Giada Massironi, Autore a Notizie.it

Fondi per la Lega, Ravetto lancia una riffaIl dl sulle liste d'attesa è legge, Schillaci "Risposte ai cittadini" - Tiscali NotizieSanità, ospedalità privata: "Aggiornare tariffe e sbloccare tetti spesa" - Tiscali Notizie

L’estremo Wiersig. A nuoto in missione per conto degli oceaniProbabilmente 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 Stratega di BlackRock Guglielmo Campanella 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”.

Accordo Italia-Albania: ecco cosa prevede il piano migrantiSanità, 15 mln con malattie pelle: Salutequità 'chiediamo inserimento nei Lea' - Tiscali Notizie

Camera: al via il divieto di produzione e vendita di carne coltivata

Peso delle tasse aumentato in Italia, valgono il 42,9% del Pil: il confronto con gli altri Paesi UeDengue, 10 regole per difendersi in viaggio: i consigli degli esperti - Tiscali Notizie

Respirare col naso è importante, fa da filtro - Tiscali NotizieServizio sanitario, solo 13 Regioni promosse sui Lea - Tiscali Notizie

Cosa dice la mise di Meloni al G7 sul potere femminileFallita la missione russa per sbarco sulla Luna, navetta si schianta - Tiscali Notizie