“Gli LLM, modelli linguistici di grandi dimensioni, vengono addestrati su enormi set di dati e utilizzano miliardi di parametri, con conseguente complessità senza precedenti. Questo livello di sofisticazione richiede una supervisione normativa che tenga conto delle sfide associate all’interpretavità, equità e conseguenze indesiderate. Inoltre, gli LLM utilizzano token che possono essere parole, sottoparole o anche caratteri come le più piccole unità di testo utilizzate per rappresentare ed elaborare il linguaggio durante i processi di formazione e generazione”, spiegano Bertalan Meskó & Eric J. Topol in un nuovo studio su Nature.
“La tokenizzazione è un passaggio cruciale nell’elaborazione del linguaggio naturale (NLP) e consente agli LLM di analizzare e generare testo in modo efficiente, poiché questi modelli sono progettati per elaborare sequenze di token anziché intere frasi o paragrafi.
Attualmente, la tokenizzazione non è coperta dalle autorità di regolamentazione sanitaria.
A differenza dei modelli specializzati di deep learning addestrati per affrontare un problema medico o un’esigenza clinica specifica, gli LLM possiedono capacità versatili che abbracciano vari settori, come l’assistenza sanitaria, la finanza e l’istruzione. Di conseguenza, un quadro normativo unico per tutti non è adatto agli LLM e la supervisione deve essere adattabile per affrontare le diverse preoccupazioni specifiche del settore.
Gli LLM possono adattare le loro risposte in tempo reale, in base all’input dell’utente e ai contesti in evoluzione. Questo comportamento dinamico richiede che la supervisione normativa integri meccanismi di monitoraggio e valutazione continui per garantire un utilizzo responsabile e l’adesione alle linee guida etiche. Questo è simile a ciò che le tecnologie mediche adattive basate sull’intelligenza artificiale richiederebbero alle autorità di regolamentazione.
L’adozione diffusa degli LLM ha il potenziale per trasformare radicalmente vari aspetti della società. Di conseguenza, la supervisione normativa deve affrontare non solo gli aspetti tecnici degli LLM ma anche le loro più ampie implicazioni etiche, sociali ed economiche.
La dipendenza degli LLM da dati di formazione estesi solleva preoccupazioni relative alla privacy e alla sicurezza dei dati. La supervisione normativa dovrebbe stabilire quadri solidi per proteggere le informazioni sensibili e prevenire l’accesso non autorizzato o l’uso improprio di questi potenti modelli.
Queste caratteristiche uniche degli LLM richiedono un approccio su misura alla supervisione normativa. Tale approccio deve essere adattivo, olistico e consapevole delle diverse sfide e delle potenziali conseguenze che i LLM presentano, garantendone l’uso responsabile ed etico in vari ambiti”.
Le opinioni espresse in questo articolo sono dell’autore.
Leggi le ultime news su: https://w3b.today
Può interessarti anche: Intelligenza artificiale in medicina: c’è il pericolo che sia programmata per indirizzare i pazienti verso particolari farmaci
Seguici su Telegram https://t.me/presskit
Seguici su Facebook https://www.facebook.com/presskit.it
Copiate l’articolo, se volete, vi chiediamo solo di mettere un link al pezzo originale.
