Si dà per scontato che il business model del LLM sia la vendita di
servizi presso imprese.
Credo varrebbe la pena interrogarsi tempestivamente sui business models
che verranno usati verso il pubblico per non ripetere l'esperienza fatta
coi motori di ricerca e con i SN, specie in vista di una regolazione.
Sappiamo che nei motori di ricerca la risposta a una query dipende da 1)
dal contenuto della domanda, 2) dal profilo dell'utente e 3)
dall'esistenza di offerte commerciali di inserzionisti compatibili con i
primi due elementi.
Vista la lucratività, non vi sono motivi di pensare che il modello di
business di un servizio linguistico debba essere diverso, tanto più che
la profilazione è facilmente giustificata dalla possibilità di generare
testi che rispecchino il punto di vista individuale e contengano
elementi stilistici personali.
Con un modello di business di questo tipo la risposta del servizio
conterrà elementi determinati da inserzionisti per favorire la
formazione di testi con contenuti specifici.
Ad esempio i testi generati per i giornalisti potrebbero contenere o
meno fatti, collegamenti, paragoni, esempi, o usare certe espressioni,
ricordare certi eventi, far prevalere certi punti di vista, in base a
quanto richiesto da parti interessate alla presenza o assenza di certi
contenuti.
Al contrario della veridicità dei fatti presenti nei testi, questi
elementi (specie se assenti) non possono essere verificati. Questo
offrirà possibilità di manipolazione ancora più forti e soprattutto
subdole rispetto a quelle già spaventose dei motori di ricerca.
Alberto
On 3/20/23 13:36, Antonio Casilli wrote:
Grazie JC,
l'avevo visto e mi promettevo di commentarlo... La lista delle limitazioni di
questo articolo è lunga quanto la somma di tutte le braccia rubate
all'agricoltura dei suoi autori (tranne Daniel Rock, che qualche anno fa aveva
posizioni molto meno oltranziste sulla questione, cf.
https://www.nber.org/papers/w24001).
Questo documento è un ennesimo caso di LaTeX-driven advertising, nel senso che
un paper con parvenza di scientificità viene usato per fare pubblicità o
assecondare le operazioni di marketing di un'azienda. Un po' come il caso
storico di Eytan Bakshy, Solomon Messing, Lada Adamic, “Exposure to
ideologically diverse news and opinion on Facebook [archive]”, Science, 7,
2015, che scagionava l'algoritmo di NewsFeed di Facebook e dava la colpa agli
utilizzatori per la creazione di “echo chambers”.
Da accogliere, come tutte le analisi task-based, con un sonoro "meh".
Cheers,
---a
----- Original Message -----
From: "J.C. DE MARTIN" <[email protected]>
To: "Nexa" <[email protected]>
Sent: Monday, March 20, 2023 12:41:41 PM
Subject: [nexa] "GPTs are GPTs: An Early Look at the Labor Market Impact Potential
of Large Language Models"
[Submitted on 17 Mar 2023]
GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large
Language Models
[ https://arxiv.org/search/econ?searchtype=author&query=Eloundou%2C+T | Tyna
Eloundou ] , [
https://arxiv.org/search/econ?searchtype=author&query=Manning%2C+S | Sam
Manning ] , [
https://arxiv.org/search/econ?searchtype=author&query=Mishkin%2C+P | Pamela
Mishkin ] , [
https://arxiv.org/search/econ?searchtype=author&query=Rock%2C+D | Daniel
Rock ]
We investigate the potential implications of Generative Pre-trained Transformer
(GPT) models and related technologies on the U.S. labor market. Using a new
rubric, we assess occupations based on their correspondence with GPT
capabilities, incorporating both human expertise and classifications from
GPT-4. Our findings indicate that approximately 80% of the U.S. workforce could
have at least 10% of their work tasks affected by the introduction of GPTs,
while around 19% of workers may see at least 50% of their tasks impacted. The
influence spans all wage levels, with higher-income jobs potentially facing
greater exposure. Notably, the impact is not limited to industries with higher
recent productivity growth. We conclude that Generative Pre-trained
Transformers exhibit characteristics of general-purpose technologies (GPTs),
suggesting that as these models could have notable economic, social, and policy
implications.
Subjects: General Economics (econ.GN) ; Artificial Intelligence
(cs.AI); Computers and Society (cs.CY)
Cite as: [ https://arxiv.org/abs/2303.10130 | arXiv:2303.10130 ]
[econ.GN]
(or [ https://arxiv.org/abs/2303.10130v1 | arXiv:2303.10130v1 ]
[econ.GN] for this version)
[ https://doi.org/10.48550/arXiv.2303.10130 |
https://doi.org/10.48550/arXiv.2303.10130 ]
_______________________________________________
nexa mailing list
[email protected]
https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa
_______________________________________________
nexa mailing list
[email protected]
https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa
_______________________________________________
nexa mailing list
[email protected]
https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa
