tecnologia

La mente umana rimane un "motore di innovazione" senza pari, con la sua capacità unica di dare un senso alle informazioni complesse e di trovare profonde connessioni analogiche che hanno guidato il progresso della scienza e della tecnologia negli ultimi millenni.

La recente esplosione di informazioni disponibili online in quasi tutti i domini dovrebbe rappresentare un'opportunità per accelerare questo "motore", ma minaccia invece di rallentarlo man mano che si raggiungono i limiti di elaborazione delle informazioni delle singole menti coinvolte.

La Legge di Brooke

In questo video Aniket Kittur parla degli sforzi per costruire un acceleratore universale della conoscenza: un sistema in cui persone si impegnano online per consolidarlo e condividerlo con altri, portando a cicli virtuosi di miglioramento continuo delle fonti di informazione che a loro volta aiutano le persone a sintetizzare e innovare in modo ancora più efficace.

Circa 70 miliardi di ore all'anno, solo negli Stati Uniti, sono dedicate a questo sistema online in settori che vanno dalla letteratura scientifica alla salute; catturarne anche solo una frazione potrebbe fornire benefici significativi. Si discutono quindi tre livelli integrati di ricerca che sono necessari per realizzare questa visione:
a livello individuale nella comprensione e nella cattura della cognizione di ordine superiore;
a livello computazionale nello sviluppo di nuovi sistemi di interazione e partner di intelligenza artificiale per la cognizione umana;
a livello sociale nello sviluppo di sistemi complessi e creativi di crowdsourcing e di social computing.

A scientific approach to Learning

Online Logic Simulator permette di sperimentare, direttamente online, con i gate delle reti logiche, i componenti di base dei computer, implementati tramite transistor nei chip.

Ci sono già dozzine di circuiti predisposti, dei i quali si può finalmente comprendere il funzionamento nel dettaglio, e si possono fare modifiche a piacimento.

Ottimo anche per la progettazione, e la verifica che tutto funzioni prima di armeggiare con l'hardware.

github
Digital electronics

Il nuovo MOBILE Gundam costruito e installato alla gundam-factory di Yokohama è alto quasi 20 metri.

Learn Docker by Dockerizing a Flask Application: un eccellente modo per approfondire Docker e Flask, il web framework di Python.

Flask Course - Python Web Application Development

Data Structures For Python Developers (w/ Flask) - Course

★ Free Bootstrap 5 Dashboard - Built with Flask and Docker

[via]

Flask Course - Python Web Application Development

L' omeostasi è la tendenza naturale del corpo a mantenere il suo stato di equilibrio. La dopamina è un ormone e neurotrasmettitore che causa una sensazione piacevole. Qualsiasi attività rilascia quantità di dopamina, ma alcune attività, come l'assunzione di droghe, ne rilasciano quantità innaturali.

I comportamenti che generano microrilasci di dopamina frequenti (ad esempio usare il cellulare per scorrere le infinite timeline dei social) contribuiscono ad aumentare la tolleranza alla dopamina, di fatto rendendo progressivamente meno "divertenti" certe attività. E' la cosiddetta "instant gratification". Per questo sarebbe consigliabile cercare di abbassare i livelli e farli tornare normali con una giornata di "astinenza da dopamina", nella quale si cerca di "annoiarsi". L'effetto positivo è quello di riuscire a fare attività più approfondite ma meno appaganti nell'immediato più facilmente, ed ingannare il cervello in modo da riuscire a portarle a compimento.

Una ottima soluzione per riuscire ad invertire la tendenza infatti è quella di associare le attività che si vorrebbero fare, quelle a basso rilascio di dopamina (leggere un libro, fare esercizio, studiare) ad una ricompensa ad "alto rilascio" (una caramella, una partitella, ecc.).

E' pavlovianamente ovvio no ? E allora traiamone beneficio.

The Social Dilemma

[via]

La classe dirigente non è all'altezza, i risultati parlano da soli. Chi ha la responsabilità delle cose ne deve rispondere. Ed è finito il tempo degli alibi, dell' "è sempre colpa di qualcos'altro, di qualcun altro". Basterebbe semplicemente ricominciare ad applicare il buon senso, e un po' di empatia, ad Ascoltare.

Otto Scharmer è professore alla Scuola di Gestione Sloan del MIT.

Dopo una serie di interviste con imprenditori e innovatori nel campo della scienza, del business e della società ha scritto un libro che descrive la sua Theory U: un metodo di gestione del cambiamento.

Scharmer con i colleghi del MIT ha condotto le interviste, e poi ha esteso i principi di base in una teoria dell'apprendimento e della gestione. I principi della Teoria U sono scritti per cercare di aiutare i leader politici, i funzionari pubblici e i manager a superare gli schemi di comportamento improduttivi del passato che impediscono loro di entrare in empatia con le prospettive dei loro clienti e spesso li rinchiudono in schemi decisionali inefficaci.

Otto Scharmer on the four levels of listening

What is Theory U? Interview with Otto Scharmer

Theory U - Learning from the future as it emerges | Otto Scharmer | TEDxTUHH

La produzione di Klaus, film d'animazione su Netflix, è durata 4 anni.

All'occhio meno attento potrebbe sembrare un film 3D ma in realtà si tratta di un film realizzato con animazione "tradizionale" in 2D, al quale sono stati aggiunte un paio di fasi di post processing tipiche del processo 3D. Il tutto con l'aiuto di un paio di programmi realizzati dai francesi di Poisson Rouge ovvero: Moe e Houdoo.

Il secondo, in particolare, aleggerisce la fase di in-betweening, che è una delle più tediose e meno "artistiche" del processo di produzione, nonchè forse una delle più faticose e ripetitive.

The Spa Studios
IMDB

Hugin è un programma free che permette di assemblare immagini gigantesche da una serie di foto dettagliate.

Uno degli esempi di uso di Hugin più interessanti è la la creazione di una immagine ad altissima risoluzione di un microprocessore

Motorola 6820 HD image (perfetta anche come sfondo)

8086 microcode disassembled

StyleGAN2 with adaptive discriminator augmentation (ADA)

Il training delle reti neurali di tipo GAN che utilizzano troppo pochi dati in input causano tipicamente un overfitting dei discriminatori, che procura una divergenza non desiderata.

Questo meccanismo di aumento adattativo del discriminatore (ADA stabilizza in modo significativo la formazione in regimi di dati di ingresso limitati. L'approccio non richiede modifiche alle funzioni o alle architetture della rete, ed è applicabile sia quando l'addestramento viene effettuato da zero sia quando si affina un GAN esistente su un altro set di dati. Su diversi dataset, ora è possibile ottenere buoni risultati utilizzando solo poche migliaia di immagini di addestramento, spesso abbinando i risultati di StyleGAN2 con un ordine di grandezza inferiore di immagini.

Training GANs with Limited Data

Papers with Code diventa partner di arXiv per associare ufficialmente i repository di codice ai loro documenti di ricerca correlati.

Il sito presenta anche le shortcut per i jupyter notebooks

Papers with Code partners with arXiv