non sono mai stati specificamente addestrati. Secondo Physical Intelligence si tratta di un primo ma significativo passo verso l’obiettivo di un “𝐜𝐞𝐫𝐯𝐞𝐥𝐥𝐨” 𝐫𝐨𝐛𝐨𝐭𝐢𝐜𝐨 𝐠𝐞𝐧𝐞𝐫𝐚𝐥𝐢𝐬𝐭𝐚. Ossia una tecnologia che potrà essere 𝐚𝐩𝐩𝐥𝐢𝐜𝐚𝐭𝐚 𝐚 𝐜𝐨𝐦𝐩𝐢𝐭𝐢 𝐬𝐜𝐨𝐧𝐨𝐬𝐜𝐢𝐮𝐭𝐢.

Fino ad oggi, l’approccio standard all’addestramento dei robot è stato essenzialmente quello della memorizzazione: raccogliere dati su uno specifico compito, addestrare un modello specializzato su quei dati, e poi ripetere il processo per ogni nuovo compito. 𝐏𝐡𝐲𝐬𝐢𝐜𝐚𝐥 𝐈𝐧𝐭𝐞𝐥𝐥𝐢𝐠𝐞𝐧𝐜𝐞, π𝟎.𝟕 𝐫𝐨𝐦𝐩𝐞 𝐪𝐮𝐞𝐬𝐭𝐨 𝐬𝐜𝐡𝐞𝐦𝐚.

L'articolo completo è disponibile nel primo commento.