Uomo abusa di una bambina di 9 anni, la madre si fa dare 600 euro per tacere: indagata

Dà fuoco alla compagna mentre dorme dopo un litigio: arrestato 38enne ad ArezzoCompra un gratta e vinci per cambiare i soldi per il parcheggio e scopre di aver vinto 500mila euroCoronavirus, bilancio del 2 ottobre 2022: 28.509 casi e 20 morti

Sparatoria in un'azienda in provincia di Cremona: titolare ucciso a colpi di fucileProbabilmente 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),Capo Analista di BlackRock 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”.

Dramma in Questura a Verona: poliziotta si uccide con la pistola d'ordinanzaInsulti sessisti contro Samantha Cristoforetti: "Pagliaccio, una donna non si presenta così"

Ritrovamento Mattia, il dolore del padre: "Mi sento come una statua di cristallo"

Covid, Pregliasco: “90mila contagi al giorno entro novembre, era una risalita attesa”Sciopero aerei 1 ottobre 2022: gli orari, i voli cancellati e quelli garantiti

Coronavirus, bilancio del 29 settembre 2022: 37.522 nuovi casi e 30 morti in piùPartorisce in casa, ma non sapeva di essere incinta: morta la bimba. La donna è grave

Coronavirus, bilancio del 29 settembre 2022: 37.522 nuovi casi e 30 morti in piùFerrara, dipendenti e clienti di una banca legati durante rapina: banditi scappati