Consob, la gaffe di Savona su PlatoneInps, a giugno scatta il taglio delle pensioni d'oroMillenials: il cuore della pubblicità nativa
FMI taglia le stime del PIL dell'Italia per il 2020Probabilmente 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),analisi tecnica 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”.
Stazione di Lagonegro, ferrovia del Sud chiusa nel 1987Manovra, tensioni nella maggioranza
Germania, rischio recessione: l'allarme di Bundesbank
Fca presenta la proposta di fusione con RenaultEnergia elettrica, consumi in diminuzione: cresce il rinnovabile
Conte sul Pil: "Previsioni ingenerose"Carte di pagamento, impossibile ridurre i costi di commissione
Alitalia, situazione in sospeso: il Mef rinviaIstat: sale la fiducia di consumatori e imprese a maggio
Tria: "La procedura d'infrazione Ue va evitata"Huawei, arresto Meng Wanzhou: crollano borse Ue e UsaReddito di cittadinanza: pubblicati i moduli per la richiestaProcedura di infrazione, Ue: "Possibili soluzioni"
Modello 730 del 2019, le novità: ritorna il bonus trasporti
Ex Ilva, è scontro sugli esuberi: "Parole senza senso"
Alitalia, termine prorogato di un meseIstat, crolla la produzione industriale: -5,5% a dicembreLa chiave del successo nel Mercato ForexRegali incartati con carta di giornale per salvare il pianeta
Imu e Tasi, ancora pochi giorni per saldare la prima rataUe pronta a chiedere chiarimenti sul debito all'ItaliaReddito di cittadinanza: la stretta sul divorzioManovra, stop all'aumento dell'Iva ma nuove tasse in arrivo