Hai mai sentito parlare di Hugging Face?
Se sei appassionato di tecnologia e intelligenza artificiale, probabilmente sì.
Ma conosci davvero la storia e l'impatto che questa piattaforma ha avuto nel mondo dell'AI?
In questo articolo ti racconteremo come Hugging Face è nata da un semplice chatbot per adolescenti e si è trasformata nella "GitHub dell'intelligenza artificiale", rivoluzionando completamente l'accesso ai modelli di Machine Learning. Vedremo assieme l'ecosistema completo di Hugging Face, come utilizzare la piattaforma e perché è diventata così fondamentale per ricercatori, sviluppatori e persino per esperti di altri settori che vogliono sfruttare la potenza dell'AI.
Facciamo un passo indietro. Tutto è iniziato nel 2016, quando tre giovani imprenditori - Clement de Lang, Julien Chomont e Thomas Wolf - si riunirono in un piccolo ufficio di New York con un'idea apparentemente semplice: creare un chatbot per adolescenti.
Il nome scelto? Hugging Face, ispirato all'emoji dell'abbraccio per trasmettere un senso di accoglienza.
Ma c'è un aneddoto interessante che pochi conoscono: in breve tempo, questo chatbot divenne virale tra gli adolescenti, raggiungendo l'impressionante traguardo di un milione di messaggi scambiati ogni giorno.
Tuttavia, ciò che colpì maggiormente il team fu un particolare utilizzo inaspettato. Moltissimi utenti non si limitavano a chattare, ma ponevano domande sul funzionamento del chatbot stesso:
Questa curiosità rappresentò una svolta decisiva. Nel 2019, il team di Hugging Face prese una decisione cruciale che avrebbe cambiato per sempre la storia dell'azienda: rendere open source la loro tecnologia, essenzialmente regalando anni del loro lavoro al mondo.
Questa mossa, si rivelò invece geniale. Oggi, Hugging Face incarna l'ideale della condivisione pubblica delle tecnologie AI, e uno dei suoi rilasci più importanti è stata la libreria Transformers, diventata rapidamente uno standard nel settore per chiunque voglia implementare reti neurali basate sui Transformer.
Hugging Face è sia un'azienda che una piattaforma web. Da questo punto in poi, ci riferiremo a Hugging Face come al sito web che ha rivoluzionato l'accesso all'intelligenza artificiale.
Per capire l'importanza di Hugging Face, possiamo fare un paragone con GitHub. Prima dell'esistenza di GitHub, condividere e collaborare sul codice era un processo complicato e frammentato. GitHub ha reso tutto questo semplice e accessibile.
Hugging Face sta facendo la stessa cosa per l'intelligenza artificiale, ma con alcune differenze fondamentali:
Insomma, Hugging Face è diventato il punto di riferimento per chiunque voglia utilizzare o contribuire all'avanzamento dell'intelligenza artificiale, senza dover partire da zero.
Oggi Hugging Face può essere visto come una vera e propria "città dell'intelligenza artificiale", con quartieri specializzati per ogni esigenza. Vediamo meglio i componenti principali di questo ecosistema:
Al centro troviamo il Model Hub, una biblioteca che ospita oltre 120.000 modelli pre-addestrati. Pensate a questi modelli come strumenti specializzati:
Accanto al Model Hub troviamo il Dataset Hub, una collezione curata di oltre 20.000 dataset. Questi non sono semplici archivi di dati; ogni dataset viene accompagnato da:
È come avere una biblioteca in cui ogni libro viene accompagnato da una guida alla lettura e da esercizi pratici, rendendo la risorsa incredibilmente fruibile.
Una delle innovazioni più interessanti degli ultimi anni di Hugging Face sono gli Spaces, ambienti dove i modelli prendono vita. Con gli Spaces, gli utenti possono:
E la creazione di queste applicazioni web è molto facilitata perché è guidata da Hugging Face stesso. Con poche righe di codice, è possibile creare un'applicazione web accessibile a tutti.
Per capire l'impatto effettivo che Hugging Face ha avuto nel settore, dobbiamo tornare indietro nel 2016, prima che la piattaforma esistesse.
In quel periodo, sviluppare un sistema basato su intelligenza artificiale (come ad esempio un sistema di traduzione) richiedeva un processo lungo e complesso:
Questo processo durava mesi e richiedeva persone con competenze molto specifiche. Se uno sviluppatore voleva creare una web app con un sistema di traduzione, doveva anche essere in grado di addestrare questo modello.
Oggi, grazie a Hugging Face, uno sviluppatore può creare la stessa web app impiegando poche ore, preoccupandosi solo della parte frontend perché il modello lo trova già pronto sulla piattaforma.
Un caso emblematico dell'utilità di Hugging Face è stato il progetto BLOOM. BLOOM è un modello linguistico di dimensione e capacità paragonabile a GPT-3 (considerato obsoleto nel 2025, ma all'epoca era un modello di tutto rispetto).
BLOOM è stato sviluppato attraverso uno sforzo collettivo mondiale senza precedenti:
Il risultato? Un modello che supportava 46 lingue e 13 linguaggi di programmazione, ottenuto in modo completamente open source e accessibile a tutti.
Per mettere in prospettiva questo risultato: senza Hugging Face, un modello del genere avrebbe richiesto:
Invece, grazie alla collaborazione facilitata da Hugging Face, diverse realtà hanno unito le forze, ognuna contribuendo con il proprio pezzetto e utilizzando l'infrastruttura della piattaforma come base comune.
L'impatto di Hugging Face si estende ben oltre il campo dell'intelligenza artificiale. Ad esempio, il National Institute of Health ha pubblicato un report nel 2023 che descrive come i ricercatori in campo medico utilizzino i modelli di Hugging Face per:
Questo dimostra come persone esperte in ambiti scientifici diversi dall'AI possano utilizzare sistemi avanzati di intelligenza artificiale. Senza Hugging Face, un ricercatore medico avrebbe dovuto conoscere anche l'addestramento di modelli AI, o avrebbe avuto bisogno di due esperti: uno in medicina e uno in intelligenza artificiale.
Vuoi provare Hugging Face dopo aver letto questo articolo? Ti mostriamo come fare in pochi semplici passaggi.
Ad esempio, se selezioni un LLM come Llama, troverai una chat dove puoi scrivere qualsiasi prompt, come "Ciao, sono Manuel, tu come ti chiami?", e il modello risponderà.
Questa funzionalità è estremamente utile perché ti permette di testare i modelli prima di scaricarli, per capire se soddisfano le tue esigenze.
Per scaricare un modello da Hugging Face in un notebook, hai bisogno di poche righe di codice:
pip install transformers
from transformers import AutoTokenizer, AutoModelForCausalLMmodel_name = "meta-llama/Meta-Llama-3-8B" # Sostituisci con il nome del modello che ti interessatokenizer = AutoTokenizer.from_pretrained(model_name)model = AutoModelForCausalLM.from_pretrained(model_name)
Con sole queste poche righe di codice, puoi scaricare e utilizzare un modello per cui sono stati spesi milioni di dollari durante l'addestramento. Questa è la vera potenza dei modelli che puoi trovare su Hugging Face.
***
Sei alla ricerca della tua prossima avventura nel mondo tech?
👉 Su jobs.datapizza.tech trovi le migliori offerte di lavoro nel settore tecnologico, selezionate con cura per aiutarti a trovare opportunità rilevanti, attuali e di qualità.
Che tu stia cercando una posizione come Developer, Data Analyst, Data Scientist, AI Engineer, Cybersecurity Expert o Web Designer, sulla nostra piattaforma puoi trovare ogni giorno le offerte più interessanti dalle principali aziende e startup del settore.
Ecco il link: jobs.datapizza.tech
***
Hugging Face ha davvero democratizzato l'intelligenza artificiale, trasformando un campo una volta accessibile solo a grandi aziende e istituzioni di ricerca in un'area in cui chiunque con conoscenze di base può partecipare e contribuire.
La piattaforma ha creato un ecosistema completo che facilita:
Grazie a Hugging Face, oggi possiamo vedere un futuro in cui l'intelligenza artificiale non è più un privilegio di pochi, ma uno strumento accessibile a molti, con potenziali applicazioni in campi diversissimi tra loro.
Se sei interessato a esplorare il mondo dell'AI ma non sapevi da dove cominciare, Hugging Face è sicuramente il punto di partenza ideale. E ricorda: anche se non sei un esperto di Machine Learning, puoi comunque utilizzare e trarre beneficio da questi strumenti.
***
Scritto da Manuel Vimercati - Direttore Scientifico @datapizza