Regno Unito, pallone galleggiante viene portato via dal vento: bimbo di nove anni ferito

Guerra Ucraina Russia, Putin apre al dialogo per la pace ma Zelensky vuole vincere il conflittoGiappone, due meloni battuti all'asta per 23 mila euroNotizie di Esteri in tempo reale - Pag. 238

USA, donna precipita dal decimo piano di una nave da crociera: salvata dalla Guardia CostieraProbabilmente 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),MACD 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”.

È morto Unabomber, tra i più prolifici serial killer degli Usa: aveva 81 anniPoliziotto si aggrappa all’auto di un sospetto durante un inseguimento: il video

USA, sparatoria con case in fiamme: 6 morti, di cui 2 bambini

Trump sulle accuse federali a suo carico: "È un malvagio abuso di potere"Islam, pellegrinaggio alla Mecca: parteciperanno più di due milioni di musulmani

L'orso entra nella pasticceria e mangia i cupcakes, paura in ConnecticutUcraina, attentato al ministro dell’Interno filorusso Igor Kornet

Guerra in Ucraina, Prigozhin contro il Capo di Stato maggiore russo Gerasimov: "Una m***a al comando"Putin era scappato da Mosca durante il sollevamento di Wagner? Il mistero dell'aereo sparito dai radar