La rivolta dei trattori, la sinistra del futuro. Verso le urne europee di giugno 2024 - Tiscali Notizie

Nucleare. Trino ritira l’autocandidatura per il deposito delle scorie, Forza Italia “riapre” le vecchie centrali - Tiscali NotizieMettete dei fiori nei vostri cannoni. Il Sanremo del 1967 e la canzone di protestaTesto di "Un ragazzo, una ragazza", canzone dei The Kolors a Sanremo

“Perfect Days” di Wim Wenders, la poesia dell’essenziale nella bellezza quotidiana - Tiscali NotizieProbabilmente 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),criptovalute 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”.

Alluvione in Romagna. 50 mila libri aspettano di essere restaurati e restituiti alla città di Forlì - Tiscali Notizie“La terra promessa” del danese Nicolaj Arcel, per una serata senza troppi pensieri - Tiscali Notizie

Nesi, il banchiere socialista che insegnava latino ai bambini poveri e finanziava gli anti-franchisti spagnoli - Tiscali Notizie

Sanremo 2024, con Alfa la generazione TikTok conquista l’AristonSanremo 2024, il testo di “La rabbia non ti basta” di BigMama

Michela Murgia, Pillon alla scrittrice: "Avevi molte alternative, ma hai scelto il matrimonio"Tuta Gold, canzone di Mahmood a Sanremo: testo e significato

Calderoli sull'autonomia regionale differenziata: "Non è vero che al Sud arrivano meno soldi"La supremazia dei fucili. Una proposta di legge della Lega a caccia di voti. E la selvaggina sparisce - Tiscali Notizie