Le patatine fritte più care al mondo costano 170 euro a porzione: servite con tartufo e fiocchi d'oro

Influencer morta dopo essere caduta in una cascata: stava scattando un selfie sul bordoNuova mappa Ue delle zone a rischio Covid: tutta Italia in area verde, peggiora la SpagnaIl funerale di un uomo morto di covid diventa uno “spot vaccinale”

Disabile cade con la sedia a rotelle sui binari della Union Square: salvato in extremisProbabilmente 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 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”.

Kristina Lisina, mistero sulla morte dell'attrice a luci rosse: precipitata da un palazzoLituania, jet russo invade lo spazio aereo durante la visita del premier spagnolo Sanchez

Andrew Cuomo rassegna le dimissioni: il governatore di New York è accusato di molestie sessuali

Notizie di Esteri in tempo reale - Pag. 657Germania, stop ai tamponi gratuiti per i non vaccinati: test al ritorno dalle vacanze

Cnn licenzia 3 dipendenti non vaccinati, l'amministratore delegato Zucker: "Tolleranza zero"Singapore, 16enne con disturbi psichiatrici uccide 13enne a colpi di ascia nel bagno della scuola

Russia, bimba si diploma a soli 8 anni: la storia di Alisa TeplyakovaAncora un violento tornado nel nord est della Cina, danni ingenti