A venticinque anni posso chiedere all’AI di disegnare il suono di una nota. Quando sullo schermo appare la figura, mi viene voglia di provarci con idee che fino a ieri avrei lasciato perdere. Saprei accorgermi se il filtro, nel renderla più nitida, avesse cancellato proprio l’attacco della nota?
Che cosa stiamo guardando
Il tragitto dal complesso di Dio alla sindrome dell’impostore può stare nel tempo di quella domanda. Un attimo prima mi sembrava di poter costruire qualsiasi cosa. Ora rischio di dare alla macchina anche il merito dell’idea. Eppure l’esperimento ha un valore che posso verificare insieme a chi conosce il problema. Un junior con abbastanza inventiva può entrare in un settore nuovo e costruire un prodotto che regga il confronto con quelli di chi ci lavora da anni. È la possibilità descritta da Felix Rieseberg in Hunger beats tenure.
Un agente può suggerire diverse equazioni per combinare due onde sonore. Si può cominciare da un risultato prevedibile. Nello stesso punto e istante, due contributi uguali e opposti hanno somma zero. Se il programma rappresenta quella somma e mostra un massimo, qualcosa non torna. Il filtro richiede un altro giudizio. Una figura più ferma può essere più leggibile e meno sensibile alle variazioni del suono. Bisogna decidere che cosa si vuole mostrare.
Algoritmi e progettazione dei sistemi aiutano a ragionare sulle alternative anche cambiando linguaggio. I principi della programmazione a oggetti (OOP) possono far notare che cambiare il colore della figura richiede di toccare il codice del microfono. È un motivo per rivedere come sono divise le responsabilità. Sono strumenti per esercitare il senso critico anche in un dominio nuovo e giustificare le scelte.
Chi decide il compromesso
In un campo agricolo, ritentare una trasmissione può far arrivare una misura e consumare altra batteria. Il costo energetico si può stimare. Quanto valga ricevere il dato un’ora prima va chiesto a chi lavora nel campo. Quale decisione prenderebbe, se avesse già quella lettura? L’AI aiuta a confrontare le opzioni, mentre le priorità vanno concordate con chi userà il sistema. Una soluzione creativa potrebbe variare gli invii secondo il bisogno, invece di cercare il miglior valore fisso.
Le decisioni possono diventare esperienza riutilizzabile. Una copia aggiornata di un archivio riproduce anche le cancellazioni, mentre un backup conserva uno stato precedente. Da questa distinzione nasce una prova per il progetto successivo, in cui si recuperano i dati su una copia di test. Se entra nelle istruzioni di un agente, diventa parte del suo harness, l’ambiente di istruzioni e strumenti costruito intorno al modello. Il motivo della regola resta disponibile e va riconsiderato quando cambia il contesto. Ne scrivono anche Anthropic e OpenAI.
Posso sentirmi impreparato e scegliere lo stesso di costruire. Le basi servono a indicare dove mettere alla prova la soluzione e quali domande portare a chi conosce il settore. L’AI permette di arrivare a quel confronto con qualcosa che funziona già, invece di lasciare l’idea sulla carta.