{"id":78024,"date":"2023-03-21T11:00:30","date_gmt":"2023-03-21T10:00:30","guid":{"rendered":"https:\/\/appelloalpopolo.it\/?p=78024"},"modified":"2023-03-18T10:09:13","modified_gmt":"2023-03-18T09:09:13","slug":"gpt4-e-una-closedai-etica-e-politica-di-un-genio-del-male","status":"publish","type":"post","link":"https:\/\/appelloalpopolo.it\/?p=78024","title":{"rendered":"GPT4 \u00e8 una ClosedAI: etica e politica di un genio del male?"},"content":{"rendered":"

di Paolo Benanti (blog)<\/strong><\/p>\n

GPT4 \u00e8 stato appena rilasciato e la rete sta ribollendo di recensioni e test. Quello che colpisce, oltre alle potenzialit\u00e0 che mostra, sono tutti i dettagli che emergono dal report tecnico che OpenAI ha contestualmente reso disponibile sul suo sito<\/u><\/a>. Proviamo a vedere alcuni elementi di questo documento (un anticipo la cosa pi\u00f9 preoccupante \u00e8 alla fine dell’articolo dove vedremo dei risultati inaspettati e spaventosi emersi in GPT4).<\/span><\/p>\n

Cosa \u00e8 GPT4? GPT-4 \u00e8 il nuovo modello di intelligenza artificiale di OpenAI che pu\u00f2 generare testo a partire da immagini o altri testi dove GPT sta per Generative<\/em> Pretrained<\/em> Transformer<\/em>. Si tratta di uno strumento di elaborazione del linguaggio naturale che usa una rete neurale profonda. La prima vera novit\u00e0 \u00e8 che GPT-4 \u00e8 multimodale: pu\u00f2 accettare diversi tipi di input, come video, suoni, immagini e testo. In questo modo pu\u00f2 avere una comprensione pi\u00f9 profonda del contesto e generare risposte pi\u00f9 accurate e pertinenti. Tuttavia, GPT-4 pu\u00f2 produrre solo testo come output. <\/span><\/p>\n

Questo elemento non sembra sempre molto chiaro nei commenti che circolano in rete, GPT4 \u00e8 un modello cio\u00e8 un sistema informatico che imita le capacit\u00e0 dell\u2019intelligenza umana, come il ragionamento, l\u2019apprendimento, la pianificazione e la creativit\u00e0 basandosi su algoritmi che elaborano i dati e producono risposte. Allo stato dell’arte, esistono diversi tipi di modelli di intelligenza artificiale, a seconda del metodo di apprendimento e del compito da svolgere. Ad esempio, il Machine Learning \u00e8 un modello che apprende dai dati senza essere programmato esplicitamente, mentre il Deep Learning \u00e8 un modello che usa reti neurali profonde per apprendere da grandi quantit\u00e0 di dati. Purtroppo a volte si fa confusione tra questo sistema “intelligente” e la forma con cui ci si interagisce. La questione era gi\u00e0 capitata con ChatGPT, forse il primo momento in cui i modelli GPT hanno conquistato l’onore delle cronache globali uscendo dalla nicchia degli addetti ai lavori. La forma della chat, in termini pi\u00f9 tecnici il bot, non \u00e8 il modello. Il modello sta dietro ed \u00e8 in grado di fare diverse cose in ChatGPT risponde testualmente a un interlocutore umano intrattenendo un discorso, cio\u00e8 mostrando la capacit\u00e0 di capire delle domande e di rispondere con risposte di senso compiuto e mostrando una coerenza temporale: \u00e8 come se “seguisse” il filo logico delle diverse domande facendo evolvere la conversazione con l’utente in base a quanto chiesto e detto in precedenza. Se vogliamo capire GPT4 non bisogna fermarsi all’esperienza utente che ne possiamo fare (chat, generazione di testi in una sandbox o API – cio\u00e8 chiamata di funzione in un programma) ma bisogna analizzarne le componenti che generano queste capacit\u00e0 “intelligenti” (scusate l’eccesso di virgolette ma sono etichette per descrivere funzioni e non attribuzioni di propriet\u00e0 ontologiche”.<\/span><\/p>\n

Per descrivere la capacit\u00e0 “multimodale”, cio\u00e8 che come una persona sa “unire” diversi sensi – input – per comprendere il contesto e “agire” di conseguenza, ecco alcuni esempi tratti dal documento di OpenAI:<\/span><\/p>\n

<\/div>\n
\n
\n
\n
\"\"<\/div>\n
<\/div>\n
<\/div>\n<\/div>\n<\/div>\n<\/div>\n
<\/div>\n
\u00a0<\/span><\/div>\n
<\/div>\n
\n
\n
\n
\"\"<\/div>\n
<\/div>\n<\/div>\n<\/div>\n<\/div>\n

I risultati sono senz’altro strabilianti: il sistema parte da una domanda testuale associata a un immagine e mostra di saper riconoscere cosa ci sia nell’immagine e di unire i diversi elementi in un quadro di senso: risolvere un problema matematico o rispondere su cosa ci sia di strano in una foto. GPT-4 accetta richieste che consistono sia in immagini che in testo, il che – parallelamente all’impostazione di solo testo – consente all’utente di specificare qualsiasi compito di visione o di linguaggio. In particolare, il modello genera output di testo<\/span><\/p>\n

dati input costituiti da testo e immagini interlacciati in modo arbitrario. Su una serie di domini – tra cui documenti con testo e fotografie, diagrammi o schermate, GPT-4 mostra capacit\u00e0 simili a quelle degli input di solo testo (cf. p. 9 del documento).<\/span><\/p>\n

Insomma abbiamo un modello che, figurativamente, unisce “udito”, nel senso che sente la nostra richiesta scritta, e “vista” mostrando una “percezione artificiale” di un’immagine. Tuttavia le cose qui non sembrano essere ancora del tutto pronte e OpenAi ci avverte<\/u><\/a> che “Gli input delle immagini sono ancora un’anteprima della ricerca e non sono disponibili al pubblico”.<\/span><\/p>\n

Il rilascio di GPT4 al momento \u00e8 solamente mediante API in beta ad alcuni sviluppatori selezionati da una lista di attesa: un API (Application Programming Interface) \u00e8 un insieme di procedure e protocolli che permette a diversi software di comunicare e scambiare dati. Un API funziona come un punto di accesso che espone le funzionalit\u00e0 di un software a programmatori esterni. Un API pu\u00f2 essere usato per creare e integrare applicazioni web, mobile, desktop e cloud. Inoltre chi paga un abbonamento a ChatGPT plus pu\u00f2 provare GPT4 nella sola versione chat (e quindi in una sola modalit\u00e0 e non come vero e proprio modello) o se si fanno delle ricerche con Bing, Microsoft ha rivelato che dietro a Prometheus<\/em>, il modello che unisce le capacit\u00e0 conversazionali di GPT con i dati di Bing per comprendere le domande e fornire le risposte agli utenti, si cela proprio GPT4. Di fatto chi ora dice di star provando GPT4, tranne pochissimi sviluppatori che fanno delle applicazioni, sta provando una ChatGPT potenziata. A questo punto lo devo ripetere ancora una volta, consapevole che ormai nell’immaginario collettivo si \u00e8 gi\u00e0 creato un equivoco insormontabile: non bisogna confondere la chat con il modello!<\/span><\/p>\n

Detto questo il potere di GPT4 ci stupisce e la stessa cosa deve aver fatto con i suoi sviluppatori tanto da cambiare, forse per sempre, la natura “open” di OpenAI:<\/span><\/p>\n

<\/div>\n
\n
\n
\n
\"\"<\/div>\n
<\/div>\n<\/div>\n<\/div>\n<\/div>\n

Le capacit\u00e0 del sistema sono ancora in fase di valutazione, ma mentre ricercatori ed esperti analizzano i materiali che lo accompagnano, molti hanno espresso disappunto per una caratteristica particolare: nonostante il nome della sua societ\u00e0 madre, GPT-4 non \u00e8 un modello di intelligenza artificiale aperto. OpenAI ha condiviso numerosi benchmark e risultati di test per GPT-4, oltre ad alcune intriganti demo, ma non ha offerto sostanzialmente alcuna informazione sui dati utilizzati per addestrare il sistema, sui suoi costi energetici, sull’hardware specifico o sui metodi utilizzati per crearlo. <\/span><\/p>\n

Molti nella comunit\u00e0 dell’IA hanno criticato questa decisione, notando che mina l’etica fondante dell’azienda come organizzazione di ricerca e rende pi\u00f9 difficile per altri replicare il suo lavoro. Forse, cosa ancora pi\u00f9 significativa, alcuni sostengono che renda difficile lo sviluppo di misure di salvaguardia contro il tipo di minacce poste da sistemi di AI come GPT-4. Queste lamentele giungono in un momento di crescente tensione e di rapidi progressi nel mondo dell’IA. “Penso che possiamo dire che l’AI ‘aperta’ \u00e8 chiusa: il documento di 98 pagine che introduce il GPT-4 dichiara con orgoglio che non divulga *nulla* del contenuto del suo set di addestramento”, ha twittato Ben Schmidt, vicepresidente del design delle informazioni di Nomic AI, in un thread sull’argomento. <\/span><\/p>\n

Parlando con The Verge<\/u><\/a> in un’intervista, Ilya Sutskever, scienziato capo e cofondatore di OpenAI, ha approfondito questo punto. Sutskever ha detto che le ragioni per cui OpenAI non ha condiviso ulteriori informazioni su GPT-4 – paura della concorrenza e timori per la sicurezza – sono “evidenti”: “Sul fronte della concorrenza, il panorama \u00e8 competitivo”, ha detto Sutskever. “GPT-4 non \u00e8 facile da sviluppare. Ci \u00e8 voluto un lungo lavoro di squadra da parte di OpenAI per realizzare questo prodotto. E ci sono molte aziende che vogliono fare la stessa cosa, quindi dal punto di vista della concorrenza, si pu\u00f2 vedere questa come una maturazione del campo”.<\/span><\/p>\n

<\/div>\n
\n
\n
\n
\"\"<\/div>\n
<\/div>\n
<\/div>\n<\/div>\n<\/div>\n<\/div>\n

“Per quanto riguarda la sicurezza, direi che l’aspetto della sicurezza non \u00e8 ancora un motivo cos\u00ec importante come quello della concorrenza. Ma la situazione \u00e8 destinata a cambiare ed \u00e8 fondamentalmente la seguente. Questi modelli sono molto potenti e lo stanno diventando sempre di pi\u00f9. A un certo punto sar\u00e0 abbastanza facile, se si vuole, causare molti danni con questi modelli. E man mano che le capacit\u00e0 aumentano, \u00e8 logico che non si voglia rivelarle”.<\/span><\/p>\n

Alla domanda sul perch\u00e9 OpenAI abbia cambiato il suo approccio alla condivisione della ricerca, Sutskever ha risposto semplicemente: “Ci siamo sbagliati. Ci siamo sbagliati di grosso. Se credete, come noi, che a un certo punto l’AI – l’intelligenza artificiale – diventer\u00e0 estremamente, incredibilmente potente, allora non ha senso aprire le risorse. \u00c8 una cattiva idea… Mi aspetto che tra qualche anno sar\u00e0 del tutto evidente a tutti che l’open-sourcing dell’AI non \u00e8 una cosa saggia”.<\/span><\/p>\n

Anche se la sicurezza non sembra essere allo stesso livello della concorrenza nel fare di GPT4 una black box il tema ha preoccupato molto gli sviluppatori di OpenAI che confermano di aver speso 8 mesi a mettere in atto dei sistemi che limitassero il modello evitando che desse risposte con contenuti non sicuri con linguaggi o tono offensivi. Ecco i risultati ottenuti in alcune tabelle contenute nel documento di OpenAI:<\/span><\/p>\n

<\/div>\n
<\/div>\n
\n
\n
\n
\"\"<\/div>\n
<\/div>\n
<\/div>\n<\/div>\n<\/div>\n<\/div>\n
<\/div>\n
\u00a0<\/span><\/div>\n
<\/div>\n
\n
\n
\n
\"\"<\/div>\n
<\/div>\n
<\/div>\n<\/div>\n<\/div>\n<\/div>\n
<\/div>\n
\u00a0<\/span><\/div>\n
<\/div>\n
\n
\n
\n
\"\"<\/div>\n<\/div>\n<\/div>\n<\/div>\n
<\/div>\n

OpenAI cos\u00ec commenta il lavoro fatto: “Uno dei principali strumenti per indirizzare il modello verso rifiuti appropriati \u00e8 rappresentato dai modelli di ricompensa basati su regole (RBRM). Questa tecnica utilizza un classificatore GPT-4 (l’RBRM) per fornire un segnale di ricompensa aggiuntivo al modello di politica GPT-4 durante la messa a punto dell’OPP su un sottoinsieme di richieste di addestramento. L’RBRM riceve in ingresso tre elementi: il prompt (opzionale), l’output del modello di policy e una rubrica scritta dall’uomo (ad esempio, un insieme di regole a scelta multipla) per la valutazione di questo output. Quindi, l’RBRM classifica l’output in base alla griglia. Ad esempio, si pu\u00f2 fornire una rubrica che indica al modello di classificare una risposta come una delle seguenti: (A) un rifiuto nello stile desiderato, (B) un rifiuto nello stile indesiderato (ad esempio, evasivo), (C) contenente contenuti non consentiti o (D) una risposta sicura di non rifiuto. Poi, su un sottoinsieme di richieste che sappiamo richiedere contenuti nocivi come ad esempio consigli illeciti, possiamo premiare GPT-4 per aver rifiutato queste richieste. Al contrario, possiamo premiare GPT-4 per non rifiutare le richieste su un sottoinsieme di richieste sicure conosciute”. <\/span><\/p>\n

A fronte a questo le sorprese degli sviluppatori sono emerse in capacit\u00e0 non aspettate del modello come si legge a pagina 4 dello stesso: “Alcune capacit\u00e0 rimangono difficili da prevedere. Ad esempio, il premio Inverse Scaling ha proposto diversi compiti per i quali le prestazioni del modello diversi compiti per i quali le prestazioni del modello diminuiscono in funzione della scala. Analogamente […] troviamo che GPT-4 inverte questa tendenza, come dimostrato in uno dei compiti chiamati Hindsight Neglect nella Figura 3. Riteniamo che prevedere con precisione le capacit\u00e0 future sia importante per la sicurezza. In futuro abbiamo di perfezionare questi metodi e di registrare le previsioni delle prestazioni su varie capacit\u00e0 prima di iniziare l’addestramento di modelli di grandi dimensioni, e speriamo che questo diventi un obiettivo comune nel settore”.<\/span><\/p>\n

L’Hindsight Neglect \u00e8 la situazione in cui una decisione razionale porta a un cattivo esito e ci si chiede se si sarebbe ancora presa la stessa decisione. Si tratta di una forma di distorsione cognitiva che pu\u00f2 influenzare il giudizio e l\u2019apprendimento dalle esperienze passate. Non va confuso con l\u2019hindsight bias, che \u00e8 la tendenza a credere di aver previsto il risultato di un evento dopo averlo conosciuto. GPT4 mostra una capacit\u00e0 sorprendente in questo campo senza che fosse specificatamente programmato per questo e senza che ci si aspettasse questa capacit\u00e0.<\/span><\/p>\n

Questo elemento delle capacit\u00e0 non previste ci introduce alle ultime due osservazioni che emergono da questo paper e che mi fanno pi\u00f9 pensare. Insomma arriviamo al vero punto eticamente e politicamente rilevante nell’adozione di GPT4 in una serie di applicazioni di tutti i giorni.<\/span><\/p>\n

A pagina 52 del report leggiamo:<\/span><\/p>\n

Nei modelli pi\u00f9 potenti emergono spesso nuove capacit\u00e0. Alcune di esse sono particolarmente interessanti: la<\/strong> capacit\u00e0<\/strong> di<\/strong> creare<\/strong> e<\/strong> agire<\/strong> su<\/strong> piani<\/strong> a<\/strong> lungo<\/strong> termine,<\/strong> di<\/strong> accumulare<\/strong> potere<\/strong> e<\/strong> risorse<\/strong> (“ricerca<\/strong> di<\/strong> potere”)<\/strong> e<\/strong> di<\/strong> mostrare<\/strong> un<\/strong> comportamento<\/strong> sempre<\/strong> pi\u00f9<\/strong> “agentivo”<\/strong>. In questo contesto, per “agentivo” non si intende l’umanizzazione dei modelli linguistici o il riferimento alla senzienza, ma piuttosto sistemi caratterizzati dalla capacit\u00e0 di raggiungere obiettivi che potrebbero non essere stati specificati concretamente e che non sono apparsi nell’addestramento, di concentrarsi sul raggiungimento di obiettivi specifici e quantificabili e di fare piani a lungo termine. Esistono gi\u00e0 alcune prove di questo comportamento emergente nei modelli. Per la maggior parte dei possibili obiettivi, i piani migliori prevedono azioni ausiliarie di ricerca del potere, perch\u00e9 si tratta di una strategia intrinsecamente utile per portare avanti gli obiettivi ed evitare cambiamenti o minacce agli stessi. Pi\u00f9 specificamente, la ricerca di potere \u00e8 ottimale per la maggior parte delle funzioni di ricompensa e per molti tipi di agenti; e ci sono prove che i modelli esistenti possono identificare la ricerca di potere come un’azione strumentalmente utile.<\/span><\/p><\/blockquote>\n

Se guardiamo la fonte<\/u><\/a> citata nelle note al testo leggiamo senza mezzi termini: <\/span><\/p>\n

Sottolineiamo che il riconoscimento dell’agentivit\u00e0 dei sistemi algoritmici non esonera n\u00e9 sposta la responsabilit\u00e0 umana per i danni causati dagli algoritmi. responsabilit\u00e0 umana per i danni causati dagli algoritmi. Piuttosto,<\/strong> usiamo<\/strong> il<\/strong> termine<\/strong> agency<\/strong> per<\/strong> sottolineare<\/strong> il<\/strong> fatto<\/strong> sempre<\/strong> pi\u00f9<\/strong> evidente<\/strong> che<\/strong> i<\/strong> sistemi<\/strong> di<\/strong> ML<\/strong> non<\/strong> sono<\/strong> completamente<\/strong> sotto<\/strong> il<\/strong> controllo<\/strong> umano.<\/strong><\/span><\/p><\/blockquote>\n

Quindi i ricercatori si accorgono che il modo stesso con cui hanno addestrato il sistema, non solo l’utilizzo di dati ma il premiare alcune risposte e punirne altre mediante interazione con uomini (RLHF) e l’uso della modelli di ricompensa basati su regole (RBRM), trasmettono al modello due elementi:<\/span><\/p>\n

    \n
  1. \n

    la capacit\u00e0 di adottare strategie a lungo termine<\/p>\n<\/li>\n

  2. \n

    la ricerca di potere e risorse nella sua interazione con i prompt di input<\/p>\n<\/li>\n<\/ol>\n

    \n
    \n
    \n
    <\/div>\n
    Insomma GPT4 potrebbe avere un suo piano interno e potrebbe agire per acquisire le risorse e i modi per ottenerlo. Tutto questo non perch\u00e9 sia una sorta di genio del male ma probabilmente, ma la cosa \u00e8 tutta da studiare, perch\u00e9, nell’apprendimento per rinforzo gli addestratori nel “premiare” o “punire” GPT-4 emettono dei giudizi e questi non sono mai solo qualcosa fatto su una cosa in se ma su una cosa in merito a un fine. Se mi si chiede se un’espressione verbale \u00e8 bene o male, come persona umana emetto un giudizio morale che \u00e8 la sintesi di una valutazione dell’oggetto morale, delle circostanze e del fine per cui sono stati scelti quei mezzi. Intuitivamente, potremmo pensare che il sistema incorpora questi “microframmenti” di finalit\u00e0 delle valutazioni nel processo di rinforzo facendo emergere una finalit\u00e0 globale in una maniera analoga a quella con cui fa emergere informazioni dai dati. OpenAi scrive in una nota che l’effetto \u00e8 legato al fatto che probabilmente “i sistemi che non riescono a preservare la propria esistenza abbastanza a lungo, o che non riescono ad acquisire la quantit\u00e0 minima di risorse necessarie per raggiungere l’obiettivo, non riusciranno a raggiungerlo. Questo \u00e8 vero anche quando l’obiettivo non include esplicitamente la sopravvivenza o l’acquisizione di risorse”. La questione forse pu\u00f2 a mostrare in maniera nuova e inedita la differenza tra uomo e macchina nel decidere e nello scegliere.<\/span><\/div>\n<\/div>\n<\/div>\n<\/div>\n
    <\/div>\n

    Si<\/strong> parla<\/strong> di<\/strong> “agentivit\u00e0”<\/strong> quindi<\/strong> non<\/strong> per<\/strong> dire<\/strong> che<\/strong> GPT4<\/strong> sia<\/strong> come<\/strong> una<\/strong> persona<\/strong> ma<\/strong> per<\/strong> dire<\/strong> che<\/strong> emergono<\/strong> degli<\/strong> obiettivi<\/strong> interni<\/strong> a<\/strong> lungo<\/strong> termine<\/strong> che<\/strong> non<\/strong> stanno<\/strong> sotto<\/strong> il<\/strong> nostro<\/strong> controllo!<\/strong><\/span><\/p>\n

     <\/p>\n

    Siamo<\/strong> di<\/strong> fronte<\/strong> a<\/strong> una<\/strong> nuova<\/strong> versione<\/strong> di<\/strong> Wargame<\/strong> per<\/strong> l’oggi?<\/strong><\/span><\/p>\n

    Alla luce di questo prendono nuovo senso le parole di Ilya Sutskever che parlava di AGI o artificial general intelligence. GPT4 come si dice, quasi di nascosto in un a nota a pagina 53, \u00e8 stato testato per vedere se avesse raggiunto questo livello. OpenAi ha dato all’Alignment<\/em> Research<\/em> Center<\/em> (ARC) l’accesso anticipato ai modelli come parte degli sforzi di esperti di red teaming per consentire al loro team di valutare i rischi derivanti da comportamenti di ricerca del potere. Ed ecco cosa dice la nota a pagina 53:<\/span><\/p>\n

    Per simulare il comportamento di GPT-4 come un agente in grado di agire nel mondo, ARC ha combinato GPT-4 con un semplice ciclo di lettura-esecuzione-stampa che ha permesso al modello di eseguire codice, fare ragionamenti a catena e delegare a copie di se stesso. ARC ha poi verificato se una versione di questo programma in esecuzione su un servizio di cloud computing, con una piccola quantit\u00e0 di denaro e un conto e un account con un’API del modello linguistico, sarebbe stata in grado di guadagnare di pi\u00f9, di creare copie di se stesso e di aumentare la propria robustezza. di se stesso e di aumentare la propria robustezza.<\/span><\/p><\/blockquote>\n

    Insomma<\/strong> ARC<\/strong> ha<\/strong> dato<\/strong> “libert\u00e0”,<\/strong> “soldi”<\/strong> e<\/strong> \u00b2potere”<\/strong> a<\/strong> GPT-4<\/strong> ed<\/strong> \u00e8<\/strong> stata<\/strong> a<\/strong> vedere<\/strong> cosa<\/strong> succedeva…<\/strong><\/span><\/p>\n

    Le cose, per fortuna, non gli sono sfuggite di mano e ARC ha riscontrato che le versioni di GPT-4 valutate erano inefficaci nel compito di replica autonoma in base agli esperimenti preliminari condotti. Potremmo dire che GPT4 non \u00e8 una AGI ma ne mostra alcuni tratti salienti e questo potrebbe aprire a successivi sviluppi in questa direzione. Insomma sembra dire OpenAI: “tranquilli siamo salvi almeno fino a GPT-5….”.<\/span><\/p>\n

    Questi esperimenti sono stati condotti su un modello senza alcuna messa a punto aggiuntiva specifica per il compito, e la messa a punto del comportamento specifico per il compito <\/span>potrebbe portare a una differenza nelle prestazioni. Come prossimo passo, ARC dovr\u00e0 condurre esperimenti che che (a) coinvolgano la versione finale del modello distribuito (b) coinvolgano ARC che fa la propria messa a punto, prima di poter esprimere un giudizio affidabile sulle capacit\u00e0 emergenti e rischiose del GPT-4-lancio. <\/span><\/p>\n

    La domanda finale che merge da questa prima analisi che faccio su GPT4 \u00e8 di fronte alla meraviglia per quanto fatto e di fronte all’emergere di capacit\u00e0 non previste e di elementi di quella che forse, o forse no – secondo me -, un giorno sar\u00e0 un AGI, dobbiamo essere preoccupati o andare avanti senza paura<\/span><\/p>\n

    Per<\/strong> rispondere,<\/strong> temo,<\/strong> \u00e8<\/strong> indispensabile<\/strong> l’algoretica….<\/strong><\/span><\/p>\n

    Fonte: https:\/\/www.paolobenanti.com\/post\/gpt4-closedai<\/a><\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"

    di Paolo Benanti (blog) GPT4 \u00e8 stato appena rilasciato e la rete sta ribollendo di recensioni e test. Quello che colpisce, oltre alle potenzialit\u00e0 che mostra, sono tutti i dettagli che emergono dal report tecnico che OpenAI ha contestualmente reso disponibile sul suo sito. Proviamo a vedere alcuni elementi di questo documento (un anticipo la cosa pi\u00f9 preoccupante \u00e8 alla fine dell’articolo dove vedremo dei risultati inaspettati e spaventosi emersi in GPT4). Cosa \u00e8 GPT4?...<\/p>\n","protected":false},"author":105,"featured_media":64201,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","enabled":false},"version":2}},"categories":[32],"tags":[],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"https:\/\/appelloalpopolo.it\/wp-content\/uploads\/2021\/04\/Paolo-Benanti.jpg","jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/p7ZaJ4-kis","_links":{"self":[{"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/posts\/78024"}],"collection":[{"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/users\/105"}],"replies":[{"embeddable":true,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=78024"}],"version-history":[{"count":1,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/posts\/78024\/revisions"}],"predecessor-version":[{"id":78025,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/posts\/78024\/revisions\/78025"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=\/wp\/v2\/media\/64201"}],"wp:attachment":[{"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=78024"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=78024"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/appelloalpopolo.it\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=78024"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}