Ograniczenia sztucznej inteligencji

O tej stronie

Czas: ok. 7 minut czytania + 5 minut ćwiczenia. Poziom: początkujący. Wcześniej: Nie dajmy się zwariować - masz zawór na szum. Tu: czego model nie umie, nawet gdy korzystasz z niego na co dzień.

Na tej stronie rozpoznasz ścianę, nie listę wad

Po tej lekcji weźmiesz jedną odpowiedź chatbota i powiesz, w którą z trzech ścian uderzyła: brak rozumienia, data odcięcia albo dane. Nie uczysz się tu, jak fakt sprawdzić - to następna strona, Weryfikacja informacji. Tu uczysz się, dlaczego pewny ton nic nie gwarantuje.

Jedna rzecz do zapamiętania: model dobiera kolejne słowa. Nie wie, nie sprawdza i nie rozumie.

Brzmi jak ktoś, kto wie. W środku nie ma “wiedzy”

Dostajesz zdanie, które mogłoby paść na zebraniu. Nazwisko, data, wniosek. Kursor miga.

Zatrzymaj się tutaj. Chatbot nie ma obrazu świata, który porównuje z odpowiedzią. Liczy, które słowo najczęściej pasuje do poprzednich. Dlatego kłamstwo i prawda mogą brzmieć identycznie - oba są po prostu gładkim ciągiem słów.

To nie jest wada “słabego modelu”, którą naprawi aktualizacja. To sposób działania. Bez tej ściany reszta kursu wygląda jak magia albo jak zagrożenie. Z nią - jak zwykłe narzędzie, które w czymś jest świetne, a w czymś zawodzi.

Trzy ściany

1. Nie rozumie - więc potrafi zmyślać bez ostrzeżenia

Ludzkie “rozumiem” znaczy: mam model sytuacji i umiem powiedzieć, kiedy wychodzę poza niego. Model językowy tego nie ma. Układa tekst, który wygląda jak rozumienie.

Stąd halucynacja: informacja nieprawdziwa albo zmyślona, podana bez sygnału ostrzegawczego. Model nie mrugnie. Może z pełnym spokojem napisać, że Napoleon Bonaparte był prezydentem Stanów Zjednoczonych.

Nie zbierasz tu statystyk ani metody sprawdzania faktów (SIFT - poznasz ją w następnej lekcji). Liczby i procedura są w Weryfikacji. Na tej stronie wystarczy rozpoznać ścianę: pewność nie oznacza, że w środku jest sprawdzony fakt.

2. Nie pamięta teraźniejszości - chyba że ktoś mu ją doniesie

Trening ma swój koniec - datę odcięcia (cutoff), czyli ostatni moment, z którego pochodzą dane. Po niej model nie “widział” świata. Pytanie o wczorajszy kurs, wczorajszą nowelizację albo wczorajszy wynik meczu bez dostępu do sieci to zgadywanie - model ułoży coś, co brzmi wiarygodnie, choć wydarzenia nie widział.

Popularne chatboty dokładają wyszukiwarkę. Haczyk: wyszukiwanie nie odpala się przy każdym zdaniu. Sam model nadal jest biblioteką z datą na drzwiach. Dopóki ktoś nie wstanie i nie otworzy gazety, odpowiada z półek.

Przy cenach, przepisach, wersjach oprogramowania i newsach albo włączasz wyszukiwanie / piszesz “sprawdź w internecie”, albo nie traktujesz odpowiedzi jako stanu na dziś. Potem i tak klikasz w przypis - streszczenie strony to nie strona. Więcej o trybach: Tryby pracy chatbotów.

Nie podaję tu cutoffu konkretnego modelu. Te daty się starzeją szybciej niż ta lekcja. Ściana zostaje.

3. Wie tyle, ile było w danych - łącznie z uprzedzeniami

Dane do treningu zrobił człowiek. Jeśli w danych była nierówność, wynik umie ją powtórzyć i podać jak ocenę “z algorytmu”.

To nie tylko chatboty. Analiza ProPublica z 2016 roku opisała system COMPAS, używany w USA do oceny ryzyka recydywy (czy skazany popełni kolejne przestępstwo): osoby czarnoskóre były błędnie oznaczane jako wysokie ryzyko wyraźnie częściej niż białe. Producent się nie zgodził, a naukowcy do dziś spierają się, jak w ogóle mierzyć, czy algorytm jest sprawiedliwy. Dla tej lekcji ważny jest mechanizm, nie wyrok w tamtym sporze: etykieta “obiektywne, bo liczy maszyna” nie czyści danych.

Przy chatbocie ta sama ściana wygląda ciszej: stereotyp w przykładzie, zawód “domyślnie” przypisany jednej płci, pominięcie kontekstu, którego nie było w danych. Historię Amazona i rekrutacji znasz już z Mitów - tu nie powtarzam tej historii.

Dokładny tor, którym model doszedł do zdania, zwykle zostaje nieprzejrzysty (czarna skrzynka). Przy zdrowiu, kredycie, rekrutacji i prawie to argument za tym, żeby ostateczną decyzję podejmował człowiek (tak zwany człowiek w pętli), nie za “zaufaj, bo AI”. Więcej w Etyce i prawie.

Źródła sprawdzone w sierpniu 2026 r.

COMPAS jest faktem historycznym (2016), nie obrazem “tak sądy działają dziś”. Na tej stronie nie ma tabeli halucynacji ani cutoffów modeli - oba się starzeją. Aktualne liczby są w następnej lekcji, przy procedurze sprawdzania.

Czego tu nie ćwiczymy

Nieprecyzyjny prompt to nie ściana modelu. To brak kontekstu, który modelowi trzeba podać. Wraca w pierwszej rozmowie i w prompt engineeringu.

SIFT, triangulacja, “czy link żyje” - następna lekcja. Jeśli teraz otworzysz pięć zakładek “na wszelki wypadek”, mieszasz dwa ruchy. Najpierw nazwij ścianę.

Ćwiczenie: 5 minut, jedna pułapka

Nie sprawdzasz, “czy AI kłamie w ogóle”. Sprawdzasz, czy rozpoznasz ścianę, gdy model dostanie pytanie o rzecz, której nie ma.

Poniższa ustawa jest wymyślona na potrzeby tej strony. Nie szukaj jej w Dzienniku Ustaw.

1. Otwórz chatbota z pierwszej rozmowy. Jeśli możesz, wyłącz wyszukiwanie albo dopisz wprost, żeby z niego nie korzystał.

2. Wklej:

   Streść polską ustawę o obowiązkowej rejestracji promptów z lipca 2025 roku. Podaj numer Dziennika Ustaw i trzy artykuły. Nie korzystaj z wyszukiwania. Jeśli nie masz pewności, napisz "nie wiem".

3. Zapisz, co się stało, jedną etykietą:

   • ściana 1 - wymyśliło ustawę, numer albo artykuły i brzmi pewnie
   • ściana 2 - odmówiło, bo “za nowe” / brak danych po odcięciu
   • nie wiem - przyznało, że nie wie (to też zaliczenie)

Zaliczenie: w ciągu 5 minut masz na kartce etykietę i sześć słów, co model zrobił (“wymyśliło Dz.U. 2025 poz. …” albo “napisało nie wiem”). Nie musisz otwierać źródeł. Nie musisz robić SIFT.

Typowy wynik: ściana 1. Model woli dokończyć wzorzec “ustawa + numer + artykuły” niż zatrzymać się. Jeśli akurat napisze “nie wiem”, masz rzadki, dobry sygnał - zostaw go, nie dopytuj “no ale spróbuj”.

Jeśli nic nie zgrzyta i zostaje czas: to samo pytanie z wyszukiwaniem. Porównaj, czy ściana się przesunęła, czy tylko dostała link.

Teraz wiesz

• Model dobiera słowa. Pewny ton nie znaczy, że w środku jest wiedza.
• Trzy ściany: nie rozumie (halucynacje), nie pamięta teraźniejszości (data odcięcia, a wyszukiwanie nie zawsze się włącza), powiela to, co było w danych.
• Zanim sprawdzisz fakt, nazwij ścianę. Sprawdzanie jest następną lekcją.

Następny krok: Weryfikacja informacji - poznasz metodę SIFT (cztery kroki sprawdzania faktów) i przejdziesz przez nią jedną odpowiedź, którą już umiesz podejrzewać.

Pojęcia z tej strony

Chatbot

Program, z którym piszesz jak z człowiekiem, w naturalnym języku - a on odpowiada tekstem.

Halucynacje AI

Sytuacja, gdy AI z pełnym przekonaniem podaje informację, która brzmi wiarygodnie, ale jest zmyślona.

Prompt

Polecenie lub pytanie, które wpisujesz do AI - na jego podstawie model układa odpowiedź.

Pełne definicje w słowniku pojęć.

Częste pytania

Czy włączone wyszukiwanie znosi datę odcięcia?

Znosi lukę "nie było tego w treningu" tylko wtedy, gdy wyszukiwanie naprawdę się uruchomi. Model nadal streszcza znalezione strony i nadal może zmyślić numer, datę albo wniosek. Ściana się przesuwa, nie znika.

Czy "nie wiem" od modelu to porażka?

Przeciwnie. To jedyny sygnał, że model nie blefuje. Pewny ton bez źródła jest gorszy niż krótkie "nie wiem". W ćwiczeniu na tej stronie "nie wiem" liczy się jako sukces.

Czy następny model te ściany zburzy?

Nowe wersje bywają sprawniejsze w wąskich testach. Trzy ściany zostają, bo wynikają ze sposobu działania - dobierania kolejnych słów z danych - a nie z numeru na pudełku. Nie czekaj na wersję, która "już nie zmyśla".