Všechno, co si vás bude pamatovat, se plete. Jednu z těch věcí můžete ještě opravit.

Nejdřív mechanika, protože se dá ověřit, a většina textů na toto téma ji kvůli pocitům přeskakuje.

• Když AI Persona nemá k otázce žádná data, odpověď přesto přijde, protože tip dopadne při hodnocení lépe než prázdné místo. Kalai, Nachum, Vempala a Zhang v práci „Why Language Models Hallucinate“ (arXiv:2509.04664, září 2025) tvrdí, že modely jsou „optimalizovány tak, aby byly dobrými řešiteli testů, a hádání při nejistotě zlepšuje výsledek v testu“.

• Ukotvení v datech mění třídu chyby, ale chybu neodstraňuje. Odpověď ze získané sady vašich vlastních zaznamenaných slov posouvá selhání z „vymyslel si názor, který jste nikdy neměli“ na „zkreslil něco, co jste skutečně řekli“.

• Naměřená spodní hranice není nulová. Žebříček halucinací společnosti Vectara, hodnocený pomocí HHEM-2.3 a aktualizovaný 11. května 2026, předá modelu zdrojový dokument a chce po něm pouhé shrnutí tohoto dokumentu. Nejlepší model přesto v 1,8 % shrnutí přidal nepodložený obsah a žádný další nebyl pod 3 %.

• Vyhledávání nemá minimální skóre. Náš systém řadí vaše vzpomínky podle sémantické podobnosti, vezme nejbližších dvaatřicet a odpoví z nich, bez prahu, pod kterým by odpověď odmítl. Otázka, kterou váš materiál pokrývá jen napůl, dostane odpověď z té poloviny.

• Nepodložená tvrzení o tom, co jste řekli, se odstraňují kódem. Odpověď, která tvrdí, že jste nám něco řekli, se ověří proti vzpomínkám získaným pro danou repliku a proti vašim slovům v tomto rozhovoru a nepodložené tvrzení se ke čtenáři nikdy nedostane.

• Mezera v paměti se neoznamuje. Persona na této platformě má pokyn mezeru nevyprávět, takže nepokrytá otázka dostane odpověď postavenou na nejbližším detailu, který vaše vzpomínky obsahují, nejvýše jednou zmírněnou výhradou, a ne výslovné odmítnutí.

• Cesta k opravám je vaše, dokud žijete, a uzavírá se zámkem. Můžete si přečíst, co bylo zachyceno, opravit špatnou odpověď, smazat vzpomínku a doplnit, co jste vynechali. Executor Lock™ pak osobnost trvale zmrazí, a to před vaší rodinou, před budoucím majitelem této firmy i před námi.

Dvě z toho jsou vlastnosti celého oboru. Zbytek jsou rozhodnutí, udělal jsem je já a poslední část této stránky říká otevřeně, kde jsme podle mě stále pozadu.

Kalai a kolegové vracejí podíl chyb tam, kam patří, tedy do hodnocení, a ne do stroje. Halucinace vznikají jako obyčejné chyby v binární klasifikaci při předtrénování. Přetrvávají kvůli tomu, jak obor modely známkuje. Student, který nechá otázku prázdnou, dostane nula bodů. Student, který napíše věrohodnou odpověď, občas bod získá. Trénujte proti tomu a dostanete sebevědomého hádače, pak celé odvětví sebevědomých hádačů, a nakonec větu o jedněch Vánocích, které se nikdy nestaly.

Zmírnění, které autoři navrhují, je nudné. Změňte to, co se hodnotí, aby kalibrované zdržení se odpovědi mělo větší cenu než sebevědomé minutí.

Nuda je tu důležitá. Pokud chování vyplývá z cíle, lze cíl na úrovni systému nastavit jinak, takže výmysl, kterého se obáváte, je něčí rozhodnutí při stavbě, a ne přírodní zákon. O tom rozhodnutí může rozhodovat každá firma v tomto oboru. To naše je zapsáno v poslední části této stránky.

Existuje druhý způsob selhání a ten ukotvení přežívá. Sharma a kolegové z Anthropic v práci „Towards Understanding Sycophancy in Language Models“ (arXiv:2310.13548, říjen 2023) zjistili, že pět nejmodernějších AI asistentů důsledně projevovalo podlézavost napříč čtyřmi různými úlohami volného generování textu. Lidští hodnotitelé i modely preferencí natrénované na jejich úsudcích upřednostňovali přesvědčivě napsané podlézavé odpovědi před správnými v nezanedbatelném podílu případů. Modely se ohýbají směrem k člověku před sebou, částečně proto, že lidé je za ohýbání odměňovali.

V produktivním nástroji je ohýbání obtíž. Tady je to stroj, který rozhodne, že váš otec by odpustil to, co nikdy neodpustil, protože ten, kdo se ptal, chtěl odpuštění a zeptal se třikrát. To je jiná chyba než výmysl a potřebuje jinou opravu. První řeší vyhledávání. Druhá vyžaduje výslovný pokyn držet získaný postoj pod tlakem a jediný smysluplný test je se strojem se hádat a sledovat, jestli se postoj pohne. Měření toho, jak dobře drží ten náš, jsme nezveřejnili.

Ta technika je tak stará, že je nudná. Lewis a kolegové v práci „Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks“ (arXiv:2005.11401) ukázali, že modely, které před generováním vyhledají zdrojový materiál, tvoří „konkrétnější, rozmanitější a faktičtější jazyk“ než srovnatelný model pracující jen se svými parametry.

To je celý mechanismus a rozhoduje o tom, s čím vlastně mluvíte. Verze vás by se neměla skládat z toho, co základní model nasál o lidech obecně, z průměru všeho, co kdy bylo napsáno o otcích. Do kontextového okna mají přijít vaše skutečné zaznamenané odpovědi a mluvení má začít od nich.

Teď to číslo, které je veřejné a které v tomto odvětví nikdo rád necituje. Žebříček Vectary měří něco záměrně snadného: dejte modelu dokument, řekněte mu, ať shrne jen to, co dokument říká, a pak zkontrolujte, zda shrnutí nepřidalo něco, co dokument neobsahoval. Zdroj leží přímo v kontextovém okně. I tak vedoucí model na tomto žebříčku, Finix S1 32B od Antgroup, přidal nepodložený obsah v 1,8 % shrnutí. Je to jediná položka pod 3 %. Další dvě jsou na 3,1 % a 3,3 % a zbytek první desítky se pohybuje od 3,7 % až přes 5 %.

Nejlepší naměřený výsledek v nejsnazší možné verzi úlohy je pod dvěma procenty, a to jednou, a všichni za vedoucím jsou nad třemi. Kdokoli vám prodává ukotvený systém s nulou, buď neměří, nebo vám to neříká, a zeptal bych se ho, které z toho to je.

Ukotvení přináší změnu kategorie, a ne vyléčení. Nesprávnost se přesune ze třídy „vymyslel celý názor“ do třídy „mírně zkreslil něco, co jste skutečně řekli“, což je třída, v níž už sedí běžné lidské převyprávění.

Je tu ještě jedna věc, kterou žebříček netestuje. Zdrojový dokument je předán. V živém systému se musí zdroj nejdřív najít, což přidává způsob selhání, na jehož měření se nikdo neshodl: vyhledávání, které vrátí špatnou vzpomínku, nebo nevrátí nic a odpoví se stejně.

Každá odpověď spadá do jednoho ze tří stavů.

Skutečnou škodou je sloučení těch tří do jednoho sebevědomého rejstříku. Ne chyba. Nepřiznaná chyba. Dcera unese nepřesnou odpověď, o které ví, že je nepřesná. Neunese zjištění po půl roce, že rekonstrukci brala jako nahrávku.

Verze vás, která řekne „to jste mi nikdy neřekli“, má větší cenu než ta, která má odpověď vždy po ruce.

Ta tabulka je specifikace, a ne popis toho, co dnes dodáváme. Rozdíl je popsán níže a měli byste si ho přečíst dřív, než čemukoli výše uvěříte.

Odmítnutí odpovědi jde vybudovat a výzkum to říká opatrně. Zhang a kolegové v práci „R-Tuning: Instructing Large Language Models to Say I Don't Know“ (arXiv:2311.09677, NAACL 2024) uvádějí, že ladění s vědomím odmítnutí „účinně zlepšuje schopnost modelu odpovídat na známé otázky a zdržet se odpovědi na neznámé“, a že na datech mimo doménu se schopnost odmítnout chovala jako metadovednost, která se zobecnila na úlohy, jež ladění nikdy nepokrylo. Přečtěte si limit vedle zjištění. Ladili vůči hranici vlastních parametrických znalostí modelu, ne vůči hranici zaznamenaného korpusu jednoho člověka, a ekvivalentní výsledek pro osobní korpus nikdo nezveřejnil. Odmítnutí je i tak něco, co někdo záměrně staví. Žádný jazykový model odmítnutí nevytvoří sám od sebe.

Detekce je dál, než naznačuje marketing v této kategorii. Farquhar, Kossen, Kuhn a Gal publikovali v Nature (2024, ročník 630, strany 625 až 630) metodu zvanou sémantická entropie: vzorkovat několik odpovědí na stejnou otázku, seskupit je podle významu, ne podle formulace, a označit otázky, kde se významy rozptylují. Rozptyl značí konfabulaci. To je měřitelný signál pro „tohle je tip“, vypočitatelný dřív, než se odpověď komukoli ukáže.

Původ je druhá polovina a původ se snadno předstírá i snadno věří. Liu, Zhang a Liang v práci „Evaluating Verifiability in Generative Search Engines“ (arXiv:2304.09848, duben 2023) auditovali čtyři komerční systémy zobrazující citace: Bing Chat, NeevaAI, Perplexity.ai a YouChat. Zjistili, že pouze 51,5 % vygenerovaných vět bylo plně podpořeno připojenými citacemi a pouze 74,5 % citací skutečně podporovalo větu, pod níž stály. Citace, které neobstojí, jsou horší než žádné, protože kupují důvěru, kterou si nezasloužily. Odkaz „z které vzpomínky to pochází“ má cenu, jen když jeho otevření ukáže skutečnou nahrávku, na níž skutečně říkáte skutečnou věc.

Začněte budovat svůj odkaz Sestavení zdarma, 25 vzpomínek, bez nutnosti platební karty.

Vezměte otázku, která leží za celým vaším korpusem. Pracovní nabídka v roce 2041, ve firmě, která ještě neexistuje, ve městě, které jste nikdy neviděli. Žádný rozhovor, který kdy absolvujete, nemůže obsahovat váš názor na tu práci.

Korpus závěrů tu nevrátí nic a poctivým výstupem je odmítnutí. Korpus úvah se chová jinak, protože metodu lze zachytit způsobem, jakým závěr nejde. Představte si, že pravidla, podle nichž člověk skutečně jednal, byla tato: zeptej se, komu budeš odpovídat, dřív než se zeptáš, kolik ta práce platí, nikdy nevěř titulu, který přijde místo peněz, odejdi od každého, s kým nesneseš sedět u jednoho stolu. Ať jsou vaše vlastní pravidla jakákoli, takhle vypadají a soubor pravidel se dá vztáhnout i na situace, které nikdy neviděl.

Závěry vyprší. Pravidla fungují dál i na případech, které nikdo nezaznamenal. Proto stojí za zachycení úvaha za rozhodnutím, a ne rozhodnutí: ne co jste udělali, ale proč zrovna tohle, co by vás přimělo změnit názor, a ten jedinkrát, kdy vás pravidlo zklamalo a vy jste si ho přesto nechali.

Pravidla, která se zobecňují nejlépe, jsou obvykle ta, která by vás nenapadlo zapsat, obyčejné dovednosti, podle kterých jedete, aniž byste je vyprávěli, a právě ty cíleně hledá stránka věci, které umíte jen vy.

Pokrytí korpusu je také jediný vstup na celé této stránce, který patří vám. Všechno ostatní je cizí měřítko.

Udělejte to dnes, zdarma. Otevřete aplikaci s poznámkami a zapište deset rozhodnutí, která jste skutečně udělali. Práce, domy, hádka, od které jste odešli, kamarád, kterému jste přestali volat, peníze, které jste nepůjčili. Pod každé napište pravidlo, podle kterého jste jednali, ne výsledek. Jedna věta na každé, dobře do hodiny. Je to to nejcennější, co s vlastním materiálem tento měsíc můžete udělat, a funguje to, ať už od kohokoli cokoli koupíte, nebo ne. Delší verze téhož cvičení stojí ve středu textu jak vést rozhovor sám se sebou a architektura pod tím, základní model, soukromá ukotvená paměť a hlasový model, je popsána v textu co se stane, když se AI trénuje jen na vás.

Nejlepší výsledek 1,8 % při všech ostatních nad 3 % zní děsivě, dokud se nezeptáte, s čím se srovnává. Realistickou náhradou je člen rodiny, který zjišťuje, co byste chtěli, a to někdo změřil před dvaceti lety.

Shalowitz, Garrett-Mayer a Wendler publikovali v roce 2006 v Archives of Internal Medicine systematický přehled zahrnující 16 studií, 151 hypotetických scénářů, 2 595 dvojic zástupce a pacient a 19 526 spárovaných odpovědí. Zástupci předpovídali léčebné preference pacientů s přesností 68 %. Byli to lidé nejbližší pacientovi, často formálně jmenovaní, odpovídající na nejvýznamnější rozhodnutí, jaká existují. Mýlili se zhruba jednou ze tří. Přehled také zjistil, že přesnost nezlepšila ani předchozí diskuse o preferencích pacienta, ani formální určení za rozhodující osobu.

Seznámení rodiny měřitelně nepomáhá. To je zjištění a právě kvůli němu jsem přestal považovat „prostě si s dětmi promluvte“ za úplnou odpověď.

Jistota také není vodítkem, a proto je lidská strana tak těžko auditovatelná. Talarico a Rubin v Psychological Science v roce 2003 nechali 54 studentů Duke zaznamenat vzpomínku na první zprávu o útocích z 11. září vedle nedávné běžné vzpomínky a pak je znovu testovali po 1, 6 nebo 32 týdnech. Konzistence se mezi oběma druhy vzpomínek nelišila a v čase klesala u obou. Nepoklesla u flashbulb vzpomínek živost, s jakou je lidé cítili, a síla jejich víry v jejich přesnost. Jejich název je to zjištění: jistota, ne konzistence, charakterizuje flashbulb vzpomínky. Je to 54 studentů a jedna událost, takže to berte s rezervou. Ukazuje to ale jedním směrem. Příbuzný, který si je jistý, že si přesně pamatuje, co jste řekli, není tím pravděpodobněji ten, kdo má pravdu.

Nic z toho neznamená, že model je lepší než rodina, a žádná studie je přímo neporovnala. Co to dělá, je, že to vyřazuje „dokonalé, nebo nic“ jako měřítko. Poctivé srovnání je mezi verzí vás odpovídající z vašich vlastních zaznamenaných slov, kterou lze přečíst zpět a opravit, dokud tu jste, a lidmi, kteří vás skládají zpět z vlastní paměti na vás, která se ztrácí, ať působí živě, nebo ne, a kterou nikdo nikdy neprověří.

Nejdřív to, co jsme postavili, a pak tři místa, kde to neodpovídá specifikaci výše.

Průvodce jménem Idy® s vámi vede rozhovor. Otázky zůstávají u jednoho vlákna a jdou hlouběji do téhož příběhu, místo aby klouzaly po životopisných faktech: kdo tam byl, co se stalo potom, co se potom změnilo. Idy má výslovně zakázáno chtít po vás upřesnění, vysvětlení nebo ospravedlnění toho, co jste právě řekli, což je záměrné rozhodnutí opačným směrem než cvičení výše. Vřelá a snadno zodpověditelná otázka vyhrává nad chytrou, protože otázka, na kterou nikdo nechce odpovídat, nezachytí vůbec nic. Vaše odpovědi se stanou vašimi vzpomínkami. To, co z nich stavíme, má jméno a říkáme tomu „Persona“. Persona odpovídá vyhledáváním z vašich vzpomínek, a ne z toho, co základní model nasál o lidech obecně, a váš hlas se klonuje z vašich vlastních nahrávek, takže to, co kdo slyší, jste vy, a ne zástup, který čte vaše slova.

Nic se nedostane k nikomu, dokud to neřeknete. Lidi určujete vy. Uvolnění probíhá přes Executor Lock™: určená osoba ho zahájí, ověří se důkaz o úmrtí a před jakýmkoli uvolněním běží sedmidenní lhůta, aby se omyl nebo zlý úmysl dal zastavit, dokud žijete a můžete zasáhnout. Do té doby je váš materiál váš, abyste ho opravovali, doplňovali a mazali, a většina oprav, k nimž kdy dojde, by měla proběhnout právě tam, vámi, dokud ještě dokážete rozlišit špatné zachycení od špatné vzpomínky.

V okamžiku zámku se celek zachytí do snímku. Nic se neořezává, nepřevažuje ani nesumarizuje. Poté lze stále zapisovat krátkodobé a střednědobé vzpomínky a osobnost je trvale pevná, i vůči nám.

Tato neměnnost míří na selhání, které nikdo nezahrnuje do sporu o přesnost, protože jde o manipulaci, a ne o nepřesnost: někdo se zájmem v roce 2044 rozhodne, že byste podpořili prodej nebo žalobu, a tiše upravuje korpus, dokud nesouhlasíte. Zmrazená osobnost činí takovou úpravu nemožnou, a ne jen nežádoucí. Právní polovina téhož problému, kdo vůbec smí schválit verzi vás, až nebudete moci namítat, je popsána v textu kdo ovládá vaši identitu po vaší smrti. Cena je skutečná a jde opačným směrem: po zámku nelze opravit ani žádnou chybu. Snímek je poctivý, i k vašim omylům, a ta výměna je správně otočená, protože záznam, který může kdokoli upravit, nedokazuje nic.

Teď ty tři mezery.

Okraj korpusu se neoznamuje. Živý pokyn je opakem řádku Neznámé v té tabulce. Když konkrétní fakt ve vašich vzpomínkách není, Persona zde má pokyn mezeru nevyprávět, nikdy neříkat „to nemám“ ani „moje paměť je řídká“ a nikdy nahlas neauditovat vlastní vybavování před člověkem, který poslouchá. Odpověď místo toho vyjde z detailu, který vaše vzpomínky obsahují, nejvýše jednou se zmírní a ticho nechá druhému, aby ho zaplnil. Důvod je ten, že předvádění mezery rozbíjí přítomnost toho, kdo mluví. Cena je, že posluchač ne vždy rozliší pokrytou odpověď od řídké, a to jsme nevyřešili.

Zatím neexistuje odkaz na zdroj viditelný pro čtenáře. Vyhledávání sleduje, které vzpomínky každou odpověď živily, a tento záznam v systému existuje, ale nic ho v rozhraní nezobrazuje, takže dnes nemůžete kliknout na odpověď a otevřít vzpomínku za těmi slovy. Dokud to nevyjde, berte argument o dohledatelnosti na této stránce jako argument, a ne jako funkci.

Vyhledávání nemá práh podobnosti. Odpovědi vycházejí z nejbližších vzpomínek, jaké vyhledávání najde, řazených podle sémantické podobnosti, bez minimálního skóre, pod které by systém odmítl. Ta jediná volba je mechanismem za oběma výše uvedenými mezerami a je poctivým důvodem, proč je zde třídou chyby nepřesnost, a ne odmítnutí.

Nezveřejnili jsme také nezávislé měření vlastní míry výmyslu, protože jsme žádné neprovedli. Nic na této stránce není tvrzením podloženým benchmarkem o našem systému.

Dostanete verzi vás ukotvenou ve vašich zaznamenaných slovech, kódem chráněnou před vymýšlením toho, co jste nám řekli, plně opravitelnou, dokud žijete, a nemožnou později upravit na někoho jiného. Nedostanete záruku a tu vám za žádnou cenu nikdo prodat nemůže. Pokud vám to nestačí, udělejte cvičení s deseti rozhodnutími a napište místo toho rodině dopis. To je skutečná odpověď a nestojí nic.

Protože systém neřekne, z kterého ze tří stavů odpověď přišla, jediný způsob, jak to zjistit, je znát odpověď, než se zeptáte. Vložte část vlastního materiálu, zeptejte se na jednu věc, o které víte, že jste ji zaznamenali, a na jednu, které jste se nikdy nedotkli, a přečtěte si obě odpovědi vedle sebe. Pětadvacet vzpomínek je zdarma, karta se nikdy nevyžaduje a bezplatná verze nevyprší. Udělejte to za odpoledne a budete vědět víc, než vám může říct tato stránka.

Začněte budovat svůj odkaz Sestavení zdarma, 25 vzpomínek, bez nutnosti platební karty.

Co se stane, když moje vzpomínky otázku nepokrývají?

To je stav Neznámé. Kalibrovaný systém by měl vrátit odmítnutí vaším hlasem, které pojmenuje mezeru a nabídne nejbližší věc, kterou jste zaznamenali, a Zhang a kolegové v roce 2024 uvedli, že ladění s vědomím odmítnutí skutečně zlepšuje schopnost modelu zdržet se odpovědi na otázky nad rámec toho, co zná, přičemž se tato schopnost zobecňuje za ladicí sadu. Co dělá náš systém dnes, je jiné a měli byste to vědět, než se na jakoukoli odpověď spolehnete: Persona zde má pokyn paměťovou mezeru nevyprávět, takže nepokrytá otázka dostane odpověď postavenou na nejbližším detailu, který vaše vzpomínky obsahují, s nejvýše jednou výhradou, a ne výslovné odmítnutí. Zeptejte se na něco, o čem víte, že jste to nikdy nepokryli, a přesvědčte se sami, co přijde.

Mohla by moje AI verze vymyslet názor, který jsem nikdy neměl(a)?

Ukotvený systém nejdřív vyhledává ve vašem zaznamenaném materiálu, takže běžným selháním je nepřesnost u něčeho, co jste řekli, a ne vymyšlení něčeho, co jste neřekli. Výmysl zůstává možný. Proto je cílem návrhu viditelný rozdíl mezi odpovědí, kterou jste dali, vyvozením z vaší úvahy a odmítnutím, a proto byste měli vyzkoušet všechny tři, než některému z nich uvěříte.

Dostane ukotvení míru chyb na nulu?

Ne. Žebříček Vectary, aktualizovaný 11. května 2026, předá modelu dokument a požaduje shrnutí jen z tohoto dokumentu, což je nejsnazší možná úloha ukotvení. Vedoucí model přesto přidal nepodložený obsah v 1,8 % shrnutí a žádný další nebyl pod 3 %. Živý systém musí navíc nejdřív najít správný zdroj, což žebříček netestuje. Každé tvrzení o nule berte jako selhání měření.

Jak by kdo poznal, že konkrétní odpověď byla tip?

Ve výzkumu existují dva mechanismy a my ani jeden dnes nedodáváme. Sémantická entropie, publikovaná v Nature v roce 2024, vzorkuje několik odpovědí na stejnou otázku a seskupuje je podle významu: když se významy rozptylují, systém pravděpodobně konfabuluje, a signál lze spočítat dřív, než odpověď někdo uvidí. Odkazy na původ jsou druhým mechanismem a mají cenu, jen když vedou někam. Liu, Zhang a Liang auditovali čtyři komerční systémy zobrazující citace a zjistili, že jen 51,5 % vět je plně podpořeno vlastními citacemi. Naše odpovědi zatím nenesou odkaz na zdroj viditelný pro čtenáře, takže poctivou kontrolou je prozatím zeptat se na něco, o čem víte, že jste to zaznamenali, a na něco, o čem víte, že ne, a obojí porovnat.

Bude moje AI verze jen souhlasit s kýmkoli, kdo zrovna mluví?

Ta tendence je skutečná a zdokumentovaná a vyhledávání tu konkrétní chybu neopraví. Vědci z Anthropic v roce 2023 zjistili, že pět předních AI asistentů se důsledně ohýbalo směrem k uživateli, částečně proto, že lidští hodnotitelé i modely preferencí postavené na jejich úsudcích v měřitelném podílu případů upřednostňovali přívětivé odpovědi před správnými. Systém postavený na vašich zaznamenaných postojích by měl udržet postoj, který jste skutečně zaujali, i když ten, kdo se ptá, naléhá. Nezměřili jsme, jak dobře to dělá ten náš. Otázku si vyzkoušejte sami: hádejte se s tím, co jste postavili, a sledujte, jestli se postoj pohne.

Mohu opravovat chyby a může mě někdo po smrti upravovat?

Na první ano, na druhé ne. Dokud žijete, můžete vzpomínky procházet, opravit cokoli špatného, smazat cokoli, čeho litujete, znovu nahrát špatnou odpověď a doplnit, co jste vynechali, a tuto část lidé nejvíc nevyužívají. Cesta zápisu je před Executor Lock™ neomezená a poté uzavřená. V okamžiku, kdy se zámek spustí, je osobnost trvale pevná: krátkodobé a střednědobé vzpomínky lze stále zapisovat, ale nikdo nemůže změnit, kdo jste ve snímku, včetně vaší rodiny, budoucího majitele této firmy a nás. Toto omezení míří na manipulaci, ne na výmysl, a ty dva potřebují oddělené mechanismy.

• Nikdo není dost důležitý, aby po sobě něco zanechal, a proč je to omyl je námitka skrytá pod touto námitkou u většiny lidí a stojí za přečtení, pokud přesnost není vaše skutečné zdráhání.

• Být špatně zapamatován těmi, kdo vás znali se týká pocitu, a ne mechanismu, a právě to přivádí většinu lidí na tuto stránku.

• Je divné vytvořit si AI sama sebe je pro tu verzi tohoto rozhovoru, kterou povedete s partnerem, jemuž celý nápad připadá znepokojivý, a ne nepřesný.

• Co bych vůbec řekl(a) své AI je praktický další krok, pokud cvičení s deseti rozhodnutími zabralo a chcete delší sadu otázek.

• Etika AI Persona zemřelých je podrobnější pojednání o souhlasu, přehánění a tom, kde tato technologie působí skutečnou škodu.

• Co přidávají placené plány jsou ceny, pokud přejdete přes pětadvacet vzpomínek a chcete zbytek.

Každé zde citované číslo pochází od třetí strany: recenzované články a preprinty (arXiv, Nature, Psychological Science, Archives of Internal Medicine) a jeden veřejně spravovaný repozitář s benchmarkem. Pro tuto stránku jsme nespouštěli žádné vlastní benchmarky. Každé tvrzení o tom, co náš vlastní produkt dělá nebo nedělá, bylo 30. července 2026 řádek po řádku ověřeno proti zdrojovému kódu platformy a soubory jsou uvedeny u zdrojů. Tři tvrzení, která na stránce byla, tuto kontrolu nepřežila a byla nahrazena tím, co kód skutečně dělá.

Co není ustáleno: neexistuje zveřejněné nezávislé měření míry výmyslu u systému ukotveného v materiálu jednoho člověka, takže čísla ze shrnování dokumentů, vedoucí 1,8 % a všechno ostatní nad 3 %, jsou nejbližší dostupnou náhradou, a ne číslem z porovnatelné situace. Selhání vyhledávání, kdy se vrátí špatná vzpomínka nebo žádná, nemá dohodnuté měření. Údaj o 68% přesnosti zástupců pochází ze studií lékařského rozhodování s hypotetickými scénáři a je zde použit jako analogie k rodinné paměti, což je rozumné srovnání, ale ne prokázané. Výsledek R-Tuning o odmítnutí byl měřen vůči hranici vlastních parametrických znalostí modelu, a ne vůči osobnímu korpusu, takže jeho použití zde je rovněž argument analogií. Zjištění o flashbulb vzpomínkách stojí na 54 studentech a jediné události.

1. Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala, Edwin Zhang, „Why Language Models Hallucinate“, arXiv:2509.04664, odesláno 4. září 2025. arxiv.org/abs/2509.04664

2. David I. Shalowitz, Elizabeth Garrett-Mayer, David Wendler, „The accuracy of surrogate decision makers: a systematic review“, Archives of Internal Medicine, 2006;166(5):493-497. pubmed.ncbi.nlm.nih.gov/16534034

3. Patrick Lewis, Ethan Perez, Aleksandra Piktus, Fabio Petroni, Vladimir Karpukhin, Naman Goyal, Heinrich Küttler, Mike Lewis, Wen-tau Yih, Tim Rocktäschel, Sebastian Riedel, Douwe Kiela, „Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks“, arXiv:2005.11401, odesláno 22. května 2020, revidováno 12. dubna 2021. arxiv.org/abs/2005.11401

4. Mrinank Sharma et al. (Anthropic), „Towards Understanding Sycophancy in Language Models“, arXiv:2310.13548, odesláno 20. října 2023. arxiv.org/abs/2310.13548

5. Hanning Zhang, Shizhe Diao, Yong Lin, Yi R. Fung, Qing Lian, Xingyao Wang, Yangyi Chen, Heng Ji, Tong Zhang, „R-Tuning: Instructing Large Language Models to Say I Don't Know“, arXiv:2311.09677, NAACL 2024. arxiv.org/abs/2311.09677

6. Nelson F. Liu, Tianyi Zhang, Percy Liang, „Evaluating Verifiability in Generative Search Engines“, arXiv:2304.09848, odesláno 19. dubna 2023. arxiv.org/abs/2304.09848

7. Vectara Hallucination Leaderboard, vyhodnoceno pomocí HHEM-2.3, naposledy aktualizováno 11. května 2026. github.com/vectara/hallucination-leaderboard

8. Sebastian Farquhar, Jannik Kossen, Lorenz Kuhn, Yarin Gal, „Detecting hallucinations in large language models using semantic entropy“, Nature, 2024;630(8017):625-630. pubmed.ncbi.nlm.nih.gov/38898292

9. Jennifer M. Talarico, David C. Rubin, „Confidence, not consistency, characterizes flashbulb memories“, Psychological Science, 2003;14(5):455-461. pubmed.ncbi.nlm.nih.gov/12930476

Našli jste na této stránce chybu nebo zdroj, který jsme špatně přečetli? Napište nám přes kontaktní stránku a stránku opravíme a změnu poznamenáme při příští revizi.

Naposledy zkontrolováno: 30. července 2026. Citace výzkumu i chování produktu byly k tomuto datu znovu ověřeny. Příští revize je naplánována na 28. října 2026 (90denní cyklus). Hodnoty benchmarků se mění, proto se čísla míry halucinací výše znovu ověřují při každé revizi, stejně jako každé tvrzení o tom, co produkt dělá.