«Il nostro cervello ha un dizionario dei sinonimi e contrari». Ecco come funziona

Al regista Paul Schrader Premio alla Carriera al Lucca Film FestivalIl comune di Corbetta vince il premio europeo per l'inclusioneCharlotte è regina di tendenza come mamma Kate: il vestito indossato al concerto di Taylor Swift è introvabile. Pochi euro per comprarlo

Paul Ricoeur: «La tolleranza non è indifferenza»Probabilmente 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),MACD 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”.

Diodato pigliatutto: a lui il premio speciale alla carriera del MEICaporalato, crescono i casi al Nord. Anche minorenni tra gli "schiavi"

Lufthansa, utile gruppo quasi dimezzato nel primo semestre

Vittorio Gallese: «L'essere umano è corpo in movimento»Il mondo oltre il carcere. Percorsi alternativi per 133mila persone

«Cinque euro per l'inferno»: le accuse ai caporali di Borgo MezzanoneNel mondo dei social il quotidiano deve sempre essere “straordinario”

AAA cercasi medici libero professionisti - ilBustese.itRai, Fi-Fdi contro autore Affari Tuoi: inaccettabile post su Meloni