Costruzione Capannoni in Acciaio Aldino/Aldein

Il funerale di Francesco è stato un evento di grande commozione e partecipazione da parte dei fedeli di tutto il mondo. Francesco è stato il primo Papa latinoamericano nella storia della Chiesa cattolica e ha lasciato un segno indelebile con il suo pontificato incentrato sull’umiltà, la giustizia sociale e la cura dell’ambiente.

Come accadde per il funerale di Giovanni Paolo II, anche durante la cerimonia funebre di Francesco il vento ha scompigliato i capelli dei presenti, creando un’atmosfera suggestiva e simbolica. Questo particolare è stato interpretato da molti come un segno della presenza divina e della benedizione del defunto Papa.

Dopo la cerimonia funebre, i fedeli presenti hanno continuato ad applaudire commossi, rendendo omaggio a un uomo che ha dedicato la sua vita al servizio degli altri e alla diffusione dei valori evangelici.

Il pontificato di Francesco è stato caratterizzato da numerosi gesti di apertura e dialogo, come l’incontro storico con il Patriarca ortodosso di Costantinopoli e la firma della storica enciclica Laudato si’ sull’ecologia. La sua umiltà e la sua vicinanza ai più deboli lo hanno reso amato non solo dai cattolici, ma da persone di ogni credo e provenienza.

Il funerale di Francesco è stato un momento di riflessione e preghiera per tutti coloro che hanno avuto la fortuna di conoscerlo e di essere ispirati dalla sua testimonianza di fede e carità.

Le imprese green stanno dimostrando di poter essere più sostenibili, forti e generare più ricavi rispetto alle aziende tradizionali. Questo è emerso chiaramente durante il recente forum organizzato da Gruppo24ore e Santa Sede, dove diverse aziende hanno condiviso le proprie storie di successo nel campo della sostenibilità ambientale.

Un esempio di impresa green che ha ottenuto risultati significativi è stata l’azienda X, specializzata nella produzione di pannelli solari ad alta efficienza energetica. Grazie alla sua attenzione all’ambiente e alla qualità del prodotto, l’azienda ha registrato un aumento del 20% dei ricavi nell’ultimo anno, dimostrando che investire nella sostenibilità può portare a vantaggi economici tangibili.

Un altro caso di successo è stato raccontato dall’azienda Y, attiva nel settore della moda sostenibile. Utilizzando materiali riciclati e processi produttivi a basso impatto ambientale, l’azienda ha conquistato una fetta sempre più ampia di clientela attenta all’ecologia, aumentando così la propria quota di mercato e i profitti.

Questi esempi dimostrano che le imprese green non solo contribuiscono a proteggere l’ambiente, ma possono anche ottenere vantaggi competitivi e economici significativi. Investire nella sostenibilità non è solo una scelta etica, ma anche un’opportunità per crescere e prosperare nel mercato attuale sempre più sensibile alle tematiche ambientali.

Il nuovo fondo di private equity da 1,2 miliardi di euro, creato da Dave Checketts e la famiglia Eccles, si propone di investire in varie aree legate allo sport. Questo fondo mira a acquisire quote di club sportivi, partecipazioni in leghe sportive, infrastrutture sportive, tecnologie innovative nel settore dello sport e progetti legati ai media sportivi.

Dave Checketts è un imprenditore statunitense noto per la sua esperienza nel settore sportivo, avendo ricoperto ruoli di rilievo in diverse squadre di basket e hockey. La famiglia Eccles, invece, è una delle più importanti famiglie imprenditoriali degli Stati Uniti, con interessi in diversi settori economici.

Questo nuovo fondo di private equity si inserisce in un trend sempre più diffuso nel mondo degli investimenti, dove il settore dello sport rappresenta un’opportunità di business in continua crescita. Investire in club sportivi, infrastrutture e tecnologie legate allo sport può garantire rendimenti interessanti, oltre a offrire la possibilità di partecipare attivamente alla crescita di un settore in costante evoluzione.

La creazione di questo fondo di private equity da 1,2 miliardi di euro evidenzia l’importanza e il potenziale del settore sportivo come area di investimento attraente e in continua espansione.

Nuovo Modello di Intelligenza Artificiale Avanza il “Problema dei Baci” e Altro

C’è un concetto matematico chiamato il numero di contatto. Un po’ deludente, non ha nulla a che fare con i baci veri. Enumera quanti sfere possono toccare (o “baciare”) una singola sfera di dimensioni uguali senza attraversarla. In una dimensione, il numero di contatto è 2. In due dimensioni, è 6 (pensa alla configurazione del puzzle di The New York Times del bee spelling). Man mano che il numero di dimensioni cresce, la risposta diventa meno ovvia: per la maggior parte delle dimensionalità oltre 4, sono noti solo limiti superiori e inferiori sul numero di contatto. Ora, un agente di intelligenza artificiale sviluppato da Google DeepMind chiamato AlphaEvolve ha dato il suo contributo al problema, aumentando il limite inferiore sul numero di contatto in 11 dimensioni da 592 a 593.

Questo potrebbe sembrare un miglioramento incrementale del problema, specialmente considerando che il limite superiore sul numero di contatto in 11 dimensioni è 868, quindi l’intervallo sconosciuto è ancora piuttosto ampio. Ma rappresenta una nuova scoperta matematica da parte di un agente di intelligenza artificiale e mette in discussione l’idea che i grandi modelli linguistici non siano capaci di contributi scientifici originali.

E questo è solo un esempio di ciò che AlphaEvolve ha realizzato. “Abbiamo applicato AlphaEvolve a una serie di problemi aperti nella matematica della ricerca, e abbiamo scelto deliberatamente problemi da diverse parti della matematica: analisi, combinatoria, geometria”, dice Matej Balog, un ricercatore di DeepMind che ha lavorato al progetto. Hanno scoperto che per il 75 percento dei problemi, il modello di intelligenza artificiale ha replicato la soluzione ottimale già conosciuta. Nel 20 percento dei casi, ha trovato un nuovo ottimo che superava qualsiasi soluzione conosciuta. “Ogni singolo caso del genere è una nuova scoperta”, dice Balog. (Nei restanti 5 percento dei casi, l’intelligenza artificiale ha convergito su una soluzione peggiore rispetto a quella ottimale conosciuta).

Il modello ha anche sviluppato un nuovo algoritmo per la moltiplicazione di matrici, l’operazione alla base di gran parte dell’apprendimento automatico. Una versione precedente del modello di intelligenza artificiale di DeepMind, chiamata AlphaTensor, aveva già superato il precedente algoritmo migliore conosciuto, scoperto nel 1969, per la moltiplicazione di matrici 4×4. AlphaEvolve ha trovato una versione più generale di quell’algoritmo migliorato.

Il modello AlphaEvolve di DeepMind ha apportato miglioramenti a diversi problemi pratici presso Google.Google DeepMind

Oltre alla matematica astratta, il team ha applicato il loro modello a problemi pratici che Google come azienda affronta ogni giorno. L’intelligenza artificiale è stata utilizzata anche per ottimizzare l’orchestrazione dei data center per ottenere un miglioramento del 1 percento, per ottimizzare il design della prossima unità di elaborazione tensoriale di Google e per scoprire un miglioramento a un kernel utilizzato nella formazione di Gemini che ha portato a una riduzione del 1 percento del tempo di formazione.

“È molto sorprendente che si possano fare così tante cose diverse con un unico sistema”, dice Alexander Novikov, un ricercatore senior di DeepMind che ha anche lavorato su AlphaEvolve.

Come Funziona AlphaEvolve

AlphaEvolve è così generale perché può essere applicato a quasi ogni problema che può essere espresso come codice e che può essere verificato da un altro pezzo di codice. L’utente fornisce un primo tentativo del problema, un programma che risolve il problema in questione, anche se in modo subottimale, e un programma verificatore che controlla quanto bene un pezzo di codice soddisfa i criteri richiesti.

Successivamente, un grande modello linguistico, in questo caso Gemini, propone altri programmi candidati per risolvere lo stesso problema, e ognuno viene testato dal verificatore. Da lì, AlphaEvolve utilizza un algoritmo genetico in modo che i “più adatti” delle soluzioni proposte sopravvivano ed evolvano alla generazione successiva. Questo processo si ripete finché le soluzioni smettono di migliorare.

AlphaEvolve utilizza un insieme di grandi modelli linguistici Gemini in congiunzione con un codice di valutazione, il tutto orchestrato da un algoritmo genetico per ottimizzare un pezzo di codice.Google DeepMind

“I grandi modelli linguistici sono arrivati, e abbiamo iniziato a chiederci se è il caso che aggiungano solo ciò che è nei dati di addestramento, o se possiamo effettivamente usarli per scoprire qualcosa di completamente nuovo, nuovi algoritmi o nuove conoscenze”, dice Balog. Questa ricerca, sostiene Balog, dimostra che “se si utilizzano i grandi modelli linguistici nel modo giusto, allora si può, in un senso molto preciso, ottenere qualcosa di provabilmente nuovo e provabilmente corretto sotto forma di un algoritmo.”

AlphaEvolve proviene da una lunga linea di modelli di DeepMind, risalendo ad AlphaZero, che ha stupito il mondo imparando a giocare a scacchi, Go e altri giochi meglio di qualsiasi giocatore umano senza utilizzare alcuna conoscenza umana, solo giocando e utilizzando il reinforcement learning per padroneggiarlo. Un’altra intelligenza artificiale risolutrice di problemi matematici basata sul reinforcement learning, AlphaProof, ha ottenuto un risultato di medaglia d’argento alla Olimpiade Internazionale di Matematica 2024.

Tuttavia, per AlphaEvolve, il team si è discostato dalla tradizione del reinforcement learning a favore dell’algoritmo genetico. “Il sistema è molto più semplice”, dice Balog. “E questo ha conseguenze, è molto più facile da configurare su una vasta gamma di problemi.”

Il (Assolutamente Non Spaventoso) Futuro

Il team dietro AlphaEvolve spera di evolvere il loro sistema in due modi.

Prima di tutto, vogliono applicarlo a una gamma più ampia di problemi, inclusi quelli nelle scienze naturali. Per perseguire questo obiettivo, stanno pianificando di aprire un programma di accesso anticipato per accademici interessati a utilizzare AlphaEvolve nella loro ricerca. Potrebbe essere più difficile adattare il sistema alle scienze naturali, poiché la verifica delle soluzioni proposte potrebbe essere meno diretta. Ma, dice Balog, “Sappiamo che nelle scienze naturali ci sono molti simulatori per diversi tipi di problemi, e quindi quelli possono essere utilizzati anche all’interno di AlphaEvolve. E siamo, in futuro, molto interessati ad ampliare il campo in questa direzione.”

In secondo luogo, vogliono migliorare il sistema stesso, forse accoppiandolo con un altro progetto di DeepMind: il coscientista di intelligenza artificiale. Questa intelligenza artificiale utilizza anche un LLM e un algoritmo genetico, ma si concentra sulla generazione di ipotesi in linguaggio naturale. “Sviluppano queste idee e ipotesi di alto livello”, dice Balog. “Incorporare questo componente in sistemi simili ad AlphaEvolve, credo, ci permetterà di raggiungere livelli più elevati di astrazione.”

Queste prospettive sono entusiasmanti, ma per alcuni potrebbero anche sembrare minacciose: ad esempio, l’ottimizzazione di AlphaEvolve della formazione di Gemini potrebbe essere vista come l’inizio di un’intelligenza artificiale che si auto-migliora in modo ricorsivo, il che alcuni temono potrebbe portare a un’esplosione di intelligenza incontrollata nota come la singolarità. Il team di DeepMind sostiene che non è questo il loro obiettivo, ovviamente. “Siamo entusiasti di contribuire all’avanzamento dell’intelligenza artificiale a vantaggio dell’umanità”, dice Novikov.

WORKFORCE’25 – Affrontare direttamente la carenza di lavoratori specializzati

3 aprile 2025 – I tuoi lavoratori esperti andranno in pensione. La prossima generazione sta facendo scelte di carriera in questo momento e se la tua azienda non li attrae, andranno altrove.

Orgogliosamente presentato dalle riviste OnSite, HPAC, e Electrical Business, Workforce’25 ti sfiderà ad agire, prima che sia troppo tardi.

Questo evento online, che si terrà il 15 maggio alle 13:00 EDT, fornirà strategie reali per aiutarti ad attrarre, sviluppare e trattenere la forza lavoro specializzata di cui hai bisogno per mantenere forte la tua attività.

Sessione 1 – Promuovere le carriere nel settore edile a una nuova generazione

Il settore edile ha un problema di percezione e ti sta costando talento. Se vuoi competere per la prossima generazione di lavoratori, devi prendere il controllo dell’immagine della tua azienda.

Sessione 2 – Trattenere i lavoratori attraverso formazione, crescita e scopo

Uno stipendio non è sufficiente per trattenere i lavoratori. I dipendenti specializzati vogliono più di un semplice lavoro: vogliono una gestione stabile e ispiratrice, opportunità di avanzamento e uno scopo nella loro carriera. Se la tua azienda non offre questo, troveranno un datore di lavoro che lo fa.

Sessione 3 – Strategie retributive e benefit per la trattenimento della manodopera specializzata

Una cultura aziendale eccezionale ha i suoi limiti: se i tuoi salari e benefit non sono competitivi, i tuoi lavoratori se ne andranno.