Quando si cronometra la gloria il fallimento non è ammesso

Le accuse contro la polizia catalana per la fuga di Puigdemont - Il PostHamas: «Raid israeliano contro una scuola a Gaza, almeno 100 morti». Israele: «Usata come nascondiglio dei terroristi»Bialetti in rosso per 3,8 milioni nel semestre, ricavi +6,2% - Tiscali Notizie

Parigi 2024: le azzurre del volley in finale per l'oro - News Olimpiadi 2024 - Ansa.itProbabilmente 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”.

Vacanze on the road a quattro zampe: il vademecum per renderle davvero “pet friendly”Alba Parietti, lo sfogo: «Io troppo vanitosa? A 63 anni vivo come mi pare, fatevene una ragione»

Governatore russo, droni su regione Lipeck, 9 feriti - Tiscali Notizie

Criptoasset in rally, Bitcoin +8% a 59mila dollari, Ether +9,6% - Tiscali NotiziePer ora il governo britannico è riuscito a gestire le rivolte anti migranti - Il Post

Gli ingredienti di Redzepi per una serie tv di successoOlimpiadi, la caduta della 4x100 azzurra: dall'oro di Tokyo al quarto posto, le lacrime di Tortu. Jacobs: «Fa malissimo»

Michele Placido: «Ho conosciuto mia moglie Federica Vincenti che aveva 20 anni, io 33 in più. Le nostre famiglie ci hanno ostacolato»L'Aquila, dieci giorni in hotel poi la fuga senza pagare: per la coppia finisce malissimo – Il Tempo