Omicidio Mattia Caruso, il migliore amico: "Lei lo picchiava, litigavano continuamente"

Coronavirus, bilancio del 2 ottobre 2022: 28.509 casi e 20 mortiFidanzati negli anni '60, si ritrovano e si sposano 55 anni dopo: "L'amore non ha scadenza"Uomo di 32anni si impicca a un albero: era uscito di casa con la scusa di un'escursione 

Rissa al battesimo a Ladispoli: 3 uomini feriti a sprangate, due sono in fin di vitaProbabilmente è capitato a molti di voi: fate una domanda a ChatGPT e il sistema di OpenAI vi risponde con un’informazione dettagliata e convincente. Peccato che sia anche del tutto falsa. Gli esempi di quelle che in gergo tecnico vengono chiamate “allucinazioni” – ma che potremmo anche definire “inventare cose” – ormai si sprecano: da politici anticorruzione accusati falsamente di aver intascato tangenti al chatbot di Air Canada che ha offerto ai clienti della compagnia aerea uno sconto in realtà mai previsto (e che la società è stata infine costretta a onorare).Ci sono poi i frequenti errori biografici (Hillary Clinton sarebbe la prima presidente donna degli Stati Uniti),investimenti scientifici (che hanno causato il precoce spegnimento di Galactica, il chatbot scientifico di Meta), politici e di ogni altro tipo. Secondo una ricerca condotta dalla società Vectara, GPT-4, che alimenta un modello avanzato di ChatGPT, soffre di allucinazioni nel 3% dei casi, Claude 2 di Anthropic arriva all’8,5% e Palm di Google supera in alcune sue versioni (oggi superate da Gemini) anche il 27%.Tutto ciò rappresenta ovviamente un grosso limite alla diffusione dei large language model (Llm), soprattutto in settori dove l’accuratezza e l’affidabilità sono di fondamentale importanza, come l’istruzione, la sanità, il giornalismo, le ricerche e altro ancora.Una questione di probabilitàPerché avviene questo? Perché ChatGPT e i suoi fratelli tendono a dire così tante stupidaggini? Prima di tutto va sottolineato che questi modelli linguistici sono progettati proprio allo scopo di inventare cose. O meglio: di tirare a indovinare le risposte che ci forniscono. I large language model non fanno infatti altro che prevedere statisticamente – sulla base dell’enorme quantità di dati con cui sono stati addestrati – quale sia la parola che ha la maggior probabilità di essere coerente con quelle che l’hanno preceduta.Come spiega l’Economist, “ogni token (termine con cui si definiscono le unità di testo impiegate da questi modelli, ndr) presente nel dataset deve avere una probabilità superiore a zero di venire selezionato, dando così al modello la flessibilità necessaria ad apprendere nuovi pattern, ma anche la possibilità di generare affermazioni scorrette. Il problema fondamentale è che i modelli linguistici sono probabilistici: la verità, invece, non lo è”.

Perde il cane e offre 20mila euro di ricompensa a chi può dare informazioni su di luiDopo Amato ancora una donna: Silvana Sciarra è la nuova presidente della Consulta

I genitori di Giuliano De Seta, morto in stage a 18 anni: "I titolari dell'azienda non ci hanno chia

Pastore investito da un'auto mentre porta il gregge al pascolo: prognosi di 40 giorniVuole dare fuoco all'auto di un debitore ma incendia per sbaglio il veicolo di un carabiniere

Terremoto a Genova, la magnitudo è di 4.1: epicentro a BargagliAntonia Paola Droghei morta dopo 20 giorni di sofferenza in ospedale

Coronavirus, bilancio del 28 settembre 2022: 36.632 nuovi casi e 48 morti in piùVuole dare fuoco all'auto di un debitore ma incendia per sbaglio il veicolo di un carabiniere