Mondo dell'atletica in lutto: ucciso con un'arma da fuoco il velocista ecuadoriano Alex Quinonez

Russia, incendio in un giacimento petrolifero della Lukoil-Komi LLCCovid, il centro UE e la fine dell'emergenza: "Stop al tracciamento dei positivi asintomatici"Eutanasia, medico si autodenuncia: ha dato la "polvere del sucidio" a un centinaio di persone

Madre morta due settimane dopo aver perso il figlio 18enne in un incidenteProbabilmente 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),ETF 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”.

Corte federale USA blocca obbligo di vaccino o test nelle aziende: "Cittadini liberi di scegliere"Due iene contagiate dal covid negli Usa, è il primo caso al mondo

Boom di contagi Covid in Russia: Mosca in lockdown dal 28 ottobre

Assorbenti gratis nelle scuole pubbliche della California: cosa prevede la leggeUSA, una coppia è morta di Covid dopo aver rifiutato il vaccino: lasciano 4 figli

Germania, diplomatico russo trovato morto all’ambasciata di BerlinoCovid in Gran Bretagna: perché i contagi hanno superato quota 40mila

La Polonia vuole uscire dall'Unione Europea? Conseguenze della sentenza della Corte Suprema polaccaAllarme Pentagono: possibili nuovi attacchi terroristici