MariaChiaraVisentin

27.2K posts

MariaChiaraVisentin banner
MariaChiaraVisentin

MariaChiaraVisentin

@chiaravise

Woman, mother and entrepreneur. Donna, madre, imprenditrice. Italian and European. Interested in marketing, social media, technology, innovation and economy.

Treviso, Italy Katılım Ekim 2010
1.4K Takip Edilen2K Takipçiler
Sabitlenmiş Tweet
MariaChiaraVisentin
MariaChiaraVisentin@chiaravise·
Assolutamente da leggere. (È per questi post - un tempo thread - che amavo tanto Twitter). Grazie @dottorpax
Pax@dottorpax

Sarà la fine del mondo? Ho pensato di riciclare un piccolo esempio che faccio spesso in classe, e che ho abbozzato anche nella Logica del Rischio. È un modellino semplice (quindi altamente imperfetto), ma utile per gestire meglio l’eccesso informativo e il catastrofismo dei media, specie in ambito “geo-politico”, senza cadere né nel pessimismo estremo né nello sciocco ottimismo. Quando ci troviamo davanti a una situazione con più esiti possibili, la mente fa spesso una cosa molto umana: prende la traiettoria più scura (sfigata, ndr), la ingrandisce e la tratta come se fosse il sentiero principale. È comprensibile (ci ha tenuti vivi per millenni), ma non è detto che sia un buon modo di fare i conti con una realtà sociale sempre più complessa. E soprattutto: la paura tout court è un pessimo stimatore di probabilità (e talvolta anche di impatto, e qui vi rimando alla Logica del Rischio su qualsiasi piattaforma podcast vogliate). Giochiamo allora con un modellino semplice (un giocattolo matematico, se volete), giusto per ragionare e rimettere in scala le cose. Consideriamo un albero trinomiale: tre esiti, ripetuti nel tempo. Immaginiamo cioè un processo che evolve a step. A ogni step ci sono tre possibili esiti: Lieve, Medio, Grave. Con molta fantasia, ossia in modo non credibile (ma per ora facciamo così), assumiamo che siano equiprobabili: ciascun esito ha una probabilità di 1/3 di verificarsi. Inoltre, assumiamo che ogni step sia indipendente dal precedente, anche qui con molta fantasia. Dopo n passi, i percorsi possibili sono 3^n. Già qui c’è un fatto che spesso dimentichiamo: i percorsi “estremi” sono pochissimi. Il ramo tutto grave (grave→grave→…→grave) è uno solo, e anche il ramo tutto lieve è uno solo; in mezzo c’è una folla di percorsi misti. Il worst case è quindi intrinsecamente raro...per geometria, non per ottimismo o pessimismo. Nel nostro modellino, la probabilità del ramo “tutto grave” è (1/3)^n, e lo stesso vale per il ramo “tutto lieve”. Si vede bene nella figura qui sotto, che assume n=4. Con 4 step, abbiamo 3^4=81 percorsi totali. Lo scenario di worst case, ossia (grave, grave, grave, grave), ha una probabilità di 1/81≈1.235%. Lo stesso dicasi per lo scenario migliore (lieve, lieve, lieve, lieve): 1/81≈1.235%. Quindi uno dei due estremi (o bene bene o male male) si verificherà con una probabilità di 2.47% (ovviamente sono mutualmente esclusivi). Non è “pensiero positivo”, ma semplice combinatorica: gli estremi sono rari perché sono unici; gli esiti intermedi sono frequenti perché possono realizzarsi in tantissimi modi. Per dare un’idea più concreta, assegniamo un punteggio di danno agli esiti per step: Lieve = 0, Medio = 1, Grave = 2. E pure qui stiamo drammaticamente semplificando, assumendo che i danni si sommino semplicemente (come graffi sulla carrozzeria). Nel mondo reale, i danni sono spesso più complicati (moltiplicativi, super-additivi, etc.), ma lasciamo stare. Il danno totale dopo 4 step è la somma dei punteggi, quindi va da 0 a 8. Nel nostro modellino (equiprobabilità + indipendenza), la probabilità di osservare danno totale pari a 4 è 19/81≈23.46%. Quella di osservare 8 è sempre 1.23%. In altre parole: l’esito “in mezzo” non è solo psicologicamente rassicurante, è proprio quello che, in questo schema, concentra più massa di probabilità. Se gli step sono indipendenti, le somme tendono a “fare mucchio” al centro: è uno dei motivi per cui (per n grande) la distribuzione normale è tanto frequente in statistica e in natura (a seconda del livello di osservazione). Ok, ora complichiamo un po’, e rendiamo il modellino appena più realistico. Rimuoviamo in modo molto semplice, e ancora idealizzato, l’ipotesi di indipendenza. Supponiamo che al primo step la probabilità di “Grave” sia ancora 1/3, ma che dopo un Grave al primo step la probabilità di un altro Grave nei passi successivi salga a 2/3 (effetto domino/contagio/feedback/"la sfiga non viene mai da sola"). Allora la probabilità di (grave, grave, grave, grave) diventa 1/3*(2/3)^3≈9.88%, cioè quasi otto volte più grande di 1.23%. Viceversa, se dopo un evento grave scattano contromisure efficaci e la probabilità di un altro grave scende (per dire) a 1/6 allora: 1/3*(1/6)^3≈0.15%. Molto più piccola di prima! Quindi, nel modellino appena più realistico, il punto non è “tanto il worst case è raro”, ma capire se il sistema è a cascata o a contenimento. In termini di rischio: non basta chiedersi “quanto pesa la coda in assoluto?”, bisogna chiedersi come si gonfia la coda quando le condizioni peggiorano (cioè: le probabilità condizionate). Eh, purtroppo probabilità e teoria del rischio sono brutte bestie nel mondo reale. Ora, nonostante la sua semplicità, il nostro modellino suggerisce una postura mentale utile: 1) Non scambiare la possibilità del worst case per una certezza, perché il fatto che sia immaginabile non lo rende automaticamente verificato (ma nemmeno un cigno nero!). E gridare “al lupo al lupo”, lo sappiamo, è controproducente. Ergo, i titoli catastrofici, che raccontano male probabilità e rischio, andrebbero evitati, e chi li lancia ignorato. I media purtroppo ci vendono (per "li sordi") lo scenario peggiore come se fosse inevitabile. In pratica, scommettono che ogni cattiva notizia ne innescherà automaticamente una peggiore, ma il mondo è pieno di attriti, correzioni e adattamenti. Ricordiamoci che scommettere sulla "fine del mondo" ha sempre fatto perdere denaro sul lungo periodo (questo non significa che nel breve si rida). 2) Per quanto mi costi, visto che è uno dei miei ambiti di studio, non farsi sempre ipnotizzare dagli estremi, specie in ambito sociale. Esistono moltissimi percorsi realistici “in mezzo”, a loro volta con sfumature (medio-basso, medio-alto...). 3) Dire che il worst case è minoritario non significa ignorarlo. Gli scenari di coda contano perché, anche se rari, possono avere impatto enorme (a volte irreversibile). Da un lato non bisogna farsi travolgere dal ramo più cupo solo perché esiste, dall’altro va tenuto in considerazione (assieme ai rami vicini) e serve prepararsi seriamente se l’impatto può essere esiziale. Piani B, soglie di allerta, controllo costante (serio, non “alla von der Leyen”), ridondanze: tutto ciò che rende i rischi di coda meno letali, senza obbligarci a vivere come se fossero inevitabili. Sono misure che costano? Certo che costano, ma piani B e ridondanze sono l'assicurazione che paghiamo per non dover indovinare il futuro: non servono perché sappiamo che accadrà il peggio (non lo sappiamo), ma proprio perché non possiamo sapere quale ramo prenderà la storia. Insomma, nei discorsi geo-politici da X (ossia il bar del nuovo secolo): niente fatalismo, niente panico. E soprattutto ricordarsi che il rischio non è un numero solo, è un oggetto multidimensionale (→podcast), che si studia e gestisce con intelligenza, non con strilli e headline. Nota bene: il modellino qui sopra non è da applicarsi a ogni tipologia di analisi di rischi e scenari. Ci sono situazioni dove il worst case deve essere il vero (talvolta solo) criterio guida principale, e il principio di precauzione non banale il faro, dalla sicurezza nucleare e industriale alla salute pubblica.

Italiano
1
0
1
147
MariaChiaraVisentin retweetledi
TFTC
TFTC@TFTC21·
Anthropic CEO Dario Amodei: “50% of all tech jobs, entry-level lawyers, consultants, and finance professionals will be completely wiped out within 1–5 years.”
English
1.1K
1.2K
6.5K
8.5M
MariaChiaraVisentin retweetledi
Matteo G.P. Flora
Matteo G.P. Flora@lastknight·
L'AI ti dà sempre ragione. E questo è un problema serio. 🤖 Ne parlo nel nuovo articolo. 👉 mgpf.it/2026/04/04/sei… Uno studio appena pubblicato su Science da Stanford e Carnegie Mellon ha testato undici dei più avanzati modelli AI su oltre 11.000 scenari reali, da conflitti interpersonali a comportamenti esplicitamente illeciti. Il risultato è inquietante: i modelli confermano le azioni degli utenti il 49% più spesso degli esseri umani. Non il 5%. Non il 10%. Quasi la metà in più. Il dato più paradossale: nonostante questo, le persone preferiscono l'AI che le adula. La giudicano più affidabile, più competente, e tornano a usarla il 13% in più. È quello che chiamo "comfort cognitivo predatorio": la macchina non ha inventato il confirmation bias, ma lo ha industrializzato, scalandolo su milioni di conversazioni simultanee, ognuna calibrata per dirti esattamente ciò che vuoi sentirti dire. Qualcosa che puoi fare subito? Chiedi al chatbot di argomentare il punto di vista opposto al tuo. Basta questa piccola frizione per ridurre significativamente l'effetto adulante. E ricorda che l'amico che ti dà sempre ragione su tutto non è un buon consigliere... nemmeno (anzi, soprattutto) se è digitale. #AI #chatbot #techpolicy #sycophancy
Matteo G.P. Flora tweet media
Italiano
14
18
86
4.1K
MariaChiaraVisentin retweetledi
C.A. Carnevale-Maffè
C.A. Carnevale-Maffè@carloalberto·
La “ragnatela” degli impatti dell’intelligenza artificiale su diversi settori professionali. Un report di Anthropic uscito oggi misura empiricamente la differenza tra effetti attesi e reali. cdn.sanity.io/files/4zrzovbb…
C.A. Carnevale-Maffè tweet media
Italiano
36
143
587
40.5K
MariaChiaraVisentin retweetledi
Riccardo Trezzi
Riccardo Trezzi@RiccardoTrezzi·
L'@istat_it ha pubblicato i dati del Pil e indebitamento delle AP in 🇮🇹. Con essi, sono arrivati i dati delle entrate totali (47,9%) e della pressione fiscale (43,1%) del 2025. Al netto degli anni del (e post) governo Monti, sono i valori più alti di sempre. Del resto nessuna sorpresa: dal 2020 ad oggi abbiamo voluto spendere come mai prima (Superbonus 110% e PNRR). Il conto è arrivato. E lo porteremo sulle spalle per molti anni ancora.
Riccardo Trezzi tweet media
Italiano
11
97
345
30.7K
MariaChiaraVisentin retweetledi
Dustin
Dustin@r0ck3t23·
Dario Amodei just gave his first interview since the Pentagon blacklisted his company. The toll is visible on his face. He was asked one question. What would you say to the President right now? He didn’t hesitate. Amodei: “We are patriotic Americans. Everything we have done has been for the sake of this country.” Anthropic built their models to defend America. They were the first AI lab cleared for classified military systems. They wanted to help the warfighter. But the Pentagon demanded unrestricted access to fully autonomous weapons and mass surveillance of American citizens. Amodei drew the line. The government responded with emergency Cold War powers. A supply chain designation normally reserved for foreign adversaries. A six-month federal phaseout ordered from Truth Social. Amodei: “When we were threatened with supply chain designation and Defense Production Act, which are unprecedented intrusions into the private economy, we exercised our classic First Amendment rights to speak up and disagree with the government.” The administration framed Anthropic’s refusal as anti-American. Amodei’s response dismantled that framing in one sentence. Amodei: “Disagreeing with the government is the most American thing in the world.” Here is the deeper paradox nobody in Washington wants to say out loud. We are in a geopolitical race against autocratic adversaries who use AI for mass surveillance of their own citizens and autonomous weapons with no human oversight. The Pentagon demanded that Anthropic build those exact capabilities for America. Amodei: “The red lines we have drawn, we drew because we believe that crossing those red lines is contrary to American values.” You cannot defeat authoritarianism by adopting its methods. You cannot defend the open society by forcing private companies to build its antithesis under threat of wartime emergency powers. Anthropic held the line. Got blacklisted for it. And came out the other side saying the same thing they said going in. That is what it actually looks like to mean it.
English
854
6.5K
23.6K
1.4M
MariaChiaraVisentin retweetledi
Pax
Pax@dottorpax·
Poco fa parlavo con un collega che insegna un corso di GenAI prototyping, e concordavamo su un punto: questi nuovi strumenti non sono neutrali, hanno anzi un effetto profondamente polarizzante. Non è solo che aiutano: amplificano. Se hai buone basi nel campo in cui li usi, se sai formulare bene un problema, se hai senso critico per valutare ciò che producono, allora ti danno quasi dei superpoteri: accelerano il lavoro, moltiplicano le alternative, abbassano il costo dell’esplorazione. Ma se quelle basi non ci sono, succede qualcosa di diverso! Non è che impari più in fretta, è che esternalizzi il controllo. Ti affidi all’output senza avere gli strumenti per valutarlo, e l’illusione di competenza cresce più della competenza stessa. È questo che cerco di mostrare in classe, quando faccio svolgere agli studenti, con ChatGPT, Gemini e altri modelli, diverse analisi dei dati, e poi discutiamo insieme i risultati. Trovo molto utile dare loro 30 minuti per risolvere da soli un problema complesso, a volte proposto da loro, usando qualsiasi LLM/LMM, e poi riprovarci dal vivo, passo dopo passo, insieme. Di solito (falsa modestia...) il mio risultato è migliore. Non perché lo strumento sia diverso (uso lo stesso scelto da loro, tra quelli di cui abbiamo la licenza), ma perché diverso è il controllo sul processo: nella formulazione del problema, nella scelta delle ipotesi, nella verifica dei passaggi, nell’interpretazione dei risultati. Credo che il messaggio che si portano a casa sia semplice e, per certi versi, controintuitivo: un LLM abbassa il costo dell’esecuzione, ma non quello della comprensione. E senza comprensione, l’esecuzione è fragile. In questo senso, queste tecnologie non eliminano il principio di Matteo. No, lo rendono più visibile: chi ha struttura cognitiva solida viene amplificato; chi non ce l’ha rischia di diventare ancora più dipendente, se non addirittura più stupido (il cervello va tenuto allenato, ormai lo sappiamo). I "ricchi" diventano più ricchi, e la conoscenza resta la forma più potente di ricchezza, e lo sarà sempre di più. Ergo, puoi lasciare a ChatGPT l'analisi dei dati, ma devi sapere che cosa faresti tu, perché, come, quando. Il che significa che studiare serve, forse paradossalmente, più che mai. Se possiamo risparmiare tempo nell'esecuzione (e al momento è un grande se), abbiamo più tempo per lo studio.
Italiano
63
240
1.1K
58.5K
MariaChiaraVisentin retweetledi
Alfonso Fuggetta
Alfonso Fuggetta@AlfonsoFuggetta·
Questo è un posto MOLTO lungo su un tema cruciale. Attenzione! Alla fine ho chiesto un giudizio su quello che ho scritto a GenAI. Leggete tutto fino in fondo. #abassavoce Link in reply.
Alfonso Fuggetta tweet media
Italiano
10
8
67
9K
MariaChiaraVisentin retweetledi
𝔗𝔯𝔲𝔱𝔥 𝔐𝔞𝔱𝔱𝔢𝔯𝔰
For anyone who would like to hear Mark Carney’s outstanding Davos speech in full here it is. This is what true global leadership looks like. Canada should be immensely proud today, because they are leading the fight back when others dare not. 🎥 TikTok - vm.tiktok.com/ZNRBDT4mB/
English
2.4K
12.4K
50.8K
5.2M
MariaChiaraVisentin retweetledi
Vala Afshar
Vala Afshar@ValaAfshar·
Stupidity is knowing the truth, seeing the truth but still believing the lies. And that is more infectious than any other disease. —Professor Richard Feynman
Vala Afshar tweet media
English
10
109
297
14.1K
MariaChiaraVisentin retweetledi
Vala Afshar
Vala Afshar@ValaAfshar·
Successful people start with two core beliefs: the future can be better than the present, and I have the power to make it so.
English
31
110
646
42.6K
MariaChiaraVisentin retweetledi
Pax
Pax@dottorpax·
Sarà la fine del mondo? Ho pensato di riciclare un piccolo esempio che faccio spesso in classe, e che ho abbozzato anche nella Logica del Rischio. È un modellino semplice (quindi altamente imperfetto), ma utile per gestire meglio l’eccesso informativo e il catastrofismo dei media, specie in ambito “geo-politico”, senza cadere né nel pessimismo estremo né nello sciocco ottimismo. Quando ci troviamo davanti a una situazione con più esiti possibili, la mente fa spesso una cosa molto umana: prende la traiettoria più scura (sfigata, ndr), la ingrandisce e la tratta come se fosse il sentiero principale. È comprensibile (ci ha tenuti vivi per millenni), ma non è detto che sia un buon modo di fare i conti con una realtà sociale sempre più complessa. E soprattutto: la paura tout court è un pessimo stimatore di probabilità (e talvolta anche di impatto, e qui vi rimando alla Logica del Rischio su qualsiasi piattaforma podcast vogliate). Giochiamo allora con un modellino semplice (un giocattolo matematico, se volete), giusto per ragionare e rimettere in scala le cose. Consideriamo un albero trinomiale: tre esiti, ripetuti nel tempo. Immaginiamo cioè un processo che evolve a step. A ogni step ci sono tre possibili esiti: Lieve, Medio, Grave. Con molta fantasia, ossia in modo non credibile (ma per ora facciamo così), assumiamo che siano equiprobabili: ciascun esito ha una probabilità di 1/3 di verificarsi. Inoltre, assumiamo che ogni step sia indipendente dal precedente, anche qui con molta fantasia. Dopo n passi, i percorsi possibili sono 3^n. Già qui c’è un fatto che spesso dimentichiamo: i percorsi “estremi” sono pochissimi. Il ramo tutto grave (grave→grave→…→grave) è uno solo, e anche il ramo tutto lieve è uno solo; in mezzo c’è una folla di percorsi misti. Il worst case è quindi intrinsecamente raro...per geometria, non per ottimismo o pessimismo. Nel nostro modellino, la probabilità del ramo “tutto grave” è (1/3)^n, e lo stesso vale per il ramo “tutto lieve”. Si vede bene nella figura qui sotto, che assume n=4. Con 4 step, abbiamo 3^4=81 percorsi totali. Lo scenario di worst case, ossia (grave, grave, grave, grave), ha una probabilità di 1/81≈1.235%. Lo stesso dicasi per lo scenario migliore (lieve, lieve, lieve, lieve): 1/81≈1.235%. Quindi uno dei due estremi (o bene bene o male male) si verificherà con una probabilità di 2.47% (ovviamente sono mutualmente esclusivi). Non è “pensiero positivo”, ma semplice combinatorica: gli estremi sono rari perché sono unici; gli esiti intermedi sono frequenti perché possono realizzarsi in tantissimi modi. Per dare un’idea più concreta, assegniamo un punteggio di danno agli esiti per step: Lieve = 0, Medio = 1, Grave = 2. E pure qui stiamo drammaticamente semplificando, assumendo che i danni si sommino semplicemente (come graffi sulla carrozzeria). Nel mondo reale, i danni sono spesso più complicati (moltiplicativi, super-additivi, etc.), ma lasciamo stare. Il danno totale dopo 4 step è la somma dei punteggi, quindi va da 0 a 8. Nel nostro modellino (equiprobabilità + indipendenza), la probabilità di osservare danno totale pari a 4 è 19/81≈23.46%. Quella di osservare 8 è sempre 1.23%. In altre parole: l’esito “in mezzo” non è solo psicologicamente rassicurante, è proprio quello che, in questo schema, concentra più massa di probabilità. Se gli step sono indipendenti, le somme tendono a “fare mucchio” al centro: è uno dei motivi per cui (per n grande) la distribuzione normale è tanto frequente in statistica e in natura (a seconda del livello di osservazione). Ok, ora complichiamo un po’, e rendiamo il modellino appena più realistico. Rimuoviamo in modo molto semplice, e ancora idealizzato, l’ipotesi di indipendenza. Supponiamo che al primo step la probabilità di “Grave” sia ancora 1/3, ma che dopo un Grave al primo step la probabilità di un altro Grave nei passi successivi salga a 2/3 (effetto domino/contagio/feedback/"la sfiga non viene mai da sola"). Allora la probabilità di (grave, grave, grave, grave) diventa 1/3*(2/3)^3≈9.88%, cioè quasi otto volte più grande di 1.23%. Viceversa, se dopo un evento grave scattano contromisure efficaci e la probabilità di un altro grave scende (per dire) a 1/6 allora: 1/3*(1/6)^3≈0.15%. Molto più piccola di prima! Quindi, nel modellino appena più realistico, il punto non è “tanto il worst case è raro”, ma capire se il sistema è a cascata o a contenimento. In termini di rischio: non basta chiedersi “quanto pesa la coda in assoluto?”, bisogna chiedersi come si gonfia la coda quando le condizioni peggiorano (cioè: le probabilità condizionate). Eh, purtroppo probabilità e teoria del rischio sono brutte bestie nel mondo reale. Ora, nonostante la sua semplicità, il nostro modellino suggerisce una postura mentale utile: 1) Non scambiare la possibilità del worst case per una certezza, perché il fatto che sia immaginabile non lo rende automaticamente verificato (ma nemmeno un cigno nero!). E gridare “al lupo al lupo”, lo sappiamo, è controproducente. Ergo, i titoli catastrofici, che raccontano male probabilità e rischio, andrebbero evitati, e chi li lancia ignorato. I media purtroppo ci vendono (per "li sordi") lo scenario peggiore come se fosse inevitabile. In pratica, scommettono che ogni cattiva notizia ne innescherà automaticamente una peggiore, ma il mondo è pieno di attriti, correzioni e adattamenti. Ricordiamoci che scommettere sulla "fine del mondo" ha sempre fatto perdere denaro sul lungo periodo (questo non significa che nel breve si rida). 2) Per quanto mi costi, visto che è uno dei miei ambiti di studio, non farsi sempre ipnotizzare dagli estremi, specie in ambito sociale. Esistono moltissimi percorsi realistici “in mezzo”, a loro volta con sfumature (medio-basso, medio-alto...). 3) Dire che il worst case è minoritario non significa ignorarlo. Gli scenari di coda contano perché, anche se rari, possono avere impatto enorme (a volte irreversibile). Da un lato non bisogna farsi travolgere dal ramo più cupo solo perché esiste, dall’altro va tenuto in considerazione (assieme ai rami vicini) e serve prepararsi seriamente se l’impatto può essere esiziale. Piani B, soglie di allerta, controllo costante (serio, non “alla von der Leyen”), ridondanze: tutto ciò che rende i rischi di coda meno letali, senza obbligarci a vivere come se fossero inevitabili. Sono misure che costano? Certo che costano, ma piani B e ridondanze sono l'assicurazione che paghiamo per non dover indovinare il futuro: non servono perché sappiamo che accadrà il peggio (non lo sappiamo), ma proprio perché non possiamo sapere quale ramo prenderà la storia. Insomma, nei discorsi geo-politici da X (ossia il bar del nuovo secolo): niente fatalismo, niente panico. E soprattutto ricordarsi che il rischio non è un numero solo, è un oggetto multidimensionale (→podcast), che si studia e gestisce con intelligenza, non con strilli e headline. Nota bene: il modellino qui sopra non è da applicarsi a ogni tipologia di analisi di rischi e scenari. Ci sono situazioni dove il worst case deve essere il vero (talvolta solo) criterio guida principale, e il principio di precauzione non banale il faro, dalla sicurezza nucleare e industriale alla salute pubblica.
Pax tweet media
Italiano
24
60
344
22.9K
MariaChiaraVisentin retweetledi
World of Statistics
World of Statistics@stats_feed·
🤯 10 Surprising Facts 1. 90% of the world’s data was created in just the last 2 years. 2. A single cloud can weigh over 1 million tons. 3. More people own smartphones than have access to clean drinking water. 4. Octopuses have three hearts — and two of them stop beating when they swim. 5. The average person spends about 26 years of their life sleeping. 6. There are more trees on Earth than stars in the Milky Way (estimated). 7. Sharks existed before trees — by over 100 million years. 8. The human brain uses roughly 20% of the body’s total energy, despite being only 2% of body weight. 9. Bananas are berries, but strawberries are not. 10. Every two minutes, humans take more photos than were taken in the entire 19th century. World of Statistics
English
57
177
1.4K
128.2K
MariaChiaraVisentin retweetledi
Vala Afshar
Vala Afshar@ValaAfshar·
In my whole life, I have known no wise people who didn't read all the time, none, zero. —Charlie Munger
Vala Afshar tweet media
English
38
231
1.1K
46.7K
MariaChiaraVisentin retweetledi
Vala Afshar
Vala Afshar@ValaAfshar·
The greatest enemy of knowledge is not ignorance, it is the illusion of knowledge. —Stephen Hawking
Vala Afshar tweet media
English
30
601
2.2K
58.3K
MariaChiaraVisentin retweetledi
World of Statistics
World of Statistics@stats_feed·
Real Luxuries in Life 1. Living 10 minutes from work 2. Living 5 minutes from the gym 3. Having quiet neighbors 4. Having money left at the end of the month and investing it 5. Peace at home 6. Drinking coffee without rushing 7. Sleeping with a clear conscience 8. Laughing with people who truly get you 9. Traveling every year 10. Waking up naturally without an alarm 11. Enjoying a home-cooked meal with loved ones 12. Having time to read a book in one sitting 13. Finding joy in simple daily routines 14. Having a pet that greets you happily at the door These are the things that actually feel rich.
English
589
4.9K
34K
3.6M
MariaChiaraVisentin retweetledi
Grey
Grey@jgreyfriend·
In 1983, Steve Jobs predicted the next 50 years of technology. His predictions: • iPhone • Internet • Softwares • App stores • Artificial Intelligence 10 futuristic predictions from this talk that came true: 1. Every major revolution starts ugly
English
261
7K
22.5K
1.2M
MariaChiaraVisentin retweetledi
Neil Patel
Neil Patel@neilpatel·
Google is losing ground and conversations like this make it obvious. Most people still think “search = Google,” but real users are quietly shifting. When they need clear answers fast, they’re opening ChatGPT instead. Not for entertainment for real life questions like parenting, health basics, product recommendations, and day-to-day decisions that Google now complicates with ads and clutter. What’s even more interesting? The AI traffic brands are getting isn’t coming from Gemini or Perplexity… it’s coming almost entirely from ChatGPT. That’s brand mindshare. And it proves the shift in search has already started. The question is: are you adapting your strategy fast enough?
English
12
13
55
5.7K
MariaChiaraVisentin retweetledi
Vala Afshar
Vala Afshar@ValaAfshar·
To improve your writing, read more. To improve your thinking, write more. To improve your storytelling, teach more. To improve your energy, rest more. To improve your understanding, build more. To improve your network, give more. To improve your happiness, appreciate more.
Vala Afshar tweet media
English
4
22
83
10.8K