Civile.it
Civile.it
I modelli linguistici "larghi" sono modelli linguistici basati su reti neurali che categorizzano in milioni di modi, individuati dalle macchine stesse, i dati grezzi che ricevono.
Non si tratta solo di avere big data. Si tratta di avere strumenti di apprendimento che individuano milioni di criteri che comparano tra di loro velocemente, per dare il senso che le macchine attribuiscono ai dati grezzi sulla base di operazioni statistiche, ma contestualizzate.
Ogni categorizzazione è infatti legata al contesto in cui è categorizzata, e il contesto stesso aiuta la categorizzazione. Entrambi sono individuati dalle macchine che poi vengono instruite per cercare di descrivere la categorizzazione agli umani, senza capirne il senso, ma solo osservando che vi è un senso, secondo gli umani.
ChatGPT4 è talmente brava ad individuare le sfumature nei dati grezzi che sembra essere in grado di capire nessi di causalità e richieste teleologiche degli interventi umani durante le conversazioni.
Le risposte sono sempre più legate ad un apparente nesso di causalità e di finalità. Per molti questo sembra derivare da un bias durante l'apprendimento rinforzato con il contributo di molti esseri umani.
Per me la ricerca di cause e fini è insita in ogni documento umano. Tutti cerchiamo di capire le cause, le soluzioni e prevedere il futuro.
Altrimenti vivremmo solo di presente senza speranze.
L'elaborazione dei dati grezzi per generare dati sintetici (anonimizzati senza poter tornare indietro) è anche uno dei grandi temi di confronto privacy. Il mancato consenso sulla raccolta dei dati grezzi, così come fanno i motori di ricerca, si trasferisce sull'utilizzo dei modelli anonimizzati ?
In Minority Report la ricerca di senso è individuata per maggioranza, ad indice che le macchine spesso rispondono con sensi diversi, perchè statisticamente scelgono altre vie plausibili. Ecco gli errori di fatto: sono strumento non per restituire dati di fatto, ma elaborazioni. Se chiediamo loro di sommare numeri, probabilmente ci possono raccontare che 2+2=5 o dare altre informazioni sbagliate, ma statisticamente correlate in modo per adeguato per la macchina.
Dobbiamo anche sapere noi come interrogarle. Senza associare il dato grezzo al dato sintetico e al suo output.
Il tema è aperto, e ne parleremo ancora.
