La Corea del Nord ha lanciato un ennesimo missile, forse balistico

Zelensky apre ad un accordo di pace con la Russia ma non fa accenno alla CrimeaSalvador Ramos, chi è il killer della sparatoria in Texas che ha ucciso 19 bambiniTerremoto a nord dell'Islanda: scossa di magnitudo 5.4 con epicentro in mare

Putin invia un telegramma al capo della Repubblica di Donetsk: "Fiducioso nella vittoria"Probabilmente 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 Italia 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”.

Come funziona la superbomba americana Quicksink?Filippine, incendio su un traghetto: 7 morti

Morto a 27 anni in Inghilterra: è stato investito da un’auto della polizia non contrassegnata

Identificati i “mostri di Motyzhyn”, i peggiori macellai di PutinAborto in Oklahoma, approvata la legge che lo vieta dal momento del concepimento

Sparatoria in Texas, rispondere alle armi con le armi tra le mura di una scuola è un'insensata escalation di violenzaAllarme dell’Onu: “Riaprire i porti ucraini o rischio carestia mondiale”

Un piano Ue per pagare il gas russo senza violare le sanzioniSpagna, 24enne annega nel fiume mentre cerca di salvare il suo cane