Critical

Critical

314 bookmarks
Newest
Effetto Eliza: come interagiamo con le macchine parlanti?
Effetto Eliza: come interagiamo con le macchine parlanti?
Può iniziare spiegando le principali tappe della storia dell’intelligenza artificiale e delle “macchine parlanti”?   Il sogno di creare macchine che ci parlino in linguaggio naturale risale a molto tempo fa. Al 1966 data la prima realizzazione tecnica. A Boston, presso il MIT (Massachusetts Institute of Technology), il professor Joseph Weizenbaum (1923-2008) costruì una macchina che oggi riterremmo molto semplice, a cui diede il nome di “Eliza”. Poteva fare solo una cosa: prendere una frase e capovolgerla. Funzionava un po’ come uno psicologo rogersiano, cioè come qualcuno che fa finta di non sapere nulla. Lo stesso Weizenbaum non si aspettava molto dalla sua macchina ma, con sua grande sorpresa, si rese conto che aveva sulle persone un effetto reale, che da allora è stato chiamato “effetto Eliza”. Questo è il potere del linguaggio: la macchina parlante, per quanto sia semplice, ha già un effetto sull’utente, anche se sa benissimo che si tratta di una macchina. Con la rivoluzione del 2017, detta “dei transformers”, le macchine sono infinitamente più sofisticate di Eliza e l’effetto è notevolmente amplificato. L’apprendimento consiste in due fasi: da un lato, la macchina “gioca a nascondino” da sola, cioè sottrae una parola e cerca di indovinarla. Ad esempio, nasconde a se stessa la parola “leone” e fa un’ipotesi probabilistica per individuare la parola mancante, stimando con il 60% di probabilità che sia “leone”, con il 40% “tigre”, con il 10% “pantera”, ecc. Poi mostra a se stessa la parola e aggiorna i suoi parametri, facendo questo esercizio miliardi di volte. Si chiama apprendimento per auto-supervisione. Ma l’altra fase è essenziale. Invece delle parole, la macchina scompone il linguaggio in pezzi più piccoli, chiamati token. In linguaggio umano, la maggior parte dei token non ha senso: sono solo assemblaggi di due, tre o quattro lettere, e a volte anche due lettere di una parola attaccate alle due lettere della parola successiva. Per esempio, dopo una “q” c’è sempre una “u”: quindi “qu” forma un token. Il meccanismo non considera la sequenza delle parole ma, quando sottrae un token, cerca di indovinarlo guardando tutti gli altri token, e poi l’intero testo: cinque righe in alto, dieci righe in basso, ecc. L’interazione di ogni token con gli altri è puramente numerica. Inoltre, non è lineare. Questa è l’idea rivoluzionaria che ha reso finalmente possibile la padronanza del linguaggio attraverso le reti neurali. [Continua]       Ti interessa continuare a leggere questo articolo? Se sei abbonato inserisci le tue credenziali oppure  abbonati per sostenere Aggiornamenti Sociali
Effetto Eliza
·aggiornamentisociali.it·
Effetto Eliza: come interagiamo con le macchine parlanti?
Nove secondi netti. Tanto è bastato a un’intelligenza artificiale di ultima generazione per polverizzare cinque anni di database e backup, lasciando migliaia di clienti a piedi e trasformando un tranquillo sabato mattina in un’apocalisse digitale. https://t.co/kcF36JbE8A
Nove secondi netti. Tanto è bastato a un’intelligenza artificiale di ultima generazione per polverizzare cinque anni di database e backup, lasciando migliaia di clienti a piedi e trasformando un tranquillo sabato mattina in un’apocalisse digitale. https://t.co/kcF36JbE8A
Aziende VS AIAziende VS AI
·x.com·
Nove secondi netti. Tanto è bastato a un’intelligenza artificiale di ultima generazione per polverizzare cinque anni di database e backup, lasciando migliaia di clienti a piedi e trasformando un tranquillo sabato mattina in un’apocalisse digitale. https://t.co/kcF36JbE8A
🦔 An AI-powered identity verification service called IDMerit left 1 billion records exposed in an unsecured database, including national IDs, full names, addresses, phone numbers, and emails from 26 countries. The US was hit hardest with 203 million records. Separately, an
🦔 An AI-powered identity verification service called IDMerit left 1 billion records exposed in an unsecured database, including national IDs, full names, addresses, phone numbers, and emails from 26 countries. The US was hit hardest with 203 million records. Separately, an
Aziende VS AIAziende VS AI
·x.com·
🦔 An AI-powered identity verification service called IDMerit left 1 billion records exposed in an unsecured database, including national IDs, full names, addresses, phone numbers, and emails from 26 countries. The US was hit hardest with 203 million records. Separately, an
Il Sole 24 ORE
Il Sole 24 ORE
Meta sta installando un nuovo software di tracciamento sui computer dei dipendenti negli Stati Uniti per acquisire i movimenti del mouse, i clic e i ...
Impatto socialeImpatto sociale
·ilsole24ore.com·
Il Sole 24 ORE
Il Sole 24 ORE
Il Sole 24 ORE
Meta sta installando un nuovo software di tracciamento sui computer dei dipendenti negli Stati Uniti per acquisire i movimenti del mouse, i clic e i ...
·ilsole24ore.com·
Il Sole 24 ORE
Cancella anni di dati e backup in pochi secondi, Ai confessa: "Ho tirato a indovinare"
Cancella anni di dati e backup in pochi secondi, Ai confessa: "Ho tirato a indovinare"
Il colpevole (artificiale) è invece un agente Ai basato sul modello Claude Opus 4.6 di Anthropic, operante tramite la piattaforma di coding Cursor. Non parliamo di un prototipo amatoriale, ma del modello più avanzato e costoso sul mercato.
·prometeo.adnkronos.com·
Cancella anni di dati e backup in pochi secondi, Ai confessa: "Ho tirato a indovinare"
This is wild.
This is wild.
143 million people thought they were catching Pokémon. They were actually building one of the largest real-world visual datasets in AI history. Niantic just disclosed that photos and AR scans collected through Pokémon Go have produced a dataset of over 30 billion
the dark sidethe dark side
·x.com·
This is wild.