Ciao, sono Francesco (endjneer).
Ho studiato robotica a Ingegneria dell’Automazione, alla Federico II di Napoli. Oggi lavoro come Data Scientist e Machine Learning Engineer applicato al dominio audio, video e serie temporali con l’obiettivo di far funzionare un modello in contesti industriali reali. È un mestiere diverso dal leggere un libro di testo, e mi ha insegnato soprattutto quanto lavoro e quanta fatica si cela dietro questo affascinante mondo, dall’etichettatura di dati al controllare maniacalmente le curve di loss con la speranza che scendano.
Paithon.it è il posto dove racconto questa materia come avrei voluto che la raccontassero a me: in italiano, senza sensazionalismi e con la pazienza di spiegarle le cose, più che di venderle.
Il nome
Tre cose in una parola, come il triangolo di Penrose. Python, perché il linguaggio di programmazione utilizzato per la maggiore nel Machine Learning e Deep Learning. AI, che è il focus principale del sito. IT, perché è in italiano.
Perché in italiano, ancora, nel 2026
Quando ho aperto paithon la ragione era aritmetica: quasi tutto quello che si trovava in rete su questi temi era in inglese. Oggi non è più così — di italiano sull’intelligenza artificiale ne è uscito parecchio. Il problema si è solo spostato: buona parte di quel materiale è marketing travestito da divulgazione, oppure la traduzione di un post americano di tre settimane fa, oppure entusiasmo senza un numero dentro.
Il mestiere resta lo stesso, per un motivo diverso. Non si tratta di sostituire l’inglese: chi vuole fare sul serio i paper li leggerà in inglese, sempre, ed è giusto così. Si tratta di dare l’intuizione nella lingua in cui si pensa — che è l’unica in cui un’idea si incastra al primo colpo — e poi lasciare che il lettore vada ad approfondire altrove, attrezzato.
Il piacere di spiegare
C’è una cosa che ho scoperto tardi: spiegare non è il passo successivo all’aver capito. È il modo in cui si capisce. Finché una cosa resta nella tua testa puoi convincerti di averla afferrata; nel momento in cui devi metterla in una frase che regga davanti a qualcuno che non sa, scopri esattamente dove il tuo modello mentale ha i buchi. Ogni articolo che ho scritto mi ha insegnato più della lettura che l’ha preceduto.
Poi c’è la parte che non ha giustificazioni utilitaristiche, ed è quella per cui questo sito esiste: cercare l’analogia giusta è bello. Trovare l’immagine che fa scattare una cosa astratta — la fila indiana, la biblioteca, l’aula di cui non si vedono gli studenti — e vedere qualcuno scrivere «ah, ecco cosa vuol dire», è una soddisfazione che non ho trovato altrove. Non lo faccio per dovere divulgativo. Lo faccio perché mi diverte.
Tenere aperta la conoscenza
Questa materia è nata in pubblico. I risultati su arXiv prima ancora che su una rivista, il codice su GitHub, i pesi dei modelli scaricabili, i dataset condivisi: per anni il modo normale di fare ricerca qui è stato pubblicare tutto, subito, gratis. È anche il motivo per cui il campo è andato così veloce — chiunque poteva ripartire dal punto esatto in cui un altro si era fermato, senza chiedere permesso.
E c’è una seconda cosa, che si dice meno. Questi modelli non sono nati dal nulla: hanno imparato su testi, immagini, registrazioni e traduzioni che sono il deposito di quello che abbiamo scritto e fatto in secoli. Le enciclopedie, gli archivi, i libri digitalizzati, i giornali, le conversazioni in rete. Anche la nostra parte, e non è piccola: l’italiano che un modello scrive oggi l’ha imparato dai nostri libri e dalle nostre pagine. È patrimonio comune, e ci è tornato indietro sotto forma di software.
Da qui viene la mia posizione, che non è ideologica ma quasi contabile: se la materia prima è di tutti, la conoscenza di come funziona non può diventare di pochi. Negli ultimi anni una parte si è chiusa — i modelli più capaci arrivano con un rapporto tecnico che si guarda bene dal dire come sono stati costruiti — e questa è esattamente la ragione per cui vale la pena tenere aperto quel che si può ancora tenere aperto. Su paithon significa tre cose concrete: si legge tutto senza pagare, si citano sempre le fonti primarie, e quando un articolo poggia su un paper quel paper è linkato, così potete andare a controllare se ho capito bene.
L’intelligenza artificiale è la nuova elettricità.
Andrew Ng, 2017
La metafora ha retto meglio di tante altre, ma va finita. L’elettricità non ha cambiato il mondo il giorno in cui è stata capita: l’ha cambiato quando è arrivata nelle case di tutti. Vale lo stesso qui — e portarcela è, esattamente, un lavoro di divulgazione.
Il libro e il magazine
paithon fa due mestieri e li tiene separati apposta, perché confonderli è il modo più rapido per spiegare male entrambi.
Il libro online spiega come funziona: la matematica, gli algoritmi, le architetture. Ha un indice ed è un percorso, si legge nel browser, è gratuito e resta aperto. È il posto dove sta la teoria, spiegata una volta e per bene.
Il magazine — questo sito — fa le altre due cose: fare e succedere. Come si risolve un problema, come si prepara un ambiente, come si ottimizza un modello lento; e poi il paper appena uscito, il regolamento europeo, l’ecosistema italiano, gli strumenti che escono. Ogni pezzo si regge da solo, perché al magazine ci si arriva per caso mentre il libro lo si sceglie. Quando un articolo ha bisogno di un fondamento teorico non lo rispiega: linka il capitolo del libro, e va avanti.
Come lavoro
Ogni articolo passa un fact-check prima di uscire: le affermazioni tecniche vengono verificate sulle fonti primarie — i paper, la documentazione, il codice — e non sul riassunto che ne ha fatto qualcun altro. I numeri sono quelli della fonte, i limiti si dichiarano, le critiche si riportano anche quando indeboliscono la storia.
Quando uso strumenti di intelligenza artificiale nella ricerca o nella stesura di una bozza lo dichiaro. Mi sembra il minimo, su un sito che parla di questo: la voce e la responsabilità di quello che leggete restano mie, e la firma è un atto umano.
Human, after all
paithon esiste dal 2018, ma per anni è stato soprattutto silenzio: tre articoli in un’estate, uno l’anno dopo, poi il niente per parecchio tempo. Non è una premessa da nascondere — è la ragione per cui adesso c’è un metodo invece di uno slancio.
Alla ripresa, nel 2023, la pagina che state leggendo si chiamava proprio così e raccontava un esperimento: partire da un’idea, farla sviluppare a un modello, poi revisionare e rifinire fino a che il pezzo stesse in piedi. Le copertine degli articoli le generava Stable Diffusion da un prompt. Quell’entusiasmo era sincero, e per il 2023 era anche una posizione ragionevole.
Tre anni dopo il metodo è cambiato, e vale la pena dire come — perché il modo in cui si fa una cosa dice più di qualunque dichiarazione d’intenti. Le illustrazioni non sono più generate: sono disegnate a mano, in SVG, con cinque colori fissi. Non per purismo, ma perché un’immagine generata è decorazione che non sa cosa sta illustrando, mentre uno schema disegnato è un pezzo della spiegazione. E il testo non parte più dalla macchina: parte da un paper letto, da un problema incontrato, da qualcosa che non tornava. La macchina cerca, riassume, prepara una bozza, discute un’obiezione. Poi si riscrive, si verifica contro le fonti primarie, si taglia.
La differenza non è la quantità di AI usata: è chi decide. Uno strumento che accelera il lavoro è una buona notizia; uno strumento che sceglie cosa vale la pena dire è la fine del mestiere. Per questo la regola qui è una sola, e non ha eccezioni: l’agente assiste, l’umano firma. Human, after all — e in un sito che parla di intelligenza artificiale è la sola cosa che valga la pena promettere.
Se trovate un errore, scrivetemi. La correzione pubblica è parte del metodo, non un’ammissione di debolezza — ed è un’altra delle cose che si possono fare solo se si lavora in chiaro.
Contatti
Per scrivermi: francesco@paithon.it. Correzioni, domande, proposte e segnalazioni di errori sono tutte benvenute — le ultime più delle altre.
Il modo migliore per seguire paithon, invece, è la newsletter: una mail, niente rumore, ci si disiscrive con un clic. Per il resto mi trovate su
X,
GitHub e
LinkedIn.
Grazie di essere passati.
— Francesco