Caro bollette, l'iniziativa di una focacceria a La Spezia: "Si cuoce gratis causa crisi energetica"

Prende a calci e pugni lo zio davanti ai carabinieri, poi impugna una spranga per ucciderloCosa successe il 16 ottobre 1943: la triste ricorrenza della deportazione degli ebreiRagazzo investito e ucciso dal treno tra Cagliari e Oristano: trascinato per 50 metri

Incidente tra una betoniera, un furgone e una bici: due morti, grave 12enneProbabilmente 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),trading a breve termine 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”.

Torino, collettivo universitario di estrema destra contro schwa e genderAuto esce di strada e finisce nel canale: morte due colleghe, grave una terza

Salerno, incendio nell'ospedale Scarlato di Scafati: ricoverati evacuati

Recensioni false, Amazon deposita in Italia la sua prima denuncia penale a chi le scriveCaro energia, proteste nelle piazze italiane. Bollette bruciate e un appello: "Fermate la guerra"

Tre pizze per 1.000 euro: il bel gesto di un cliente di PizzAutContromano in tangenziale a Lecce: 90enne alla guida provoca incidente ma resta illesa

Rider morto durante una consegna licenziato da Glovo dopo il decessoNotizie di Cronaca in tempo reale - Pag. 739