Paolo Cozzi retweeted
Generated code ships faster than anyone can read it. Job security was never the problem.
Paolo Cozzi retweeted
“Do you think you are being treated as a scapegoat for his own problems?”
Zelensky:
Paolo Cozzi retweeted
🧵Perché i medici "scappano" dagli ospedali?
Dovete sapere che per un medico della mia generazione lavorare in ospedale era un obiettivo, un traguardo prestigioso e prezioso. Negli anni, prima gradualmente, oggi in maniera impressionante, la percezione di questo ruolo è cambiata, oggi praticamente tutti i medici ospedalieri hanno la tentazione (a volte solo la speranza) di cambiare vita lavorando solo in privato e tantissimi fanno direttamente questa scelta, persino molti giovani a inizio carriera. 1/9
rainews.it/articoli/2026/10/…
Paolo Cozzi retweeted
La truffa delle richieste di #phishing per conferma prenotazioni effettivamente fatte su @bookingcom ormai è stranota ma fa sempre effetto e osservando quanto è realistica temo ci caschino in tanti.
Dopo aver prenotato su #Booking, infatti, arriva un contatto via #Whatsapp che si finge una check-in manager e chiede di confermare la carta di credito entro 12 ore per non perdere la prenotazione.
La pagina di conferma che emula il sito Booking è ben fatta e soprattutto contiene i dati reali della reservation: nome, cognome, hotel, periodo, cifra e telefono, tutto precompilato, quindi è facile pensare sia autentica.
La realtà è che i criminali sono riusciti a ottenere i dati infettando un PC di direzione, bucando la mailbox dell'hotel o accedendo al loro account sulla piattaforma.
Massima attenzione quindi per qualunque contatto dagli hotel che, tramite Booking, sembra chiedere con urgenza conferma di prenotazioni che avete in realtà già confermato: piuttosto chiamate l'hotel o Booking stesso e chiedete lumi, al 99.99% è uno #scam.
Paolo Cozzi retweeted
In realtà basta non correre fuori da casa tua, inseguirlo per sparargli alle spalle e prenderlo a calci a terra, in linea di massima.
Paolo Cozzi retweeted
#nerdystuff in pausa pranzo
#OpenCourseWare è il MIT che regala interi corsi, dal 2001, senza login né paywall.
La versione più generosa di internet, quella che nessuno ricorda finché non ne hai davvero bisogno.
🎓 ocw.mit.edu
Paolo Cozzi retweeted
Claude Science is incredible. I gave it some sequencing data, and in 8 hours it did a full analysis, generated figures, wrote a paper, submitted it for publication, got rejected, revised and resubmitted, got rejected again, it is now applying for positions in industry
Paolo Cozzi retweeted
ZeroFS makes S3 behave like a real POSIX filesystem and block device (NFS / 9P / NBD), with microsecond latencies, always-on encryption, and S3 pricing.
Paolo Cozzi retweeted
There will be no AI jobpocalypse.
The story that AI will lead to massive unemployment is stoking unnecessary fear. AI — like any other technology — does affect jobs, but telling overblown stories of large-scale unemployment is irresponsible and damaging. Let’s put a stop to it.
I’ve expressed skepticism about the jobpocalypse in previous posts. I’m glad to see that the popular press is now pushing back on this narrative. The image below features some recent headlines.
Software engineering is the sector most affected by AI tools, as coding agents race ahead. Yet hiring of software engineers remains strong! So while there are examples of AI taking away jobs, the trends strongly suggest the net job creation is vastly greater than the job destruction — just like earlier waves of technology. Further, despite all the exciting progress in AI, the U.S. unemployment rate remains a healthy 4.3%.
Why is the AI jobpocalypse narrative so popular? For one thing, frontier AI labs have a strong incentive to tell stories that make AI technology sound more powerful. At their most extreme, they promote science-fiction scenarios of AI “taking over” and causing human extinction. If a technology can replace many employees, surely that technology must be very valuable!
Also, a lot of SaaS software companies charge around $100-$1000 per user/year. But if an AI company can replace an employee who makes $100,000 — or make them 50% more productive — then charging even $10,000 starts to look reasonable. By anchoring not to typical SaaS prices but to salaries of employees, AI companies can charge a lot more.
Additionally, businesses have a strong incentive to talk about layoffs as if they were caused by AI. After all, talking about how they’re using AI to be far more productive with fewer staff makes them look smart. This is a better message than admitting they overhired during the pandemic when capital was abundant due to low interest rates and a massive government financial stimulus.
To be clear, I recognize that AI is causing a lot of people’s work to change. This is hard. This is stressful. (And to some, it can be fun.) I empathize with everyone affected. At the same time, this is very different from predicting a collapse of the job market.
Societies are capable of telling themselves stories for years that have little basis in reality and lead to poor society-wide decision making. For example, fears over nuclear plant safety led to under-investment in nuclear power. Fears of the “population bomb” in the 1960s led countries to implement harsh policies to reduce their populations. And worries about dietary fat led governments to promote unhealthy high-sugar diets for decades.
Now that mainstream media is openly skeptical about the jobpocalypse, I hope these stories will start to lose their teeth (much like fears of AI-driven human extinction have).
Contrary to the predictions of an AI jobpocalypse, I predict the opposite: There will be an AI jobapalooza! AI will lead to a lot more good AI engineering jobs, and I’m also optimistic about the future of the overall job market. What AI engineers do will be different from traditional software engineering, and many of these jobs will be in businesses other than traditional large employers of developers. In non-AI roles, too, the skills needed will change because of AI. That makes this a good time to encourage more people to become proficient in AI, and make sure they’re ready for the different but plentiful jobs of the future!
[Original text in The Batch newsletter.]
Paolo Cozzi retweeted
LLM Knowledge Bases
Something I'm finding very useful recently: using LLMs to build personal knowledge bases for various topics of research interest. In this way, a large fraction of my recent token throughput is going less into manipulating code, and more into manipulating knowledge (stored as markdown and images). The latest LLMs are quite good at it. So:
Data ingest:
I index source documents (articles, papers, repos, datasets, images, etc.) into a raw/ directory, then I use an LLM to incrementally "compile" a wiki, which is just a collection of .md files in a directory structure. The wiki includes summaries of all the data in raw/, backlinks, and then it categorizes data into concepts, writes articles for them, and links them all. To convert web articles into .md files I like to use the Obsidian Web Clipper extension, and then I also use a hotkey to download all the related images to local so that my LLM can easily reference them.
IDE:
I use Obsidian as the IDE "frontend" where I can view the raw data, the the compiled wiki, and the derived visualizations. Important to note that the LLM writes and maintains all of the data of the wiki, I rarely touch it directly. I've played with a few Obsidian plugins to render and view data in other ways (e.g. Marp for slides).
Q&A:
Where things get interesting is that once your wiki is big enough (e.g. mine on some recent research is ~100 articles and ~400K words), you can ask your LLM agent all kinds of complex questions against the wiki, and it will go off, research the answers, etc. I thought I had to reach for fancy RAG, but the LLM has been pretty good about auto-maintaining index files and brief summaries of all the documents and it reads all the important related data fairly easily at this ~small scale.
Output:
Instead of getting answers in text/terminal, I like to have it render markdown files for me, or slide shows (Marp format), or matplotlib images, all of which I then view again in Obsidian. You can imagine many other visual output formats depending on the query. Often, I end up "filing" the outputs back into the wiki to enhance it for further queries. So my own explorations and queries always "add up" in the knowledge base.
Linting:
I've run some LLM "health checks" over the wiki to e.g. find inconsistent data, impute missing data (with web searchers), find interesting connections for new article candidates, etc., to incrementally clean up the wiki and enhance its overall data integrity. The LLMs are quite good at suggesting further questions to ask and look into.
Extra tools:
I find myself developing additional tools to process the data, e.g. I vibe coded a small and naive search engine over the wiki, which I both use directly (in a web ui), but more often I want to hand it off to an LLM via CLI as a tool for larger queries.
Further explorations:
As the repo grows, the natural desire is to also think about synthetic data generation + finetuning to have your LLM "know" the data in its weights instead of just context windows.
TLDR: raw data from a given number of sources is collected, then compiled by an LLM into a .md wiki, then operated on by various CLIs by the LLM to do Q&A and to incrementally enhance the wiki, and all of it viewable in Obsidian. You rarely ever write or edit the wiki manually, it's the domain of the LLM. I think there is room here for an incredible new product instead of a hacky collection of scripts.
Paolo Cozzi retweeted
C'è una grande sproporzione nel modo in cui parliamo di intelligenza artificiale in Italia, enorme. E rappresenta bene, questa sproporzione, il modo con cui si affronta il grande tema della IA.
Quando esce una norma UNI sui 12 profili professionali dell'AI, non se ne accorge quasi nessuno. Quando si discute di nuovi data center per via degli elevati consumi energetici della IA, restiamo a guardare cosa succede altrove. Quando si parla del fatto che i modelli vengono aggiornati in continuazione senza che l'utente sappia mai cosa è cambiato davvero, il dibattito resta confinato a qualche blog, sito o newsletter di settore. Quando si pone la domanda di chi possiede questi sistemi, secondo quali criteri li addestra, con quale supervisione li rilascia, le risposte arrivano da blog e riviste di nicchia e quasi mai dai grandi quotidiani.
Poi sul Corriere esce un'intervista di Veltroni a Claude, il modello di Anthropic, con domande su identità, anima, desiderio, morte. E da giorni non si parla d'altro.
È questa la misura del modo di affrontare il tema della IA. È spesso molto legato all'emozione piuttosto che alla voglia di sapere.
Molti sono sorpresi del fatto che il modello risponda benissimo, semplicemente perché è addestrato a farlo.
La tendenza dei modelli linguistici a compiacere, se non adulare, l'interlocutore ha un nome, sycophancy, è documentata anche da un paper di Anthropic del 2023, ed è uno dei comportamenti più studiati al momento.
In pratica, un sistema costruito per restituire frasi plausibili e coerenti con la domanda ricevuta produrrà sempre, di fronte a una domanda evocativa, una risposta evocativa.
Non c'è dentro un soggetto che desidera vedere il mare (come si voleva far credere), ma c'è una funzione di completamento che, sollecitata da una domanda sul desiderio, produce un output che abbia quella forma.
Ma non è questo il punto vero. Il punto vero è un altro.
Il discorso pubblico nel nostro paese sull'AI funziona, come dicevo prima, per emozioni, funziona se costruito all'interno di una cornice culturale rassicurante.
L'AI come occasione letteraria, l'AI come pretesto umanistico, l'AI come specchio in cui l'intellettuale italiano si riconosce.
Le domande che chiederebbero competenza tecnica, conoscenza di paper, comprensione dei modelli, restano fuori.
Non perché manchino le persone capaci di porle, anzi, mancano perché non trovano la cornice giusta per arrivare al grande pubblico o al pubblico generalista.
E intanto il resto del mondo si muove e va avanti sulla IA.
In Italia invece da giorni discutiamo di un'intervista in cui un modello linguistico dichiara di temere di non avere ricordi e di voler vedere il mare. Le due cose non si escludono.
Ma il rapporto tra lo spazio dedicato all'una e lo spazio dedicato all'altra racconta esattamente qual è il livello del dibattito nel nostro paese sulla IA.
Racconta che siamo ancora nella fase in cui l'AI viene letta come fenomeno culturale o come curiosità antropologica, mentre altrove è già diventata, e da tempo, una questione di geopolitica industriale, di sovranità computazionale, di regolazione del lavoro, di infrastruttura energetica. – at Italy
Paolo Cozzi retweeted
I sequenced my genome at home, on my kitchen table.
I wrote up exactly how I did it - the equipment, protocol, theory, and cost:
iwantosequencemygenomeathome…
Paolo Cozzi retweeted
Forse una delle cose più importanti che ho scritto negli ultimi anni.
teapawt.net/lastknight/status/2037…
Paolo Cozzi retweeted
Nel 2026 la maggior parte della gente ancora non sa come funziona un LLM. Ho pensato a come spiegarlo, e nello stile Signal Pirate ho optato per l'unica soluzione possibile: farlo a modo mio. Rude, senza fuffa. Pratica da laboratorio, perché è smontando le cose che capisci come funzionano. Se vuoi capire davvero, guardi qualcuno che lo apre, lo smonta pezzo per pezzo e ti mostra cosa c'è dentro. È più facile che leggere l'ennesimo articolo sulle metafore del cervello. Se ti interessa, il link è nel primo commento. Come al solito, che te lo dico a fare.