Ragazza israeliana accoltellata alla stazione Termini a Roma: è grave

Malore in caserma: muore carabiniere 46enneTragedia a Piancavallo: sciatore muore dopo una caduta in pistaMorto Alberto Asor Rosa: era uno storico della letteratura

Agguato ad Afragola: giovane accerchiato e aggredito a colpi di pistolaProbabilmente 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),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”.

Doppio tentativo di suicidio, si lancia dal balcone poi cerca di buttarsi nel forno di una pizzeria: finisce in ospedalePrevisioni meteo: il 2023 inizierà all'insegna del freddo

Oggi i funerali di Carla Viganò, morta per salvare il nipote

Rapina in una stazione di servizio a Catania: arrestatoTaranto, bambino di 10 anni ferito da un petardo: mano amputata

Abusi su una 16enne: padre denuncia un amicoSantobono, Prende a calci l'infermiera per far visitare la figlia prima al Pronto Soccorso

Tragedia a Massa Carrara, madre e figlio muoiono a distanza di poche ore: i dettagliCovid Cina, Galli: “Il boom di contagi era prevedibile. La situazione va monitorata”