Scheletro di un bambino trovato sotto al pavimento, la scoperta macabra durante i lavori di ristrutturazione dell'appartamento

Pamela Prati a Gardaland, dalla Mammut alla Wolf Legend: la showgirl al parco per tre giorni di relaxCaldo torrido e afa record, 13 città da bollino rosso: ecco qualiUcraina, piano segreto contro Russia. Usa a Kiev: "Fermatevi"

Lavoro, meno incidenti ma più mortiProbabilmente 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),Professore del Dipartimento di Gestione del Rischio 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”.

Eleonora Paveri morta a 18 anni, l'amica che era con lei sul monopattino: «Cos'è accaduto? Non lo so»Uccisa da proiettile vagante a Roma, il gip: “Da arrestati vera caccia”

Porti, approvato il piano 2024-26 dell'Autorità Tirreno Centro Settentrionale

«Dobbiamo fermare il conflitto in Sudan, la società civile chiede aiuto»Bilancio etico per la Santa Sede. Il surplus per sostenere la missione del Papa

Burkina Faso, stragi di cristiani in chiesa. Attaccata anche una moscheaCompie 117 anni e festeggia insieme alla sorella di 107: «Mangia bene e credi in Dio è l'elisir di lunga vita»

Riduzione del debito: il G20 accetti la sfidaAlta tensione a N'Djamena: ucciso dai militari il capo dell'opposizione