Disturbi apprendimento, psicologa: "Più diagnosi ma ancora tanto sommerso" - Tiscali Notizie

L’ascesa di un divo riluttante. Il banale dominio di Nikola JokićMigranti, videomessaggio di Giorgia Meloni: "Per fermare gli arrivi una missione Ue"Nuova posizione pediatri su rischi creme solari, Iss prende le distanze - Tiscali Notizie

Il capolavoro del ct Quesada. Come raddrizzare l’Italia del rugby in quattro mesiProbabilmente 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”.

Nucleare: chi ci è uscito e chi vorrebbe rientrarci. Le vecchie sirene dell’atomo cantano ora in Italia - Tiscali NotizieNapolitano, bandiera mezz'asta e funerali di Stato per l'ex presidente della Repubblica

Il “Jobs Act” e i 4 referendum lanciati dalla Cgil: «Per il lavoro ci metto la firma» - Tiscali Notizie

Medicina, 10 infezioni corneali al giorno, trapianto parziale precoce salva l'occhio - Tiscali Notizie«Mio padre non mi parla più. Volevo usare la mia storia per interrogare i vuoti di tutti»

Estate: creme solari pericolose? I medici anti-fake news bocciano i 'no-cream' - Tiscali Notizie10/ Visti da vicino. «I velluti del Teatro di Bologna divennero campo di battaglia e vinse Ugo La Malfa» - Tiscali Notizie

Festival di Sanremo, vince Angelina Mango. Ecco la classifica completa (e gli altri premi)Amare e restare nell’ombra: l’amore assoluto di una bidella e un professore