Giappone, treno ritarda di un minuto mentre il macchinista è in bagno: aperta un'inchiesta

Kashe Quest, la bambina prodigio con un Q.I. di 146 a 2 anni è stata ammessa al Mensa InternationalCovid Usa, Governo del West Virginia organizza una lotteria per i vaccinati: anche armi in palioGreen pass europeo dal 1 luglio, via libera definitivo dal Parlamento Ue: come funziona

Morta Eliza, la piccola tiktoker che lottava contro il cancroProbabilmente 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”.

Variante Delta, lockdown in quattro aree centrali di Sydney: "Uscite solo per necessità"Città vaccinata con il cinese Sinovac, l’esperimento a Serrana, in Brasile

Florida, tenta di rapire una bambina di 11 anni alla fermata del bus: arrestato un uomo

Negli Usa un bimbo di 10 anni muore annegato per salvare la sorellaCovid, quali sono i motivi che hanno portato l'India alla crisi sanitaria?

Fidanzati litigano sul balcone, la ringhiera si sfonda e cadono sul marciapiede: feriti gravementeEl Salvador, rinvenuta una fossa comune con dozzine di corpi nell'abitazione di un ex poliziotto

Grecia, bonus da 150 euro a tutti gli under 26 che si vaccinano contro il CovidCovid India, nonni si uccidono per paura di trasmettere il virus al nipote che vive con loro