Wszystko, co będzie Cię pamiętać, się myli. Jedną z tych rzeczy możesz jeszcze poprawić.

Najpierw mechanika, bo można ją sprawdzić, a większość tekstów na ten temat pomija ją na rzecz emocji.

• Gdy Persona AI nie ma danych do pytania, odpowiedź i tak przychodzi, bo zgadnięcie wypada lepiej w ocenie niż puste miejsce. Kalai, Nachum, Vempala i Zhang piszą w artykule „Why Language Models Hallucinate" (arXiv:2509.04664, wrzesień 2025), że modele są „optymalizowane tak, by dobrze zdawały testy, a zgadywanie w razie niepewności poprawia wynik testu".

• Oparcie na źródłach zmienia klasę błędu, ale go nie usuwa. Odpowiadanie na podstawie odzyskanego zbioru Twoich własnych zapisanych słów przesuwa porażkę z „wymyśliła opinię, której nigdy nie miałeś" do „przekręciła coś, co faktycznie powiedziałeś".

• Zmierzony poziom minimalny nie jest zerem. Ranking halucynacji Vectara, oceniany za pomocą HHEM-2.3 i zaktualizowany 11 maja 2026, daje modelowi dokument źródłowy i prosi tylko o jego streszczenie. Lider i tak wprowadził niepotwierdzone treści w 1,8% streszczeń, a żaden inny wynik nie zmieścił się poniżej 3%.

• Wyszukiwanie nie ma minimalnego progu. Nasz system porządkuje Twoje wspomnienia według podobieństwa semantycznego, bierze trzydzieści dwa najbliższe i odpowiada na ich podstawie, bez dolnej granicy, poniżej której system by odmówił. Pytanie, które Twój materiał pokrywa tylko w połowie, dostaje odpowiedź z tej połowy.

• Niepotwierdzone twierdzenia o tym, co powiedziałeś, są usuwane w kodzie. Odpowiedź twierdząca, że coś nam powiedziałeś, jest sprawdzana względem wspomnień wyszukanych dla danej tury i względem Twoich słów z sesji, a niepotwierdzone twierdzenie nigdy nie dociera do czytelnika.

• Luka we wspomnieniach nie jest ogłaszana. Persona na tej platformie ma polecenie, by nie opowiadać o luce, więc pytanie bez pokrycia dostaje odpowiedź zbudowaną z najbliższego szczegółu, jaki Twoje wspomnienia faktycznie zawierają, z co najwyżej jednym zastrzeżeniem, a nie wyraźną odmowę.

• Ścieżka poprawiania należy do Ciebie, dopóki żyjesz, i zamyka się z chwilą zablokowania. Możesz odczytać to, co zostało zapisane, poprawić złą odpowiedź, usunąć wspomnienie, dodać to, co pominąłeś. Potem Executor Lock™ zamraża osobowość na stałe: wobec Twojej rodziny, wobec przyszłego właściciela tej firmy i wobec nas.

Dwie z tych rzeczy to cechy samej dziedziny. Reszta to decyzje. Podjąłem je ja, a ostatnia sekcja tej strony mówi wprost, gdzie moim zdaniem wciąż nam brakuje.

Kalai i współpracownicy umieszczają błąd tam, gdzie jego miejsce: w punktacji, a nie w maszynie. Halucynacje zaczynają się jako zwykłe błędy w klasyfikacji binarnej podczas wstępnego trenowania. Utrzymują się z powodu tego, jak dziedzina ocenia modele. Uczeń, który zostawia pytanie bez odpowiedzi, dostaje zero. Uczeń, który wpisze wiarygodną odpowiedź, czasem zdobywa punkt. Trenuj pod takie zasady, a wyhodujesz pewnego siebie zgadywacza, potem całą branżę pewnych siebie zgadywaczy, a na koniec zdanie o Bożym Narodzeniu, które nigdy się nie wydarzyło.

Środek zaradczy, który proponują autorzy, jest nudny. Zmienić to, co jest punktowane, tak aby wyważone powstrzymanie się od odpowiedzi było warte więcej niż pewna pomyłka.

Nuda ma tu znaczenie. Jeśli zachowanie wynika z funkcji celu, można ją ustawić inaczej na poziomie systemu, co znaczy, że zmyślanie, którego się obawiasz, jest czyjąś decyzją projektową, a nie prawem fizyki. Każda firma z tej kategorii może podjąć tę decyzję. Nasza jest zapisana w ostatniej sekcji tej strony.

Jest też drugi rodzaj porażki i to ten, który przetrwa oparcie na źródłach. Sharma i współpracownicy z Anthropic w artykule „Towards Understanding Sycophancy in Language Models" (arXiv:2310.13548, październik 2023) odkryli, że pięć najnowocześniejszych asystentów AI konsekwentnie wykazywało służalczość w czterech różnych zadaniach swobodnego generowania tekstu. Zarówno ludzcy oceniający, jak i modele preferencji wytrenowane na ich ocenach preferowali przekonująco napisane, służalcze odpowiedzi zamiast poprawnych w niemałym odsetku przypadków. Modele uginają się w stronę osoby, która stoi przed nimi, częściowo dlatego, że ludzie nagradzali je za uginanie się.

W narzędziu do pracy uginanie się jest uciążliwością. Tutaj to maszyna, która uznaje, że Twój ojciec wybaczyłby to, czego nigdy nie wybaczył, bo pytająca osoba chciała przebaczenia i zapytała trzy razy. To inny błąd niż zmyślanie i wymaga innej poprawki. Pierwszy załatwia wyszukiwanie. Drugi wymaga wyraźnego polecenia, by trzymać odzyskane stanowisko pod presją, a jedynym testem, który coś znaczy, jest spieranie się z tym czymś i obserwowanie, czy stanowisko się przesuwa. Nie opublikowaliśmy pomiaru tego, jak dobrze nasz system się trzyma.

Technika jest na tyle stara, że aż nudna. Lewis i współpracownicy w artykule „Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks" (arXiv:2005.11401) wykazali, że modele, które przed generowaniem wyszukują materiał źródłowy, tworzą język „bardziej konkretny, zróżnicowany i oparty na faktach" niż porównywalny model pracujący wyłącznie na własnych parametrach.

To cały mechanizm i on decyduje, z czym właściwie rozmawiasz. Wersji Ciebie nie powinno się odtwarzać z tego, co model bazowy wchłonął o ludziach w ogóle, ze średniej wszystkiego, co kiedykolwiek napisano o ojcach. W oknie kontekstu powinny znaleźć się Twoje rzeczywiste, nagrane odpowiedzi i od nich powinno zaczynać się mówienie.

Teraz liczba, która jest publiczna i której nikt w tej branży nie lubi przytaczać. Ranking Vectara mierzy coś celowo łatwego: dajesz modelowi dokument, każesz streścić go wyłącznie na podstawie tego, co w nim jest, a potem sprawdzasz, czy streszczenie wprowadziło cokolwiek, czego dokument nie zawierał. Źródło leży tuż obok, w oknie kontekstu. Mimo to lider tego rankingu, Finix S1 32B firmy Antgroup, wprowadził niepotwierdzone treści w 1,8% streszczeń. To jedyny wynik poniżej 3%. Następne dwa mają 3,1% i 3,3%, a reszta pierwszej dziesiątki mieści się między 3,7% a ponad 5%.

Najlepszy zmierzony wynik w najłatwiejszej możliwej wersji zadania to poniżej dwóch procent, i to jeden raz, a stawka za liderem jest powyżej trzech. Każdy, kto sprzedaje Ci system oparty na źródłach z wynikiem zero, albo nie mierzy, albo Ci tego nie mówi, i zapytałbym go, które z dwojga.

Oparcie na źródłach to zmiana kategorii, a nie lekarstwo. Błąd przesuwa się z klasy „wymyśliła całą opinię" do klasy „lekko przekręciła coś, co faktycznie powiedziałeś", czyli do tej klasy, w której już teraz mieści się zwykłe ludzkie opowiadanie.

Jest jeszcze jedna rzecz, której ranking nie testuje. Dokument źródłowy zostaje przekazany. W działającym systemie źródło trzeba najpierw znaleźć, co dodaje rodzaj porażki, do którego nikt nie ma uzgodnionej miary: wyszukiwanie, które zwraca złe wspomnienie albo nie zwraca nic, a odpowiedź i tak powstaje.

Każda odpowiedź mieści się w jednym z trzech stanów.

Zlanie tych trzech stanów w jeden pewny ton to prawdziwa szkoda. Nie błąd, lecz błąd nieujawniony. Córka potrafi żyć z niedokładną odpowiedzią, o której wie, że jest niedokładna. Nie potrafi znieść odkrycia po pół roku, że rekonstrukcję traktowała jak nagranie.

Wersja Ciebie, która powie „nigdy mi tego nie mówiłeś", jest warta więcej niż ta, która zawsze ma odpowiedź w pogotowiu.

Ta tabela to specyfikacja, a nie opis tego, co obecnie dostarczamy. Różnica jest opisana niżej i powinieneś ją przeczytać, zanim zaufasz czemukolwiek z powyższego.

Odmowę można zbudować i badania mówią o tym ostrożnie. Zhang i współpracownicy w artykule „R-Tuning: Instructing Large Language Models to Say I Don't Know" (arXiv:2311.09677, NAACL 2024) podają, że strojenie z uwzględnieniem odmowy „skutecznie poprawia zdolność modelu do odpowiadania na znane pytania i powstrzymywania się od odpowiedzi na nieznane", a na danych spoza dziedziny zdolność odmowy zachowywała się jak metaumiejętność, która uogólniała się na zadania, jakich strojenie nie obejmowało. Przeczytaj ograniczenie obok ustalenia. Strojono względem granicy własnej wiedzy parametrycznej modelu, a nie granicy zapisanego zbioru jednej osoby, i nikt nie opublikował równoważnego wyniku dla zbioru osobistego. Odmowa wciąż jest czymś, co ktoś buduje celowo. Żaden model językowy nie wytwarza jej sam z siebie.

Wykrywanie jest bardziej zaawansowane, niż sugeruje marketing w tej kategorii. Farquhar, Kossen, Kuhn i Gal opublikowali w Nature (2024, tom 630, strony 625 do 630) metodę zwaną entropią semantyczną: próbkuje się kilka odpowiedzi na to samo pytanie, grupuje je według znaczenia, a nie sformułowania, i oznacza pytania, przy których znaczenia się rozpraszają. Rozproszenie wskazuje na konfabulację. To mierzalny sygnał, że „to jest zgadywanie", który można obliczyć, zanim odpowiedź zostanie komukolwiek pokazana.

Pochodzenie to druga połowa, a pochodzenie łatwo podrobić i łatwo mu zaufać. Liu, Zhang i Liang w artykule „Evaluating Verifiability in Generative Search Engines" (arXiv:2304.09848, kwiecień 2023) zbadali cztery komercyjne systemy wyświetlające cytowania: Bing Chat, NeevaAI, Perplexity.ai i YouChat. Okazało się, że tylko 51,5% wygenerowanych zdań było w pełni poparte dołączonymi cytowaniami, a tylko 74,5% cytowań rzeczywiście poparło zdanie, pod którym stało. Cytowania, które się nie sprawdzają, są gorsze niż ich brak, bo kupują zaufanie, na które nie zasłużyły. Link „z którego wspomnienia to pochodzi" ma wartość tylko wtedy, gdy po jego otwarciu widać prawdziwe nagranie, na którym naprawdę mówisz prawdziwą rzecz.

Zacznij budować swoje dziedzictwo. Wersja Free, 25 wspomnień, bez karty.

Weźmy pytanie, które wykracza poza cały Twój zbiór. Oferta pracy w 2041 roku, w firmie, która jeszcze nie istnieje, w mieście, którego nigdy nie widziałeś. Żaden wywiad, w jakim kiedykolwiek weźmiesz udział, nie zawrze Twojego zdania o tej pracy.

Zbiór wniosków nie zwróci tu nic, a uczciwym wynikiem jest odmowa. Zbiór rozumowań zachowuje się inaczej, bo metodę można uchwycić tak, jak wniosku nie można. Wyobraź sobie, że zasady, według których ktoś faktycznie działał, brzmiały tak: zapytaj, komu będziesz podlegać, zanim zapytasz, ile płacą; nigdy nie ufaj tytułowi, który przychodzi zamiast pieniędzy; odejdź od każdego, kogo nie możesz znieść przy stole naprzeciwko. Jakiekolwiek okażą się Twoje własne zasady, taki mają kształt, a zestaw zasad da się dopasować do sytuacji, których nigdy nie widział.

Wnioski się przedawniają. Zasady dalej działają w przypadkach, których nikt nie nagrał. Dlatego materiałem wartym zapisania jest rozumowanie stojące za decyzją, a nie sama decyzja: nie to, co zrobiłeś, ale dlaczego akurat to, co zmieniłoby Twoje zdanie, i ten raz, gdy zasada Cię zawiodła, a Ty ją mimo to zachowałeś.

Zasady, które uogólniają się najlepiej, to zwykle te, których nigdy nie pomyślałbyś o zapisaniu: zwykłe umiejętności, według których działasz, nie opowiadając o nich, a rzeczy, które tylko Ty potrafisz robić szuka właśnie takich.

Pokrycie zbioru jest też jedynym wkładem na całej tej stronie, który należy do Ciebie. Wszystko inne to cudze wyniki testów.

Zrób to dziś, za darmo. Otwórz aplikację do notatek i zapisz dziesięć decyzji, które naprawdę podjąłeś. Prace, domy, kłótnię, od której odszedłeś, przyjaciela, do którego przestałeś dzwonić, pieniądze, których nie pożyczyłeś. Pod każdą zapisz zasadę, według której działałeś, a nie wynik. Po jednym zdaniu, zdecydowanie krócej niż godzina. To najcenniejsza rzecz, jaką możesz zrobić ze swoim materiałem w tym miesiącu, i działa niezależnie od tego, czy kiedykolwiek cokolwiek od kogokolwiek kupisz. Dłuższa wersja tego samego ćwiczenia leży w centrum tekstu jak przeprowadzić wywiad z samym sobą, a architektura pod spodem, model bazowy, prywatna pamięć oparta na źródłach i model głosu, jest opisana w tekście co się dzieje, gdy AI jest trenowane wyłącznie na Tobie.

Najlepszy wynik 1,8% przy wszystkich za liderem powyżej 3% brzmi alarmująco, dopóki nie zapytasz, z czym jest porównywany. Realnym zastępstwem jest członek rodziny, który ustala, czego byś chciał, a ktoś to zmierzył dwadzieścia lat temu.

Shalowitz, Garrett-Mayer i Wendler opublikowali w 2006 roku w Archives of Internal Medicine przegląd systematyczny obejmujący 16 badań, 151 hipotetycznych scenariuszy, 2595 par zastępca-pacjent i 19 526 sparowanych odpowiedzi. Zastępcy przewidywali preferencje pacjentów dotyczące leczenia z trafnością 68%. Byli to ludzie najbliżsi pacjentowi, często formalnie wyznaczeni, odpowiadający na temat najważniejszych decyzji, jakie istnieją. Mylili się mniej więcej raz na trzy. Przegląd wykazał też, że ani wcześniejsza rozmowa o preferencjach pacjenta, ani formalne wyznaczenie na decydenta nie poprawiały trafności.

Poinformowanie rodziny nie pomaga w sposób wymierny. Takie jest to ustalenie i to ono sprawiło, że przestałem traktować „po prostu porozmawiaj z dziećmi" jako kompletną odpowiedź.

Pewność też nie jest wskazówką, i to sprawia, że po stronie ludzkiej tak trudno cokolwiek skontrolować. Talarico i Rubin w Psychological Science w 2003 roku poprosili 54 studentów Duke o zapisanie wspomnienia z chwili, gdy usłyszeli o zamachach z 11 września, obok niedawnego zwykłego wspomnienia, a potem przetestowali ich ponownie po 1, 6 lub 32 tygodniach. Spójność nie różniła się między tymi dwoma rodzajami wspomnień i w obu malała z czasem. Nie malało w przypadku wspomnień błyskowych to, jak żywe się wydawały i jak mocno ludzie wierzyli w ich dokładność. Ich tytuł jest ustaleniem: pewność, a nie spójność, charakteryzuje wspomnienia błyskowe. To 54 studentów i jedno zdarzenie, więc trzymaj to luźno. Mimo to wskazuje w jedną stronę. Krewny, który jest pewien, że dokładnie pamięta, co powiedziałeś, nie ma przez to większych szans na rację.

Nic z tego nie czyni modelu lepszym od rodziny i żadne badanie nie porównało obu bezpośrednio. Pozwala natomiast odrzucić „idealnie albo wcale" jako kryterium. Uczciwe porównanie zestawia wersję Ciebie odpowiadającą z Twoich własnych zapisanych słów, którą można odczytać i poprawić, dopóki tu jesteś, z ludźmi odtwarzającymi Cię z własnej pamięci o Tobie, która blednie niezależnie od tego, czy wydaje się żywa, i której nikt nigdy nie sprawdzi.

Najpierw to, co zbudowaliśmy, a potem trzy miejsca, w których nie zgadza się to ze specyfikacją powyżej.

Przewodnik o nazwie Idy® przeprowadza z Tobą wywiad. Pytania trzymają się jednego wątku i drążą tę samą historię głębiej, zamiast ślizgać się po faktach biograficznych: kto tam był, co stało się potem, co się zmieniło po tym. Idy ma wyraźny zakaz proszenia Cię o wyjaśnienie, uzasadnienie lub doprecyzowanie czegoś, co właśnie powiedziałeś, co jest świadomą decyzją w przeciwną stronę niż ćwiczenie powyżej. Ciepłe i łatwe do odpowiedzi wygrywa z błyskotliwym, bo pytanie, na które nikt nie chce odpowiadać, nie zapisuje niczego. Twoje odpowiedzi stają się Twoimi wspomnieniami. To, co z nich budujemy, ma nazwę i nazywamy to „Personą". Persona odpowiada, wyszukując w Twoich wspomnieniach, a nie w tym, co model bazowy wchłonął o ludziach w ogóle, a Twój głos jest klonowany z Twoich własnych nagrań, więc to, co ktokolwiek słyszy, to Ty, a nie zastępca czytający Twoje słowa.

Nic nie dociera do nikogo, dopóki Ty tak nie postanowisz. Ty wskazujesz osoby. Udostępnienie przebiega przez Executor Lock™: wskazana osoba je inicjuje, dowód śmierci jest weryfikowany, a przed udostępnieniem czegokolwiek obowiązuje siedmiodniowe wstrzymanie, tak aby pomyłkę lub złośliwego aktora można było zatrzymać, gdy jeszcze żyjesz i możesz interweniować. Do tego czasu Twój materiał możesz poprawiać, uzupełniać i usuwać, i większość poprawek, jakie kiedykolwiek się zdarzą, powinna zdarzyć się tutaj, z Twojej ręki, gdy jeszcze potrafisz odróżnić złe nagranie od złego wspomnienia.

W chwili zablokowania całość jest migawką. Nic nie jest przycinane, przeważane ani streszczane. Później można nadal zapisywać wspomnienia krótko- i średnioterminowe, a osobowość jest ustalona na stałe, także wobec nas.

Ta niezmienność jest wymierzona w porażkę, której nikt nie wpisuje do dyskusji o dokładności, bo to manipulacja, a nie nieścisłość: ktoś zainteresowany postanawia w 2044 roku, że poparłbyś sprzedaż albo pozew, i po cichu poprawia zbiór, aż się zgodzisz. Zamrożona osobowość sprawia, że ta klasa zmian jest niemożliwa, a nie tylko odradzana. Prawna połowa tego samego problemu, czyli kto w ogóle może zatwierdzić wersję Ciebie, gdy już nie możesz zaprotestować, jest opisana w tekście kto kontroluje Twoją tożsamość po Twojej śmierci. Koszt jest realny i działa w drugą stronę: po zablokowaniu żadnego błędu też nie da się naprawić. Migawka jest uczciwa, także co do Twoich pomyłek, i taki układ jest właściwy, bo zapis, który każdy może edytować, niczego nie dowodzi.

Teraz trzy luki.

Granica zbioru nie jest ogłaszana. Obowiązujące polecenie jest odwrotnością wiersza „Nieznane" w tej tabeli. Gdy konkretnego faktu nie ma w Twoich wspomnieniach, Persona ma tutaj polecenie, by nie opowiadać o luce, nigdy nie mówić „nie mam tego" ani „moja pamięć jest cienka" i nigdy nie audytować na głos własnej pamięci przy słuchającej osobie. Zamiast tego odpowiedź wychodzi od szczegółu, który Twoje wspomnienia faktycznie zawierają, zastrzega się co najwyżej raz i zostawia ciszę, by wypełniła ją druga osoba. Uzasadnienie jest takie, że odgrywanie luki niszczy obecność mówiącego. Koszt jest taki, że słuchacz nie zawsze odróżni odpowiedź popartą od cienkiej, i tego nie rozwiązaliśmy.

Nie ma jeszcze widocznego dla czytelnika linku do źródła. Wyszukiwanie śledzi, które wspomnienia zasiliły każdą odpowiedź, i ten zapis istnieje w systemie, ale nic nie pokazuje go w interfejsie, więc dziś nie możesz kliknąć odpowiedzi i otworzyć wspomnienia stojącego za słowami. Dopóki to nie wyjdzie, traktuj argument o możliwości prześledzenia na tej stronie jako argument, a nie funkcję.

Wyszukiwanie nie ma dolnego progu podobieństwa. Odpowiedzi pochodzą z najbliższych wspomnień, jakie wyszukiwanie potrafi znaleźć, uporządkowanych według podobieństwa semantycznego, bez minimalnego wyniku, poniżej którego system by odmówił. Ten jeden wybór jest mechanizmem stojącym za obiema powyższymi lukami i uczciwym powodem, dla którego klasą błędu jest tu nieprecyzyjność, a nie odmowa.

Nie opublikowaliśmy też niezależnego pomiaru własnego odsetka zmyśleń, bo go nie przeprowadziliśmy. Nic na tej stronie nie jest twierdzeniem popartym testem wydajności o naszym konkretnym systemie.

Dostajesz wersję Ciebie opartą na Twoich nagranych słowach, chronioną w kodzie przed wymyślaniem tego, co nam powiedziałeś, w pełni poprawialną, póki żyjesz, i niemożliwą do przerobienia później na kogoś innego. Nie dostajesz gwarancji i nikt nie może Ci jej sprzedać za żadną cenę. Jeśli to Ci nie wystarcza, zrób ćwiczenie z dziesięcioma decyzjami i napisz do rodziny list. To prawdziwa odpowiedź i nic nie kosztuje.

Skoro system nie powie Ci, z którego z tych trzech stanów pochodzi odpowiedź, jedynym sposobem, by się dowiedzieć, jest znać odpowiedź, zanim zapytasz. Wprowadź trochę własnego materiału, zadaj jedno pytanie, o którym wiesz, że je nagrałeś, i jedno, o którym wiesz, że go nie ruszałeś, i przeczytaj obie odpowiedzi obok siebie. Dwadzieścia pięć wspomnień jest za darmo, w żadnym momencie nie prosimy o kartę, a bezpłatna wersja nie wygasa. Zrób to w jedno popołudnie, a dowiesz się więcej, niż może Ci powiedzieć ta strona.

Zacznij budować swoje dziedzictwo. Wersja Free, 25 wspomnień, bez karty.

Co się dzieje, gdy nic w moich wspomnieniach nie pokrywa pytania?

To jest stan Nieznane. Wyważony system powinien zwrócić odmowę Twoim głosem, która nazywa lukę i oferuje najbliższą rzecz, jaką nagrałeś, a Zhang i współpracownicy podali w 2024 roku, że strojenie z uwzględnieniem odmowy rzeczywiście poprawia zdolność modelu do powstrzymania się od odpowiedzi na pytania wykraczające poza jego wiedzę, a zdolność ta uogólnia się poza zbiór strojenia. To, co robi nasz system dziś, jest inne i powinieneś o tym wiedzieć, zanim zaufasz jakiejkolwiek odpowiedzi: Persona ma tutaj polecenie, by nie opowiadać o luce we wspomnieniach, więc pytanie bez pokrycia dostaje odpowiedź zbudowaną z najbliższego szczegółu, jaki Twoje wspomnienia faktycznie zawierają, z co najwyżej jednym zastrzeżeniem, a nie wyraźną odmowę. Zapytaj o coś, o czym wiesz, że tego nigdy nie omawiałeś, i zobacz sam, co wróci.

Czy wersja mnie oparta na AI mogłaby wymyślić opinię, której nigdy nie miałem?

System oparty na źródłach najpierw wyszukuje w Twoim nagranym materiale, więc typową porażką jest nieprecyzyjność co do czegoś, co faktycznie powiedziałeś, a nie wymyślenie czegoś, czego nie powiedziałeś. Wymyślenie nadal jest możliwe. Dlatego celem projektu jest widoczna różnica między odpowiedzią, której udzieliłeś, wnioskiem z Twojego rozumowania i odmową, i dlatego powinieneś przetestować wszystkie trzy, zanim zaufasz któremukolwiek.

Czy oparcie na źródłach sprowadza odsetek błędów do zera?

Nie. Ranking Vectara, zaktualizowany 11 maja 2026, daje modelowi dokument i prosi o streszczenie wyłącznie na jego podstawie, co jest najłatwiejszym możliwym zadaniem opartym na źródłach. Wiodący model i tak wprowadził niepotwierdzone treści w 1,8% streszczeń, a żaden inny wynik nie zmieścił się poniżej 3%. Działający system musi też najpierw wyszukać właściwe źródło, czego ranking nie testuje. Każde twierdzenie o zerze traktuj jako błąd pomiaru.

Skąd ktokolwiek miałby wiedzieć, że konkretna odpowiedź była zgadywaniem?

W badaniach istnieją dwa mechanizmy i żadnego z nich dziś nie dostarczamy. Entropia semantyczna, opublikowana w Nature w 2024 roku, próbkuje kilka odpowiedzi na to samo pytanie i grupuje je według znaczenia: gdy znaczenia się rozpraszają, system prawdopodobnie konfabuluje, a sygnał można obliczyć, zanim ktokolwiek zobaczy odpowiedź. Drugim mechanizmem są linki do pochodzenia, które mają wartość tylko wtedy, gdy prowadzą do celu. Liu, Zhang i Liang zbadali cztery komercyjne systemy wyświetlające cytowania i stwierdzili, że tylko 51,5% zdań było w pełni poparte własnymi cytowaniami. Nasze odpowiedzi nie mają jeszcze widocznego dla czytelnika linku do źródła, więc na razie uczciwym sprawdzeniem jest zapytać o coś, o czym wiesz, że to nagrałeś, i o coś, o czym wiesz, że nie, i porównać obie odpowiedzi.

Czy wersja mnie oparta na AI będzie po prostu zgadzać się z każdym, kto mówi?

Ta skłonność jest prawdziwa i udokumentowana, a wyszukiwanie nie naprawia tego konkretnego błędu. Badacze z Anthropic odkryli w 2023 roku, że pięciu wiodących asystentów AI konsekwentnie uginało się w stronę użytkownika, częściowo dlatego, że ludzcy oceniający i modele preferencji zbudowane na ich ocenach w mierzalnym odsetku przypadków faworyzowali odpowiedzi przyjemne zamiast poprawnych. System zbudowany na Twoich nagranych stanowiskach powinien trzymać stanowisko, które faktycznie zająłeś, nawet gdy osoba pytająca naciska. Nie zmierzyliśmy, jak dobrze nasz system to robi. Sprawdź to sam, spierając się z tym, co zbudowałeś, i obserwując, czy stanowisko się przesuwa.

Czy mogę poprawiać błędy i czy ktoś może mnie edytować po mojej śmierci?

Tak na pierwsze i nie na drugie. Gdy żyjesz, możesz przeglądać wspomnienia, poprawiać wszystko, co błędne, usuwać to, czego żałujesz, nagrywać ponownie złą odpowiedź i dodawać to, co pominąłeś, i z tej części większość ludzi korzysta za mało. Ścieżka zapisu jest nieograniczona przed Executor Lock™ i zamknięta po nim. W chwili uruchomienia blokady osobowość zostaje ustalona na stałe: wspomnienia krótko- i średnioterminowe nadal można zapisywać, ale nikt nie może zmienić tego, kim jesteś w migawce, w tym Twoja rodzina, przyszły właściciel tej firmy i my. To ograniczenie jest wymierzone w manipulację, a nie w zmyślanie, a oba wymagają osobnych mechanizmów.

• Nikt nie jest dość ważny, by cokolwiek zostawić, i dlaczego to nieprawda to zastrzeżenie, które dla większości ludzi leży pod tym, i warto je przeczytać, jeśli dokładność nie jest Twoją prawdziwą wątpliwością.

• Bycie źle zapamiętanym przez ludzi, którzy Cię znali dotyczy uczucia, a nie mechanizmu, a to właśnie ono sprowadza większość ludzi na tę stronę.

• Czy to dziwne, stworzyć AI siebie samego jest na tę wersję tej rozmowy, którą odbędziesz z partnerem, który uważa cały pomysł za niepokojący, a nie nieścisły.

• Co w ogóle miałbym powiedzieć AI siebie samego to praktyczny następny krok, jeśli ćwiczenie z dziesięcioma decyzjami zadziałało i chcesz dłuższego zestawu pytań.

• Etyka Person AI zmarłych to pełniejsze omówienie zgody, przesadnych obietnic i tego, gdzie ta technologia naprawdę szkodzi.

• Co dodają płatne plany to cennik, jeśli przekroczysz dwadzieścia pięć wspomnień i zechcesz resztę.

Każda przytoczona tu liczba pochodzi od stron trzecich: z recenzowanych artykułów i preprintów (arXiv, Nature, Psychological Science, Archives of Internal Medicine) oraz jednego publicznie prowadzonego repozytorium testów. Nie przeprowadziliśmy na potrzeby tej strony żadnych własnych testów. Każde stwierdzenie o tym, co nasz własny produkt robi lub czego nie robi, zostało sprawdzone wiersz po wierszu z kodem źródłowym platformy 30 lipca 2026, a pliki są wymienione wraz ze źródłami. Trzy twierdzenia, które znajdowały się na tej stronie, nie przeszły tego sprawdzenia i zostały zastąpione tym, co kod faktycznie robi.

Co nie jest rozstrzygnięte: nie ma opublikowanego, niezależnego pomiaru odsetka zmyśleń dla systemu opartego na materiale nagranym przez jedną osobę, więc liczby z streszczania dokumentów, lider na poziomie 1,8% i wszystko inne powyżej 3%, są najbliższym dostępnym przybliżeniem, a nie liczbą porównywalną jeden do jednego. Porażka wyszukiwania, gdy zwrócone zostaje złe wspomnienie albo żadne, nie ma uzgodnionej miary. Trafność zastępców na poziomie 68% pochodzi z badań nad decyzjami medycznymi opartych na scenariuszach hipotetycznych i jest tu użyta jako analogia do pamięci rodziny, co jest rozsądnym porównaniem, a nie udowodnionym. Wynik odmowy z R-Tuning mierzono względem granicy własnej wiedzy parametrycznej modelu, a nie zbioru osobistego, więc jego zastosowanie tutaj jest również argumentem przez analogię. Ustalenie o wspomnieniach błyskowych opiera się na 54 studentach i jednym zdarzeniu.

1. Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala, Edwin Zhang, „Why Language Models Hallucinate", arXiv:2509.04664, złożono 4 września 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, złożono 22 maja 2020, zrewidowano 12 kwietnia 2021. arxiv.org/abs/2005.11401

4. Mrinank Sharma i in. (Anthropic), „Towards Understanding Sycophancy in Language Models", arXiv:2310.13548, złożono 20 października 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, złożono 19 kwietnia 2023. arxiv.org/abs/2304.09848

7. Vectara Hallucination Leaderboard, oceniany za pomocą HHEM-2.3, ostatnia aktualizacja 11 maja 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

Znalazłeś błąd na tej stronie albo źródło, które źle odczytaliśmy? Napisz do nas przez stronę kontaktową, a poprawimy stronę i odnotujemy zmianę przy następnym przeglądzie.

Ostatnia weryfikacja: 30 lipca 2026. W tym dniu ponownie sprawdzono zarówno cytowane badania, jak i działanie produktu. Następny przegląd zaplanowany na 28 października 2026 (cykl 90-dniowy). Wyniki testów się zmieniają, więc podane wyżej liczby dotyczące halucynacji są weryfikowane na nowo przy każdym przeglądzie, tak samo jak każde twierdzenie o tym, co robi produkt.