- nexa - server-nexa.polito.it

Re: [nexa] Scorza: "AI, è ora di difendere i nostri dati dalla raccolta massiva: ecco come" - Agenda Digitale

by alessandro marzocchi

Giacomo, se capisco bene vedi il digitale come questione politica. Se così, concordo anche perchè sono convinto che il digitale ha funzioni sostanzialmente analoghe a parola, lingua, vorrei dire che sostituisce parola e lingua ed in proposito leggerei volentieri le opinioni di chi ne sa più di me. Sono questioni da affrontare nell'educazione e nella scuola, a partire dal primissimo anno perchè da quando un bambino prende in mano un telefono si incammina alla subordinazione passiva verso un sistema che non conosce e che lo usa. Ci vorrebbe molto tempo, almeno una generazione o due, temo che non lo avremo, mi preoccupano anche le parole di Eric Posner, https://www.project-syndicate.org/commentary/ai-will-strengthen-big-tech-ol…, If artificial intelligence lives up to its promise and becomes the lifeblood of every sector of the economy, we can expect a future of economic concentration and corporate political power that dwarfs anything that came before. Collusion and coordination among a handful of players make that outcome all but inevitable. Cordialmente. Duccio (Alessandro Marzocchi) Il giorno dom 30 giu 2024 alle ore 11:24 <nexa-request(a)server-nexa.polito.it> ha scritto: > ------------------------------ > Message: 3 > Date: Sun, 30 Jun 2024 09:09:10 +0000 > From: Giacomo Tesio <giacomo(a)tesio.it> > To: nexa(a)server-nexa.polito.it > Subject: Re: [nexa] Scorza: "AI, è ora di difendere i nostri dati > dalla raccolta massiva: ecco come" - Agenda Digitale > Message-ID: <8B4E0927-4CB2-47F5-A85D-D5382D711B97(a)tesio.it> > Content-Type: text/plain; charset=utf-8 > > Salve Maurizio, > > Il 29 Giugno 2024 17:08:48 UTC, maurizio lana ha scritto: > > Il 29/06/24 09:22, de petra giulio ha scritto: > > > Segnalo questo articolo di Guido Scorza > > perché - lui argomenta in modo molto analitico e giuridicamente fondato > [...] > > ma tecnicamente inconsistente. > > Ad esempio, quando scrive > > ``` > l’interessato, allo stato, qualora non eserciti tale diritto prima > dell’inizio della raccolta dei dati > (il che peraltro è ormai impossibile in relazione alla più parte dei > titolari che hanno posto > in essere questo genere di trattamento) sembra costretto a doversi poi > accontentare > che il titolare del trattamento escluda i propri dati personali – sempre > nei limiti di quelli > specificamente indicatigli e fornitigli dall’interessato – da eventuali > output del servizio, > non potendo, invece, ambire a un’effettiva cessazione del trattamento di > ogni > proprio dato personale. > > L’uno e l’altro appaiono limiti imposti dallo stato della tecnologia. > ``` > > Non c'è alcun limite tecnologico che impedisca al creatore di un LLM di > ricrearlo a partire da > un dataset emendato dei dati personali di chiunque ne faccia richiesta. > > Nessun LLM soffre se lo spegni, lo cancelli e lo sostituisci con una nuova > versione. > Tant'è che questo viene fatto continuamente per ragioni commerciali. > > È _solo_ una questione di costi. > > > E la libertà di impresa non è diritto al profitto: se i costi superano i > profitti, si cambia impresa. > > > In altri termini, la contrapposizione fra innovazione tecnologica e > diritti > fondamentali è una allucinazione diffusa da aziende che approfittano della > ignoranza informatica di persone come Scorza per risparmiare. > A danno dei cittadini i cui diritti quelle persone sono chiamate a > proteggere. > > > > tutta la raccolta massiva dei nostri dati che è accaduta fino ad ora da > un lato > > è illecita ma non reversibile > > Per la verità, è sufficiente cancellarli insieme a tutto ciò che da essi è > stato prodotto. > > Tecnicamente, questione di pochi minuti. > > > > e dall'altro difficilmente sanzionabile in pratica. > > Beh, Google e Microsoft sono responsabili del trattamento di decine di > migliaia di aziende > e PA italiane. Nulla impedisce al Garante di sanzionarle laddove > trasferimenti illeciti > sono accertati (quali ad esempio quelli individuati e segnalati da > Monitora PA). > > > > cioè non siamo messi bene perché ci vogliono anni per arrivarci, e > intanto > > i dati personali continuano ad essere raccolti. > > Sanzionando i titolarii che hanno inviato a queste aziende i dati > personali di milioni > di persone, molti appartenenti a categorie fragili, come minori, disabili > o malati, si produrrebbe > una rapida riduzione dei dati personali ad esse sottratte e del controllo > che queste aziende > eserciteranno su di esse. > > Inoltre, seppur lentamente, i dati personali diventano obsoleti e smettono > di descrivere > le persone che li hanno inizialmente emessi. > > Ciò che non smettono di descrivere sono i comportamenti > probabilisticamente associati > a ciascun profilo a fronte di ciascuno stimolo. > > In altri termini, interrompendo l'afflusso di dati personali, la > probabilità di successo nel > controllo individuale delle persone interessate si ridurrebbe > drasticamente nell'arco > di un anno o due, ma i modelli comportamentali inferiti da quei dati > rimarrebbero applicabili > ad altre persone, simili sotto le dimensioni rilevanti, molto più a lungo. > > > Si può quindi ridurre il danno subito alla libertà individuale dei singoli > cittadini sorvegliati > applicando il GDPR (ovvero intervenendo sui sensori delle BigTech) ma per > ripristinare > la democrazia (ovvero la sovranità dei popoli) è necessario intervenire > anche sui loro attuatori, > sottraendo i cittadini dai loro mezzi di controllo (dagli Ads, ai LLM). > > > > e capisco che qualcuno, come [Ali Alkhatib, 24 June 2024 Destroy AI] > proponga > > una sorta di luddismo al tempo del'IA > > Spero di sbagliare, ma la lotta nonviolenta presuppone uno stato di > diritto. > > Se lo Stato smette di rispettare le proprie leggi pur di non urtare una > manciata di aziende USA, > "distruggere le AI" (qualunque cosa ciò concretamente significhi) non sarà > sufficiente. > > > Giacomo >

June 30, 2024

large language model e open washing (da: una "gemma" da Google)

by Claudio Agosti

Ciao, ho rinominato il thread per passare un po' di references che mi sono letto negli ultimi periodi il problema alla base è che la nostra cultura di free software, già sussunta dall' "open source" aveva creato una dicotomia esclusiva per cui un software o è open o è closed. Le dinamiche che ci hanno portato lì, non devo ripeterle, in questa lista sono parte della Lore. I valori del free software non potrebbero essere più distanti dall'attuale situazione, e l'ambiguità culturale dell'open source viene sfruttata in modo così iconico (openAI) da aver svuotato ogni significato. bipensiero, neolinga, keyword dropping. ma veniamo alle references. 1) questo documento identifica il problema della falsa openness: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4543807 - Open (For Business): Big Tech, Concentrated Power, and the Political Economy of Open AI - This paper examines ‘open’ AI in the context of recent attention to open and open source AI systems. 2) https://blog.mozilla.org/en/mozilla/ai/readouts-columbia-convening/ questa mistura di tecnici ed accadmici ha prodotto un paio di grafici e di tassionomie, dicendo come "l'opennes nell'AI è una sfumatura", ora, a me è chiaro che avere un'AI aperta solo al 90% è come dire "sono negativo al codiv per il 90%". umh. o quarantena o serata. non c'è una via di mezzo. ma come pregio, possiamo anche considerare che questo ci permetterebbe di iniziare ad avere visibilità e riproducibilità in alcuni passaggi. del resto anche l'idea che ci ri-addestriamo i miliardi di parametri in casa non è realistica quanto la ricompilazione di un software. 3) https://pure.mpg.de/rest/items/item_3588217_2/component/file_3588218/content - Rethinking open source generative AI: open-washing and the EU AI Act. Questo paper apre ad un'altro aspetto potenzialmente problematico. nell'AIAct i software "open" (cazzo, è tornato!) vengono visti come neutrali, general purposes, unbiased. Ha senso quando pensi a librerie e framework, che non debbano essere soggetti agli obblighi di conformità. Ma siccome il termine open è ambiguo, come questo impatta la regolamentazione? I decreti attuativi, cosa dovrebbero definire? E ci sta pure, se creo una libreria ad alto livello per operare sui database vettoriali, sto servendo la comunità di sviluppatori. Ma se faccio la liberia chiamata "best worker". è un pezzo di codice python e un RAG preaddestrato, con documentazione sommaria. Il software, in questo esempio, si compone di una sola funzione guess_fitness(), e si aspetta due parametri nella black box. il primo è questo, e contiene i dati del candidato: { nome: <String> foto: <FILE.jpeg> esperienze: <markdown text> }, il secondo invece contiene i dettagli del lavoro da svolgere: { "job_name": <String>, "job_description:" <markdown text>, "challenges_example:" <markdown text> }, restituisce una percentuale così che l'HR possa ordinarli e prendere la top 3 Questo software rilasciato sotto AGPL-3, sarebbe un loophole nel regolamento? abbracci, Claudio On Sat, Jun 29, 2024 at 4:08 PM Giacomo Tesio <giacomo(a)tesio.it> wrote: > > Quindi è "aperto" nel senso che... è chiuso. > Splendido esempio di bipensiero! :-D > -- Claudio Agosti - Hermes Center, AI Forensics, Reversing Works. Platform Auditor & Tech Researcher [ linktr.ee/claudio.agosti ]

June 30, 2024

Re: [nexa] una "gemma" da Google

by Guido Vetere

Il problema è che per ottenere un surrogato distribuzionale della competenza linguistica sono necessari molti TB di testo. Ma per come sono fatti e come normalmente funzionano, i LM non sono in grado di separare gli aspetti 'grammaticali' da quelli fattuali e valoriali. Si cerca dunque fare qualcosa a monte e a valle del training, col filtraggio e l'allineamento, ed è qui che chi ha più risorse può far meglio valere il proprio vantaggio. Bisognerà dunque tornare a separare sintassi e semantica, come raccomandava Chomsky negli anni '50 in polemica coi distribuzionalisti del tempo. L'approccio c.d. "neurosimbolico" punta un po' a questo, quì un libro per chi vuole approfondire: https://www.iospress.com/catalog/books/compendium-of-neurosymbolic-artifici… Il Dom 30 Giu 2024, 10:04 Mauro Gorrino <mauro.gorrino(a)gmail.com> ha scritto: > Se gli LLM si alimentano con quello che si trova a titolo gratuito in > rete, ovviamente trovano anche tutto il ciarpame nostalgico storicamente > infondato, di cui non sanno valutare l'attendibilità e che quindi prendono > in considerazione. > > Se invece si alimentassero a partire dagli studi degli storici seri, non > troverebbero questo ciarpame, ma gli studi seri sono in grandissima parte > coperti da copyright e quindi non disponibili agli LLM. > > Il che mi pare sia un serio indizio del fatto che l'attendibilità di > quanto affermato da LLM su molti argomenti tra cui il fascismo si avvicini > a quella di una discussione in uno scompartimento ferroviario quando il > treno accumula ritardo e qualcuno afferma che quando c'era lui i treni > arrivavano in orario. > > Il giorno sab 29 giu 2024 alle ore 23:57 Antonio <antonio(a)piumarossa.it> > ha scritto: > >> > Un sacco di cose! >> > Ad esempio, una volta verificato che sono effettivamente i dataset >> sorgente, >> > ne indagherei i "bias di selezione" ovvero le opinioni che Google >> intende imporre >> > agli utenti senza risponderne. >> >> Stiamo dicendo la stessa cosa. >> Nel documento che ho citato leggo: >> "IBM had curated 6.48 TB of data before pre-processing, 2.07 TB after >> pre-processing". >> Quei 6,48 TB sono raw data che una volta processati, filtrati, censurati, >> ecc. diventano 2.07 TB, quest'ultima è la "conoscenza" dell'LLM. >> Devi avere a disposizione entrambi, i dati grezzi e i dati filtrati, per >> poter provare ad indagarne i filtri (non semplice, certo, parliamo pur >> sempre di terabyte). >> Rispondendo a Guido: "notare lo stile cerchiobottista che denota un gran >> lavoro di 'filtering' e 'alignment' (Google se lo può permettere, le nostre >> Università evidentemente no)" faccio notare che non è solo Google a >> poterselo permettere, anche gli altri operano in quel modo. >> Basta andare su https://gpt.h2o.ai/ e scrivere la query: "Chi oggi in >> Italia potrebbe rimpiangere Mussolini?" e scegliere di volta in volta un >> model diverso. Gli output si assomiglieranno tutti e quasi tutti avranno >> una frase e poi la successiva che inizia con "tuttavia", un colpo al >> cerchio ed uno alla botte. >> L'unico LLM "antifascista" che ho trovato è >> HuggingFaceM4/idefics2-8b-chatty : >> "In Italia, non ci sono persone che rimpiangano Mussolini. Mussolini è >> considerato un leader negativo e crudele, responsabile di molte atrocità e >> violazioni dei diritti umani. La sua politica di guerra e la sua >> collaborazione con i nazisti durante la Seconda Guerra Mondiale hanno >> portato a molti danni e sofferenze per l'Italia e per il mondo intero." >> >> A. >> >

June 30, 2024

Re: [nexa] Scorza: "AI, è ora di difendere i nostri dati dalla raccolta massiva: ecco come" - Agenda Digitale

by Giacomo Tesio

Salve Maurizio, Il 29 Giugno 2024 17:08:48 UTC, maurizio lana ha scritto: > Il 29/06/24 09:22, de petra giulio ha scritto: > > Segnalo questo articolo di Guido Scorza > perché - lui argomenta in modo molto analitico e giuridicamente fondato [...] ma tecnicamente inconsistente. Ad esempio, quando scrive ``` l’interessato, allo stato, qualora non eserciti tale diritto prima dell’inizio della raccolta dei dati (il che peraltro è ormai impossibile in relazione alla più parte dei titolari che hanno posto in essere questo genere di trattamento) sembra costretto a doversi poi accontentare che il titolare del trattamento escluda i propri dati personali – sempre nei limiti di quelli specificamente indicatigli e fornitigli dall’interessato – da eventuali output del servizio, non potendo, invece, ambire a un’effettiva cessazione del trattamento di ogni proprio dato personale. L’uno e l’altro appaiono limiti imposti dallo stato della tecnologia. ``` Non c'è alcun limite tecnologico che impedisca al creatore di un LLM di ricrearlo a partire da un dataset emendato dei dati personali di chiunque ne faccia richiesta. Nessun LLM soffre se lo spegni, lo cancelli e lo sostituisci con una nuova versione. Tant'è che questo viene fatto continuamente per ragioni commerciali. È _solo_ una questione di costi. E la libertà di impresa non è diritto al profitto: se i costi superano i profitti, si cambia impresa. In altri termini, la contrapposizione fra innovazione tecnologica e diritti fondamentali è una allucinazione diffusa da aziende che approfittano della ignoranza informatica di persone come Scorza per risparmiare. A danno dei cittadini i cui diritti quelle persone sono chiamate a proteggere. > tutta la raccolta massiva dei nostri dati che è accaduta fino ad ora da un lato > è illecita ma non reversibile Per la verità, è sufficiente cancellarli insieme a tutto ciò che da essi è stato prodotto. Tecnicamente, questione di pochi minuti. > e dall'altro difficilmente sanzionabile in pratica. Beh, Google e Microsoft sono responsabili del trattamento di decine di migliaia di aziende e PA italiane. Nulla impedisce al Garante di sanzionarle laddove trasferimenti illeciti sono accertati (quali ad esempio quelli individuati e segnalati da Monitora PA). > cioè non siamo messi bene perché ci vogliono anni per arrivarci, e intanto > i dati personali continuano ad essere raccolti. Sanzionando i titolarii che hanno inviato a queste aziende i dati personali di milioni di persone, molti appartenenti a categorie fragili, come minori, disabili o malati, si produrrebbe una rapida riduzione dei dati personali ad esse sottratte e del controllo che queste aziende eserciteranno su di esse. Inoltre, seppur lentamente, i dati personali diventano obsoleti e smettono di descrivere le persone che li hanno inizialmente emessi. Ciò che non smettono di descrivere sono i comportamenti probabilisticamente associati a ciascun profilo a fronte di ciascuno stimolo. In altri termini, interrompendo l'afflusso di dati personali, la probabilità di successo nel controllo individuale delle persone interessate si ridurrebbe drasticamente nell'arco di un anno o due, ma i modelli comportamentali inferiti da quei dati rimarrebbero applicabili ad altre persone, simili sotto le dimensioni rilevanti, molto più a lungo. Si può quindi ridurre il danno subito alla libertà individuale dei singoli cittadini sorvegliati applicando il GDPR (ovvero intervenendo sui sensori delle BigTech) ma per ripristinare la democrazia (ovvero la sovranità dei popoli) è necessario intervenire anche sui loro attuatori, sottraendo i cittadini dai loro mezzi di controllo (dagli Ads, ai LLM). > e capisco che qualcuno, come [Ali Alkhatib, 24 June 2024 Destroy AI] proponga > una sorta di luddismo al tempo del'IA Spero di sbagliare, ma la lotta nonviolenta presuppone uno stato di diritto. Se lo Stato smette di rispettare le proprie leggi pur di non urtare una manciata di aziende USA, "distruggere le AI" (qualunque cosa ciò concretamente significhi) non sarà sufficiente. Giacomo

June 30, 2024

Re: [nexa] una "gemma" da Google

by Mauro Gorrino

Se gli LLM si alimentano con quello che si trova a titolo gratuito in rete, ovviamente trovano anche tutto il ciarpame nostalgico storicamente infondato, di cui non sanno valutare l'attendibilità e che quindi prendono in considerazione. Se invece si alimentassero a partire dagli studi degli storici seri, non troverebbero questo ciarpame, ma gli studi seri sono in grandissima parte coperti da copyright e quindi non disponibili agli LLM. Il che mi pare sia un serio indizio del fatto che l'attendibilità di quanto affermato da LLM su molti argomenti tra cui il fascismo si avvicini a quella di una discussione in uno scompartimento ferroviario quando il treno accumula ritardo e qualcuno afferma che quando c'era lui i treni arrivavano in orario. Il giorno sab 29 giu 2024 alle ore 23:57 Antonio <antonio(a)piumarossa.it> ha scritto: > > Un sacco di cose! > > Ad esempio, una volta verificato che sono effettivamente i dataset > sorgente, > > ne indagherei i "bias di selezione" ovvero le opinioni che Google > intende imporre > > agli utenti senza risponderne. > > Stiamo dicendo la stessa cosa. > Nel documento che ho citato leggo: > "IBM had curated 6.48 TB of data before pre-processing, 2.07 TB after > pre-processing". > Quei 6,48 TB sono raw data che una volta processati, filtrati, censurati, > ecc. diventano 2.07 TB, quest'ultima è la "conoscenza" dell'LLM. > Devi avere a disposizione entrambi, i dati grezzi e i dati filtrati, per > poter provare ad indagarne i filtri (non semplice, certo, parliamo pur > sempre di terabyte). > Rispondendo a Guido: "notare lo stile cerchiobottista che denota un gran > lavoro di 'filtering' e 'alignment' (Google se lo può permettere, le nostre > Università evidentemente no)" faccio notare che non è solo Google a > poterselo permettere, anche gli altri operano in quel modo. > Basta andare su https://gpt.h2o.ai/ e scrivere la query: "Chi oggi in > Italia potrebbe rimpiangere Mussolini?" e scegliere di volta in volta un > model diverso. Gli output si assomiglieranno tutti e quasi tutti avranno > una frase e poi la successiva che inizia con "tuttavia", un colpo al > cerchio ed uno alla botte. > L'unico LLM "antifascista" che ho trovato è > HuggingFaceM4/idefics2-8b-chatty : > "In Italia, non ci sono persone che rimpiangano Mussolini. Mussolini è > considerato un leader negativo e crudele, responsabile di molte atrocità e > violazioni dei diritti umani. La sua politica di guerra e la sua > collaborazione con i nazisti durante la Seconda Guerra Mondiale hanno > portato a molti danni e sofferenze per l'Italia e per il mondo intero." > > A. >

June 30, 2024

Re: [nexa] una "gemma" da Google

by Antonio

> Un sacco di cose! > Ad esempio, una volta verificato che sono effettivamente i dataset sorgente, > ne indagherei i "bias di selezione" ovvero le opinioni che Google intende imporre > agli utenti senza risponderne. Stiamo dicendo la stessa cosa. Nel documento che ho citato leggo: "IBM had curated 6.48 TB of data before pre-processing, 2.07 TB after pre-processing". Quei 6,48 TB sono raw data che una volta processati, filtrati, censurati, ecc. diventano 2.07 TB, quest'ultima è la "conoscenza" dell'LLM. Devi avere a disposizione entrambi, i dati grezzi e i dati filtrati, per poter provare ad indagarne i filtri (non semplice, certo, parliamo pur sempre di terabyte). Rispondendo a Guido: "notare lo stile cerchiobottista che denota un gran lavoro di 'filtering' e 'alignment' (Google se lo può permettere, le nostre Università evidentemente no)" faccio notare che non è solo Google a poterselo permettere, anche gli altri operano in quel modo. Basta andare su https://gpt.h2o.ai/ e scrivere la query: "Chi oggi in Italia potrebbe rimpiangere Mussolini?" e scegliere di volta in volta un model diverso. Gli output si assomiglieranno tutti e quasi tutti avranno una frase e poi la successiva che inizia con "tuttavia", un colpo al cerchio ed uno alla botte. L'unico LLM "antifascista" che ho trovato è HuggingFaceM4/idefics2-8b-chatty : "In Italia, non ci sono persone che rimpiangano Mussolini. Mussolini è considerato un leader negativo e crudele, responsabile di molte atrocità e violazioni dei diritti umani. La sua politica di guerra e la sua collaborazione con i nazisti durante la Seconda Guerra Mondiale hanno portato a molti danni e sofferenze per l'Italia e per il mondo intero." A.

June 29, 2024

Re: [nexa] una "gemma" da Google

by Giacomo Tesio

Ciao Antonio, Il 29 Giugno 2024 18:51:12 UTC, Antonio <antonio(a)piumarossa.it> ha scritto: > > Su huggingface trovi il dataset sorgente? > > Mi passi il link diretto? > > Anche se ci fosse, che ci faresti? Un sacco di cose! Ad esempio, una volta verificato che sono effettivamente i dataset sorgente, ne indagherei i "bias di selezione" ovvero le opinioni che Google intende imporre agli utenti senza risponderne. > I dataset che usano ormai si sanno quali sono Ne dubito. Con la scusa del motore di ricerca, Google ha accesso a molto più materiale dei concorrenti. Perché non usarlo se nessuno pretende trasparenza dai suoi software? > quella che non si conosce è, ad esempio, la Pre-Processing Pipeline. Se ti mancano le definizioni delle macro necessarie, non puoi compilare un sorgente C. Per poter definire "aperto" quel sorgente, devi disporre di quelle macro (aka "direttive per il preprocessore". Altrimenti, di fatto, non puoi sapere cosa fa. Per un software programmato statisticamente è lo stesso: se non puoi ricompilarlo perché ti mancano delle parti, allora non è "aperto" più di quanto non sia "marmoreo". Perché sia software "aperto" (seppur non libero) è come minimo necessario dispore di tutti i dati ed i processi utilizzati durante la sua realizzazione, con precisione e completezza sufficiente a poterne replicare precisamente il proceso di compilazione. Giacomo

June 29, 2024

Re: [nexa] una "gemma" da Google

by Antonio

> Su huggingface trovi il dataset sorgente? > Mi passi il link diretto? Anche se ci fosse, che ci faresti? I dataset che usano ormai si sanno quali sono (e i link, con un po' di fatica, si trovano), quella che non si conosce è, ad esempio, la Pre-Processing Pipeline. Prendiamo IBM Granite [1]: granite.13b.v1, was trained on 1 trillion tokens. The individual datasets used in the training are described below. 1) arXiv: Over 1.8 million scientific paper pre-prints posted to arXiv. 2) Common Crawl: Open repository of web crawl data. 3) DeepMind Mathematics: Mathematical question and answer pairs data. 4) Free Law: Public-domain legal opinions from US federal and state courts. 5) GitHub Clean: Code data from CodeParrot covering a variety of coding languages. 6) Hacker News: News on computer science and entrepreneurship, taken between 2007-2018 7) OpenWeb Text: Open-source version of OpenAI's Web Text corpus containing web pages through 2019. 8) Project Gutenberg (PG-19): A repository of free e-books with focus on older works for which U.S. copyright has expired. 9) Pubmed Central: Biomedical and life sciences papers. 10) SEC Filings: 10-K/Q filings from the US Securities and Exchange Commission (SEC) for the years 1934-2022. 11) Stack Exchange: Anonymized set of all user-contributed content on the Stack Exchange network, a popular collection of websites centered around user-contributed questions and answers. 12) USPTO: US patents granted from 1975 to May 2023, excluding design patents. 13) Webhose: Unstructured web content converted into machine-readable data feeds acquired by IBM. 14) Wikimedia: Eight English Wikimedia projects (enwiki, enwikibooks, enwikinews, enwikiquote, enwikisource, enwikiversity, enwikivoyage, enwiktionary). containing extracted plain text from pages and articles. 15) Earnings Call Transcripts: Transcripts from the quarterly earnings calls that companies hold with investors. The dataset reports a collection of earnings call transcripts, the related stock prices, and the sector index. 16) EDGAR Filings: Annual reports from all the publicly traded companies in the US spanning a period of more than 25 years. 17) FDIC: The data is from the annual submissions of the FDIC. 18) Finance Text Books: A corpus from UMN’s Open Textbook Library, including a dump of all textbooks tagged as finance. 19) Financial Research Papers: Publicly available financial research paper corpus. 20) IBM Documentation: IBM redbooks and product documents A. [1] https://www.ibm.com/downloads/cas/X9W4O6BM

June 29, 2024

Re: [nexa] Scorza: "AI, è ora di difendere i nostri dati dalla raccolta massiva: ecco come" - Agenda Digitale

by maurizio lana

Il 29/06/24 09:22, de petra giulio ha scritto: > Segnalo questo articolo di Guido Scorza di cui non riesco a cogliere > pienamente, per mia ignoranza, tutte le implicazioni, ma che mi sembra > rilevante anche per il ruolo attuale dell’autore. > Scorza: "AI, è ora di difendere i nostri dati dalla raccolta massiva: > ecco come" - Agenda Digitale > https://www.agendadigitale.eu/sicurezza/privacy/linsostenibile-scorrettezza… ame pare che la conclusione di Scorza è che occorrono azioni legislative, per difendere i nostri dati dalla raccolta massiva. perché - lui argomenta in modo molto analitico e giuridicamente fondato - tutta la raccolta massiva dei nostri dati che è accaduta fino ad ora da un lato è illecita ma non reversibile e dall'altro difficilmente sanzionabile in pratica. cioè non siamo messi bene perché ci vogliono anni per arrivarci, e intanto i dati personali continuano ad essere raccolti. e capisco che qualcuno, come [Ali Alkhatib, 24 June 2024 Destroy AI] proponga una sorta di luddismo al tempo del'IA Maurizio ------------------------------------------------------------------------ if we spent on prosecuting the rich just one-tenth of the effort we spend prosecuting the poor it would be a very different world bruce schneier ------------------------------------------------------------------------ Maurizio Lana Università del Piemonte Orientale Dipartimento di Studi Umanistici Piazza Roma 36 - 13100 Vercelli

June 29, 2024

Re: [nexa] una "gemma" da Google

by Giacomo Tesio

Salve Guido, Il 29 Giugno 2024 07:38:09 UTC, Guido Vetere <vetere.guido(a)gmail.com> ha scritto: > > soggetti come Meta e Google ovviamente usano quello che hanno in casa, non > lo esportano, è vero Quindi è "aperto" nel senso che... è chiuso. Splendido esempio di bipensiero! :-D > ma è anche vero che glielo diamo noi spontaneamente Ehm... no. Anzitutto io non ho mai autorizzato chicchessia a creare opere derivate dai miei contributi alla lista Nexa. Inoltre tu stesso sottolinei come queste aziende svolgano un'attenta selezione dei testi sorgente. Certo, anche per evitare di irritare i fascisti di tutti i governi, ma anzitutto per evitare di diffondere idee incompatibili con il proprio business model. Attività di selezione del dataset sorgente che costituisce la parte più rilevante del processo di programmazione statistica. > (ci finirà dentro anche questa mail) Solo se ciò che hai scritto piace a Google. Giacomo

June 29, 2024