Un nuovo studio evidenzia che una significativa percentuale di persone impiegate nell’addestramento di modelli di intelligenza artificiale potrebbe a sua volta delegare il lavoro all’IA stessa.
Affinché i sistemi di intelligenza artificiale siano addestrati in modo accurato e affidabile per svolgere compiti specifici, è necessario disporre di una vasta quantità di dati. Molte aziende pagano lavoratori su piattaforme come Mechanical Turk per completare compiti che sono difficili da automatizzare, come la risoluzione di CAPTCHA, l’etichettatura di dati e l’annotazione di testi.
Questi dati vengono poi utilizzati per addestrare i modelli di intelligenza artificiale. Tuttavia, i lavoratori sono spesso sottopagati e devono affrontare un gran numero di lavori in tempi molto brevi.
Quante persone sono coinvolte in questa pratica? Si stima che tra il 33% e il 46% dei lavoratori abbia utilizzato modelli di IA come ChatGPT di OpenAI. Gli autori dello studio, che è stato condiviso su arXiv, ritengono che questa percentuale possa aumentare in futuro, dato che ChatGPT e altri sistemi di IA diventano sempre più potenti e facilmente accessibili.
L’uso di dati generati dall’IA per addestrare l’IA potrebbe introdurre ulteriori errori in modelli già soggetti a errori. I grandi modelli linguistici presentano spesso informazioni false come fatti accertati.
Se questi risultati errati vengono utilizzati per addestrare altri modelli di intelligenza artificiale, gli errori possono essere assorbiti e amplificati nel tempo, rendendo sempre più difficile individuare l’origine degli stessi.
Ancora peggio, non esiste una soluzione semplice a questo dilemma.
“Il problema è che l’utilizzo di dati artificiali comporta l’incorporazione degli errori derivanti dalle lacune dei modelli e dagli errori statistici”.
“È necessario garantire che i propri errori non influenzino l’output di altri modelli, ma non esiste un modo semplice per farlo”.
Continua a leggere Estratto da: The people paid to train AI are outsourcing their work… to AI – MIT Technology Review
