Huw Edwards, ex presentatore Bbc ha ammesso di avere foto indecenti di bambini

«Multa da 50 euro perché ero a petto nudo in strada appena andato via dalla spiaggia. Così allontanano i turisti, i problemi sono altri»Un inedito di Paolo VI sulle donne e Maria: il testo autografoVenezuela, arrestato leader opposizione. Maduro ordina espulsione diplomatici di 7 Paesi: cosa succede

Parigi 2024, Malagò contro gli arbitri di scherma e Macchi li assolveProbabilmente 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 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”.

«Sport come un farmaco», l'attività fisica potrà essere detratta dal 730: basterà una prescrizione medica e un check-upChi era Ismail Haniyeh, il leader pragmatico di Hamas

Covid, maxi-studio rivela: meno infarti e ictus dopo vaccinazione

Russia, ecco i nuovi aiuti di Kim a Putin per la guerra in UcrainaFlavio Briatore ancora contro la Puglia: a Pomeriggio 5 la risposta del sindaco di Gallipoli dopo le critiche ai balneari

Mollicone rilancia: Le sentenze hanno riscritto la storiaParigi 2024, quattro di coppia medaglia d'argento

Parigi 2024, Italia da applausi: 3 medaglie per la storiaFra cielo e mare, il Monastero di Santa Chiara a Imperia