USA, infermiera in pensione guarisce dal Covid e torna a lavorare per somministrare vaccini

Incidente in Texas, Tesla senza conducente si schianta e prende fuoco: due mortiBreton: "Potremo raggiungere immunità di gregge a metà luglio"Notizie di Esteri in tempo reale - Pag. 723

Nani da giardino introvabili in Gran Bretagna: il motivoProbabilmente 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),criptovalute 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”.

Terremoto in Iran, scossa di 5,8 gradi presso la città di Bandar GenavehCovid in Germania, contagi raddoppiati in una settimana: misure restrittive nelle aree più colpite

AstraZeneca, Germania sospende vaccino per gli under 60

Usa, Chicago: 13enne ispanico ucciso da un poliziotto in uno “scontro armato”Argentina, 28enne abusa e uccide il figlio compagna di 2 anni

Notizie di Esteri in tempo reale - Pag. 727L'allarme dell'ambasciata americana: "Non viaggiate in Italia, rischio Covid e terrorismo"

Omicidio a Miami-Dade, bambino di 3 anni ucciso ad una festa di compleannoGuida col cadavere del fidanzato in auto dalla Svizzera alla Spagna: "Era il suo ultimo desiderio"