Chain of News 28/05/2026

**Top Story** La National Basketball Association (NBA) ha annunciato piani per introdurre un sistema automatizzato per alcune decisioni arbitrali, tra cui le chiamate fuori campo, utilizzando l'intelligenza artificiale e telecamere posizionate intorno al campo. Questo sistema, come descritto dal commissario della NBA Adam Silver, mira a migliorare l'accuratezza e l'efficienza delle decisioni arbitrali. L'utilizzo dell'AI in questo contesto è significativo perché dimostra il potenziale dell'apprendimento automatico per migliorare la presa di decisioni in tempo reale, in ambienti ad alto rischio. Per gli sviluppatori, questo sviluppo sottolinea l'importanza di esplorare le applicazioni dell'AI in aree in cui il giudizio umano può essere aumentato o supportato da insight basati sui dati. Le implicazioni di questa tecnologia vanno oltre lo sport, poiché sistemi simili potrebbero essere applicati in vari campi in cui la presa di decisioni accurata e rapida è cruciale. Mentre la NBA procede con questa iniziativa, sarà interessante vedere come la tecnologia si evolve e se può essere adattata per l'uso in altri contesti. **AI Models & Research** Il concetto di intelligenza come autonomia gestita, come discusso in un recente articolo, presenta una prospettiva convincente sulle sfide dello sviluppo di sistemi AI agentic. Questo approccio sottolinea la necessità di gestire l'allucinazione e l'azione persistente ma ingiustificata in sistemi autonomi, che è una considerazione critica per gli sviluppatori che lavorano su ambienti robotici e di macchina-umano. Un altro sviluppo significativo è l'introduzione della formazione Frost, un metodo per migliorare l'ottimizzazione delle politiche basate su Monte Carlo per compiti chiamati Cross-Entropy Games. Questa tecnica sfrutta il gradiente della funzione di reward nello spazio di incorporamento, che può portare a un'ottimizzazione delle politiche più efficiente ed efficace. Inoltre, la ricerca su controllo e apprendimento gerarchico-prompt-domain per modelli linguistici agentic con risorse limitate sottolinea l'importanza di adattarsi a stati in evoluzione e operare sotto vincoli di memoria, latenza e costo. Questi progressi hanno il potenziale di impattare significativamente su come gli sviluppatori progettano e distribuiscono sistemi AI in varie applicazioni. **Developer Tools & Frameworks** Microsoft ha annunciato il rilascio di Azure Linux 4.0, la sua prima distribuzione Linux server di scopo generale, che si basa su Fedora e è progettata per Azure VMs. Questo sviluppo è notevole perché segna la prima volta che Microsoft offre una distribuzione Linux supportata oltre l'hosting dei contenitori. Per gli sviluppatori, Azure Linux 4.0 fornisce una nuova opzione per la distribuzione di applicazioni basate su Linux su Azure, con il beneficio aggiuntivo del supporto ufficiale da parte di Microsoft. Inoltre, un articolo sui meccanismi di copertura adattiva per ridurre la latenza p99 in architetture di microservizi a ventaglio presenta una soluzione pratica per gli sviluppatori che affrontano richieste lente ma complete. Utilizzando la stima dei quantili in tempo reale con DDSketch, gli sviluppatori possono implementare la copertura adattiva per ridurre significativamente la latenza. Questi aggiornamenti e rilasci dimostrano gli sforzi in corso per migliorare l'efficienza e l'affidabilità degli strumenti e dei framework di sviluppo. **Industry & Business** Uno sviluppo significativo nel campo dell'imaging medico è l'utilizzo dell'intelligenza artificiale per ridurre il tempo necessario per ottenere scansioni di risonanza magnetica (MRI). Secondo un recente rapporto, l'AI può ridurre il tempo necessario per le scansioni MRI del 90%, il che ha implicazioni profonde per la sanità e la ricerca medica. Questa innovazione dimostra il potenziale dell'AI per trasformare vari settori migliorando l'efficienza e l'accuratezza. Nel contesto dello sviluppo dell'AI, questo risultato sottolinea l'importanza di esplorare le applicazioni in campo sanitario e in altri settori in cui le informazioni basate sui dati possono portare a miglioramenti significativi degli esiti e della qualità della vita. Mentre l'AI continua a evolversi e migliorare, ci possiamo aspettare di vedere ulteriori innovazioni che colmano il divario tra tecnologia e applicazioni pratiche. **Worth Watching** Il concetto di ragionamento e pianificazione con norme dinamicamente in evoluzione è un'area di ricerca intrigante che merita attenzione. Mentre gli agenti AI interagiscono con gli esseri umani, devono essere in grado di comprendere e adattarsi a norme sociali in evoluzione, il che è una sfida complessa. Lo sviluppo di DeepSciVerify, una pipeline per verificare l'allineamento delle citazioni delle rivendicazioni scientifiche tramite l'escalation delle prove guidata da modelli linguistici di grandi dimensioni, è un altro progresso notevole. Questo strumento ha il potenziale di migliorare l'affidabilità dei rapporti generati da modelli linguistici di grandi dimensioni, in particolare in contesti scientifici e ad alto rischio. Inoltre, lo studio sulla tracciabilità delle tracce di ragionamento a lungo termine con prefix-safe Bayesian offre insight sulla calibrazione delle osservazioni e sulla stima del successo finale, il che può contribuire a una presa di decisioni più affidabile dell'AI. Questi sviluppi, seppur ancora in fase iniziale, dimostrano l'ampiezza e la profondità della ricerca sull'AI e il suo potenziale per affrontare sfide complesse in vari domini.