Eliminare l’odio dai dataset per mitigare i bias dei modelli linguistici

Conoscenza dai libri

Una delle piaghe dei grandi modelli linguistici sono i bias, i pregiudizi, che nascono dai dati su cui sono stati addestrati: immense collezioni di testi che possono contenere anche razzismo, odio, ecc. Un gruppo di ricercatori in Canada ha creato un sistema che identifica e filtra questi testi “indesiderati”, consentendo quindi di addestrare i modelli linguistici con dataset meno pericolosi.

Per approfondire: Mitigating harm in language models with conditional-likelihood filtration

Sono partner e fondatore di SNGLR Holding AG, un gruppo svizzero specializzato in tecnologie esponenziali con sedi in Europa, USA e UAE, dove curo i programmi inerenti l'intelligenza artificiale. Dopo la laurea in Management ho conseguito una specializzazione in Business Analytics a Wharton, una certificazione Artificial Intelligence Professional da IBM e una sul machine learning da Google Cloud. Sono socio fondatore del chapter italiano di Internet Society, membro dell’Associazione Italiana esperti in Infrastrutture Critiche (AIIC), della Association for the Advancement of Artificial Intelligence (AAAI), della Association for Computing Machinery (ACM) e dell’Associazione Italiana per l’Intelligenza Artificiale (AIxIA). Dal 2002 al 2005 ho servito il Governo Italiano come advisor del Ministro delle Comunicazioni sui temi di cyber security. Oggi partecipo ai lavori della European AI Alliance della Commissione Europea e a workshop tematici della European Defence Agency e del Joint Research Centre. Questo blog è personale.