Non la farò lunga, solo qualche veloce commento a caldo (o dovrei dire a tiepido visto che è già passato un giorno?) su ciò che mi ha colpito di più nel keynote introduttivo al WWDC26. Controlli parentali. Sarà perché ho le figlie già grandi, ma sull’efficacia dei controlli parentali ho sempre avuto molte riserve. I ragazzi li superano facilmente, magari con l’aiuto del solito amico più sveglio, mentre i genitori ne ricavano un falso senso di sicurezza e, quel che è peggio, li usano per illudersi di non avere responsabilità su quello che fanno i figli online.

Da anni ho due dischi esterni sempre collegati al mio Mac Mini M1 di casa.1 Il primo è un SSD esterno da 2 TB che contiene tutti i documenti di lavoro e personali, il codice degli script e delle applicazioni che sviluppo, la documentazione e così via. Un secondo disco, questa volta meccanico, conserva invece tutte le foto e la musica, e anche una grande libreria di software soprattutto per macOS e Linux, che ho cominciato ad archiviare più di vent’anni fa, quando non si trovava tutto in rete, e che continuo ad aggiornare ancora oggi.

– Fonte: Julian Zwengel su Unsplash. Uno dei motivi, pochi per la verità, per passare a macOS 26 Tahoe è la possibilità di utilizzare il modello linguistico che è alla base di Apple Intelligence. Apple Intelligence è il prodotto finale, integrato nativamente nell’ecosistema Apple, con cui possiamo elaborare il testo (ma anche le immagini) direttamente sul nostro dispositivo. Ad esempio, basta selezionare quello che ci interessa, cliccare con il tasto destro del mouse e scegliere Show Writing Tools (in italiano Mostra gli Strumenti di Scrittura), per avere sulla punta del mouse uno strumento utile per riassumere certi documenti chilometrici oppure per farci riscrivere quella frase che abbiamo buttato giù alla bell’e meglio.

Installazione Per installare Homebrew basta aprire il Terminale, installare i Command Line Tools for XCode tramite il comando % sudo xcode-select --install e poi eseguire lo script % /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" rispondendo alle domande che compaiono via via sul Terminale. Alla fine dell’installazione è sempre bene eseguire % brew doctor per controllare che il processo di installazione sia andato a buon fine.

– La prima immagine di un Apple II pubblicata su Bit, che a cavallo fra la fine degli anni ‘70 e i primi anni ‘80 è stata la più importante rivista italiana dedicata ai personal computer (Bit n. 5, Novembre-Dicembre 1979). Cinquant’anni fa ero un liceale brufoloso e non avrei saputo dell’esistenza di Apple fino ai primissimi anni ‘80, quando Bit, che allora era la più importante rivista italiana dedicata ai personal computer, iniziò ad ospitare le prime pagine pubblicitarie dedicate all’Apple II.

Nelle ultime settimane ho scritto delle mie esperienze con Antigravity, o meglio con gli agenti (più o meno) intelligenti integrati in questo editor. I risultati sono stati contrastanti: a volte gli agenti si sono dimostrati molto efficaci, alleviando con precisione alcuni compiti complessi o ripetitivi, in altri casi non hanno combinato niente di buono facendo solo perdere una montagna di tempo.

Lo so che gli LLM hanno poca memoria, ma non avrei mai immaginato di doverne subire così in fretta le conseguenze. – Immagine generata da Google Gemini. Nota per il lettore. Questo articolo è un complemento di quello precedente, Antigravity: un driver scritto dall’IA e andrebbe letto dopo il primo. Ma ecco un breve riassunto per i più pigri.

Fra tutti i modelli di Raspberry Pi e di Arduino con cui al momento passo la giornata, il mio preferito è senza dubbio il Raspberry Pi Pico, un microcontrollore piccolo ma potente, in grado di essere programmato non solo in C/C++ tramite l’IDE di Arduino, ma anche in MicroPython e CircuitPython, due versioni diverse (e concorrenti) di Python specifiche per i microcontrollori.

Per quanto Antigravity sia efficace, scavando più in profondità ci si accorge che i sistemi ad agenti che agiscono al suo interno, per quanto servizievoli e capaci di rispondere in modo preciso a tante questioni complesse, non sono esenti dai soliti problemi di tutti i modelli linguistici di grandi dimensioni (LLM, Large Language Model) con cui abbiamo a che fare da tre anni a questa parte.

Lo confesso, quando ho cominciato ad usare Antigravity avevo molte riserve, perché il nuovo editor rivoluzionario prodotto da Google mi sembrava solo uno dei tanti cloni di VS Code di Microsoft.1 Ma appena ho iniziato ad usare le funzioni agentiche di Google Antigravity ho dovuto ricredermi, perché c’è davvero del buono.