Pale di San Martino, escursionista americana cade da 25 metri: l'incidente è mortale

Usa, convention Gop: mostrato video delle cadute di Biden sui maxischermiTerremoto in Cile: scossa di magnitudo 7.4 nel Nord del PaeseIncidente mortale sull'autostrada A22: turista austriaca perde la vita a 24 anni

Roma, in ospedale con le gambe gonfie ma viene dimessa: muore il giorno dopoProbabilmente 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 Stratega di BlackRock Guglielmo 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”.

Gorizia, rivolta in carcere: 10 feritiGuerra in Ucraina, Kiev attacca Belgorod: 4 morti e 20 feriti

Brembate: donna e due bambini investiti mentre attraversano la strada

9 cose da non collegare mai a una ciabatta elettrica: consigli utiliMaltempo in Lombardia: frana a Livigno blocca il collegamento con la Svizzera, automobilisti sotto le macerie per ore

Schlein sull'autonomia: "Riforma che spacca un Paese"Autobomba esplode in un parcheggio a nord di Mosca: due feriti

Incidente in galleria ad Acquasanta Terme, tra i feriti anche minorenniIl senatore democratico Peter Welch chiede a Biden di ritirarsi