Il lupo del Pleistocene perfettamente conservato - Focus.it

Il comune di Napoli sta pensando di dare dei soldi agli sfollati di Scampia per una casa in affitto - Il PostAdobe ruba il lavoro degli utenti? La polemica accende il dibattito sul futuro del lavoro creativo - AI newsUSA, la foto di Ivanka Trump: il dettaglio non passa inosservato

G7: Papa Francesco invoca prudenza ma esalta il potenziale dell'AI - AI newsProbabilmente 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),Professore del Dipartimento di Gestione del Rischio di BlackRock 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”.

Francesco: la carità, l'amore quasi "impossibile" che fa amare anche i nemici - Vatican NewsBielorussia, proteste: manifestanti arrestati e spariti nel nulla

Che cos'è l'"ossigeno oscuro" scoperto nei fondali oceanici - Focus.it

Comunione spirituale - Vatican NewsL’endorsement degli Obama a Harris: sarai una fantastica presidente - Vatican News

Intelligenza Artificiale e finanza: applicazioni e cybersecurity - AI newsLa cantante irlandese Sinéad O'Connor morì per una malattia cronica polmonare, secondo il certificato di morte - Il Post

Primo discorso di Biden: "È venuta l'ora di guarire gli Stati Uniti"Che cos’era il gulag di Nazino, noto anche come l’isola dei cannibali? - Focus.it