Donna trovata morta nel bagno del centro commerciale: era deceduta da 4 giorni

Punto 20mila volte da uno sciame di api mentre aiuta l'amico a tagliare un alberoA novembre l'Ue deciderà sul caso Ungheria e sul taglio ai fondiSi accorge che il bimbo è prematuro durante il cesareo e ricuce il pancione: donna in fin di vita

Regina Elisabetta, Harry non può indossare l'uniforme militare e rompe il silenzioProbabilmente 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),analisi tecnica 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”.

Atterraggio d’emergenza su un’isola per un volo con italiani a bordoTerremoto Georgia del Sud e Isole Sandwich Australi: scossa di magnitudo 6 a Grytviken

Vaccino Covid, arriva il via libera di Fda per dosi booster aggiornate contro Omicron

Putin parla alla nazione ed annuncia la mobilitazione della RussiaUcraina, rischio diffusione sostanze radioattive nella centrale di Zaporizhzhia

Dopo 5 giorni Jill Biden è negativa al CovidNotizie di Esteri in tempo reale - Pag. 376

Regno Unito, Meghan Markle e Carlo hanno fatto pace? Tutti gli indiziSparatoria dopo una rissa in una scuola di Philadelphia: morto un ragazzo di 14 anni