Utah, maxi tamponamento tra 20 mezzi in autostrada durante una tempesta di sabbia: 7 morti

Usa, il vescovo Jeffrey Burrill si dimette dopo essere stato rintracciato su GrindrPrima di morire pubblicò la sua ultima foto su InstagramFulmine colpisce una barca dove era in corso una festa di matrimonio: 17 morti e 14 feriti

Germania, forte esplosione in un impianto chimico a Leverkusen: grande nube neraProbabilmente 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”.

Olanda, morto Peter De Vries: il giornalista investigativo era stato ferito in un agguatoFa delle visite per la tosse e le viene diagnosticata la destrocardia: il cuore dalla parte "sbagliata"

Russia, bimba si diploma a soli 8 anni: la storia di Alisa Teplyakova

Regno Unito, annunciato progetto di accoglienza per 20mila migranti afganiCovid, migliaia di persone protestano contro il lockdown in Australia: diversi gli arresti

Ibiza, morso da un ragno perde tre dita: "Ho sentito solo una piccola puntura"Ha paura degli effetti collaterali e rifiuta il vaccino ma muore

Giappone, frana a sud di Tokyo: almeno 19 dispersi e diverse case distrutteNotizie di Esteri in tempo reale - Pag. 674