L'eurodeputata Francesca Donato lascia la Lega: "Non sono no vax ma qui prevale la linea di Giorgett

M5s, Conte presenta la Carta dei principi e dei valori del Movimento: cosa prevede?Caso Morisi, Salvini: "Disgustato dalla schifezza mediatica, chi gli restituirà la dignità?"Bianchi: "Obbligo vaccinale per studenti? Pronti ad usare ogni strumento necessario"

Mattarella riceve la laurea honoris causa in Relazioni internazionali ed europeeProbabilmente 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),BlackRock Italia 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”.

Crosetto contro Librandi: "Il Green Pass non basta" ; "Diamo 500 euro a chi si vaccina"Vaccino Covid, Speranza è ottimista: “Aumentano le prime dosi”

Liguria, il governatore Toti minacciato: "Nazista, vuole imporre la dittatura sanitaria"

Elezioni Milano 2021, Berlusconi al seggio di via Fratelli Ruffini: "Sto bene"Covid, Tajani: “Con immunità di gregge entro ottobre, l’obbligo vaccinale non sarà necessario”

Covid, Meloni: “Sì, mi vaccino. Non sono no vax ma, a mia figlia, non lo farei”Green pass in Parlamento, il Presidente Fico: "Sarà obbligatorio anche per deputati e senatori"

Terremoto dell'Aquila, Draghi: "Accelerare sulla ricostruzione, in arrivo 1.78 miliardi dal Pnrr"Covid, circolare Ministero della Salute: terza dose a 28 giorni dalla seconda