In effetti capire chi è genitore di chi sarebbe fattibile con un “reverse engineering”, di solito il genitore parla del proprio figlio (che c’è o non c’è a un evento), esattamente quello che faccio io per ripescare i numeri di telefono.

Andrebbe trovata una micro ai fatta in kotlin da trainare con i fiumi di chat che abbiamo.

E magari integrarlo in fluffy chat.

Volevo quasi sentire lo sviluppatore di raccoon se conviene switchare a kmp subito o vedere di migliorarla prima e poi switchare.

Ah, ti piacerebbe, ora che arriva la nostra onda ce la infileranno fino all’università 😁

Per le medie mi spiace ma c’è ancora, moooolto più soft ma c’è.

I miglioramenti veloci da fare sono:

• tag “evento da confermare”
• creazione evento calendario dove devi solo confermare l’aggiunta dell’evento

Il miglioramento complesso sarebbe di incrementare il dizionario e migliorare il processo di analisi.

Eh, indovina come mi è venuto in mente di fare questa app 😀

Si, questo fa poco, ho provato qualche ai con python ma è veramente un casino capire le chat di gruppo e costruirci dei dati aggregati (esattamente come è difficile per noi umani)

Questo è quel che fa per ora:

Il testo viene suddiviso in righe. Ogni riga che inizia con un pattern riconosciuto come data/ora di WhatsApp (es. 10/12/25, 11:55 - ...) viene trattata come l'inizio di un messaggio. Viene estratta la data e confrontata con un insieme di date relative agli ultimi N giorni (di default, 10). Solo i messaggi appartenenti a queste date target vengono considerati.
Filtro per Parole Chiave: Per ogni messaggio filtrato per data, il testo del messaggio stesso (esclusa la parte del mittente e potenzialmente link/menzioni) viene confrontato con un insieme predefinito di parole chiave (es. "compiti", "riunione", "evento", "compilare", "sondaggio", "importante", "per venerdì", ecc.).
Identificazione Messaggi Significativi: Se una qualsiasi delle parole chiave è presente nel testo del messaggio (in forma minuscola e con corrispondenza parziale), il messaggio viene considerato significativo. Vengono estratti:
    La data del messaggio.
    Il mittente (numero o nome).
    Il testo del messaggio.
    Eventuali riferimenti temporali trovati all'interno del testo (es. "venerdì", "alle 15", "prossima settimana") utilizzando espressioni regolari.
    Una categoria assegnata automaticamente in base a quale insieme specifico di parole chiave (es. " Incontri / Eventi", " Compiti / Verifiche") è stato trovato nel messaggio.
Formattazione del Riassunto: I messaggi identificati come significativi vengono poi raggruppati:
    Prima per data, in ordine cronologico inverso (dal giorno più recente).
    Poi all'interno di ogni data, vengono raggruppati per la categoria assegnata.
    Infine, all'interno di ogni categoria e data, vengono elencati i singoli messaggi, mostrando mittente, testo e eventuali riferimenti temporali trovati.
Output: Il risultato finale è un testo formattato che rappresenta un riassunto contestuale e organizzato dei messaggi significativi trovati negli ultimi N giorni, evidenziando argomenti come appuntamenti, compiti, richieste, eventi, ecc., raggruppati in modo logico per facilitarne la lettura.

In sintesi, non è un vero e proprio “riassunto” AI, ma piuttosto un filtro contestuale basato su parole chiave con una riorganizzazione e formattazione del risultato.

Oddio, non so quanto la Merkel sia d’accordo con la politica del riarmo. A vedere il documentario che le hanno fatto su Netflix sembrava l’opposto, fu criticatissima per la sua politica di willkommenskultur, ma ricordo che odiava anche profondamente Putin. Tra odiare Putin e passare al riarmo massivo ce ne passa però. Sarei curioso di sapere che dice della situazione attuale.

Visto lo stipendio della presidenta e anche dove vuole tanto investire, c’è un bello scollamento dalla realtà

Well, didn’t I say it was just the wrong analogy?

I’m not sure heroine is the right sample, I know digital products cause addiction like heroine, maybe cocaine would be more realistic when talking about possible increase in GDP, with all that heroin around the US population would be wiped out in a couple of gen

I visori dovrebbero cominciare a tirarceli dietro quindi… Buono a sapersi

FSD lite:

https://chat.qwen.ai/s/t_9dafc337-95e0-4369-87ab-dd6801ee29a8?fev=0.1.7

Che tristezza stellantis, sti scemi alla Ferrari sono all’età della pietra ormai

https://www.media.stellantis.com/em-en/leapmotor/press/leapmotor-launches-security-and-safety-lab-new-standards-in-intelligent-vehicle-protection

A kind of benchmark or drag race for robots? Let’s organise a decathlon: Fight, chess, sports, killing top ranking useless humans, etc…

Sure but if you have brand new machines that are supposed to be operated by humans, buying a 10k humanoid compared to paying some real humans is going to appeal a lot of entrepreneurs: and you’ll be able to mix the two kinds of workers initially, see Amazon warehouses as an example.

Anche Godot si presta bene

La cosa buona è che chi inplementa le distopie solitamente non sa quasi niente dei meccanismi dietro le quinte. E chi analizza i dati raccolti adesso lavora un po’ “a caso”. Col passare del tempo, se il livello tecnico sale per tutti, questa nuvola distopica teoricamente dovrebbe svanire

Tali umani, tali robot. Speriamo la fantascienza si avveri presto realmente, come sta succedendo giorno dopo giorno (fortunatamente)

Perché se davvero dovessero implementare i robot in guerra che rispettassero le leggi della robotica si ritroverebbero dei soldati che rispondono “non posso uccidere umani indifesi e civili, non faccio cagare come te, comandante”

Se almeno venisse usata per non fare scoppiare la guerra…