Cina, incidente stradale: 17 morti e 22 feriti

Spara e uccide per sbaglio un 11enne: tragedia a DallasHa un malore in diretta tv: spavento per la giornalistaLa Cina respinge le accuse: "Noi sempre trasparenti sui dati Covid"

Noma, chiude il ristorante più famoso del mondoProbabilmente 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),Professore per gli Investimenti Istituzionali e Individuali di 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”.

Indonesia, terremoto di magnitudo 7.7 in mare: è pericolo tsunamiTurchia, modella di OnlyFans rischia il carcere per contenuti osceni: in tribunale in minigonna

Raggiunto accordo sul mercato del carbonio e sul clima in Europa

Regno Unito, madre e figlia vengono investite da un'auto in corsa: la piccola aveva solo 4 anniSparatoria in Florida, morti e feriti durante le riprese del videoclip del rapper French Montana

Putin invita la Cina a collaborare "per un ordine mondiale equo"Assalto alla festa di matrimonio per la musica troppo alta: sposa rischia di perdere un occhio

Nave da crociera fermata da lumache di mare e alghe: in centinaia bloccati da una settimanaScontri in Perù: bilancio sale a 22 morti, paura per 4 italiane