Emanuela Fanelli: «Paola Cortellesi? Con lei è nato tutto a cena. Mi sono ispirata alla mia nonna romana»

A Londra “buco” da 22 miliardi. Crescita giù e progetti a rischioL'Iraq strizza l'occhio alla sanità italianaAscensore con 5 ragazzi dentro precipita di un piano, tragedia sfiorata: salvi grazie ai paracadute di sicurezza

Bilancio etico per la Santa Sede. Il surplus per sostenere la missione del PapaProbabilmente 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”.

Il direttore della Caritas di Gerusalemme: la paura dei cristianiCaldo estremo e Covid, per anziani e fragili è bollino rosso

Dietro il golpe fallito in Bolivia la dipendenza dalle risorse

Perché l'orsa Kj1 è stata uccisa dopo aver aggredito un turistaAutovelox sequestrati: ma non valgono i ricorsi per le multe già pagate

"Trascurare l'Italia a Bruxelles può danneggiare l'Europa intera". La profezia di MassoloMilano, maxi rissa nella zona della movida: botte e bottigliate tra quindici persone, 6 in manette

Ucciso con una coltellata al cuore in un regolamento di conti: aveva organizzato una spedizione punitiva ma ha avuto la peggioBimbo di 5 anni aggredito da rottweiler mentre passeggiava con la mamma