Spara e uccide il nipote 12enne durante la caccia: lo ha scambiato per uno scoiattolo

Ong Memorial, disposto il sequestro dell'organizzazione russa premio Nobel per la paceCaro energia: le nuove regole in FranciaAereo va fuori pista durante l’atterraggio nelle Filippine: veivolo distrutto

Iran, Asra Panahi morta a 16 anni: si è rifiutata di cantare un inno che loda il regimeProbabilmente 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),Campanella 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”.

Morto a 26 anni per un'infezione all'orecchio: medico rifiuta di visitarlo per paura del CovidIl Cremlino nega: "Non è vero che 700mila russi sono fuggiti"

Lanciano il gatto in mare per divertimento: arrestati per maltrattamento di animali

Giovane neofascista omofobo uccide due persone davanti a un locale gay e si suicidaIl cane compra 80 euro di video porno giocando con il telecomando della televisione

Tragedia in una clinica psichiatrica: paziente accoltella 3 persone e si toglie la vitaAdolescenti rubano una Maserati ma si schiantano durante la fuga: un morto e due feriti

Hu Jintao scortato fuori dalla cerimonia del congresso del partito comunistaRagazza di 26 anni suicida a Times Square: si è lanciata dal 27esimo piano