Sono appassionato di produzione musicale e di intelligenza artificiale, e mi interessa soprattutto il punto in cui le due cose si incontrano: come l’intelligenza artificiale può sostenere il lavoro creativo.
Ho studiato robotica a Ingegneria dell’Automazione, alla Federico II di Napoli. Oggi lavoro come Data Scientist e Machine Learning Engineer su audio, video e serie temporali, e il mio lavoro è far funzionare i modelli in contesti industriali reali.
paithon.it è il posto dove racconto questa materia come avrei voluto che la raccontassero a me: in italiano, senza sensazionalismi e con le fonti in chiaro.
Il nome
Tre cose in una parola, come il triangolo di Penrose. Python, perché è il linguaggio più usato nel Machine Learning e nel 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 semplice: quasi tutto quello che si trovava in rete su questi temi era in inglese. Oggi in italiano se ne trova molto di più, e quello che provo ad aggiungere è un lavoro che parte dalle fonti primarie e le mette in chiaro, così chi legge può sempre controllare.
Non si tratta di sostituire l’inglese: chi vuole lavorare sul serio con questi temi leggerà i paper in inglese, ed è giusto così. Si tratta di offrire l’intuizione nella propria lingua, e poi lasciare che chi legge vada ad approfondire altrove, attrezzato.
Tenere aperta la conoscenza
Negli ultimi quindici anni questa materia è cresciuta in pubblico: i risultati su arXiv prima ancora che su una rivista, il codice su GitHub, i pesi dei modelli e i dataset condivisi. È una delle ragioni per cui il campo è andato così veloce: chiunque poteva ripartire dal punto in cui un altro si era fermato.
C’è poi un secondo argomento. Questi modelli hanno imparato da testi, immagini e registrazioni che raccolgono ciò che è stato scritto e fatto in secoli: enciclopedie, archivi, libri digitalizzati, giornali, pagine web. Anche in italiano: la lingua che un modello scrive oggi l’ha imparata anche dai nostri libri e dalle nostre pagine.
Da qui la mia posizione: se la materia prima nasce dal lavoro di moltissime persone, la conoscenza di come funziona non dovrebbe diventare di pochi. Negli ultimi anni una parte del campo si è chiusa (alcuni dei modelli più capaci sono accompagnati da rapporti tecnici che non dicono come sono stati costruiti), ed è una ragione in più per tenere aperto quello che si può. Su paithon significa che il libro e gli articoli si leggono gratis, e che ogni articolo parte dalla fonte primaria.
Il libro e il magazine
paithon fa due mestieri, e li tiene separati.
Il Paithon Book, il libro che ho scritto, 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 della teoria.
Il magazine, cioè 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 parte dalle fonti primarie (i paper, la documentazione, il codice) e passa una verifica prima di uscire. Quando nel lavoro entrano strumenti di intelligenza artificiale lo dichiaro: la voce e la responsabilità di quello che leggete restano mie, e la firma è un atto umano. I criteri, punto per punto, sono nella pagina Come lavoro.
Dal 2018 a oggi
paithon esiste dal 2018, ma per anni è stato soprattutto silenzio: tre articoli in un’estate, uno l’anno dopo, poi una lunga pausa. Alla ripresa, nel 2023, questa pagina si chiamava già «Human, after all» e raccontava un esperimento: scrivere di intelligenza artificiale lavorando fianco a fianco con un modello linguistico, che allora era una novità. Quell’entusiasmo era sincero, e per il 2023 era anche una posizione ragionevole.
Da allora gli strumenti sono cambiati molto, e con loro il modo di usarli. Il principio è rimasto lo stesso: conta chi decide, non quanta AI si usa. Uno strumento che accelera il lavoro è una buona notizia; uno strumento che sceglie che cosa valga la pena dire è la fine del mestiere. Qui la scelta dei temi, la verifica e la firma restano umane. Human, after all: in un sito che parla di intelligenza artificiale, è la promessa che vale la pena fare.
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 Messina
endjneer