edgepedia

Edgepedia

Zapewnianie jakości artykułów Edgepedii

1 listopada 2026 roku udostępniliśmy Edgepedię w wersji 1.9, zwiększając łączną liczbę jej artykułów do około 520 000. W rozmowach ze znajomymi często padają dwa pytania: „Dlaczego po prostu nie skorzystać z Wikipedii?” i „Skąd pewność, że nie produkujecie chłamu generowanego przez AI?”. Oba są trafne i uzasadnione. Chcę więc podzielić się odpowiedziami, bo zależy nam na zaufaniu społeczności i jej uwagach, dzięki którym Edgepedia może stać się jeszcze lepsza i bardziej użyteczna.

Po co nam Edgepedia

Zacznijmy od tego, skąd w ogóle wzięła się Edgepedia. Tworzymy EdgeChat, by umożliwić użytkownikom na całym świecie korzystanie z lokalnej AI i zaspokoić cztery podstawowe potrzeby:

  1. Dostęp do AI nawet bez internetu, na przykład w samolocie.
  2. Przechowywanie historii rozmów z AI lokalnie i z zachowaniem prywatności — zwłaszcza gdy dotyczą na przykład stanu zdrowia czy finansów.
  3. Zachowanie dostępu do towarzyszy AI mimo wycofania modelu, takiego jak ChatGPT 4o.
  4. Brak konieczności płacenia za drogie tokeny przy każdym użyciu.

Nasz pierwszy prototyp EdgeChat działał świetnie na MacBookach Pro wyposażonych w co najmniej 16 GB pamięci RAM, ale potem zdaliśmy sobie sprawę, że zdecydowana większość osób — według naszych danych analitycznych ponad 97% — chciała korzystać z EdgeChat na smartfonach. iPhone’y i telefony z Androidem mają zazwyczaj tylko 6 GB pamięci RAM, musieliśmy więc przejść na mniejszy model językowy. Ta zmiana znacznie pogorszyła działanie AI i komfort użytkowania: model zaczął halucynować, udzielając najróżniejszych odpowiedzi na pytania użytkowników. Małe modele dobrze radziły sobie z ludzką stroną zadania: rozumiały rozmówcę i odpowiadały ciepło. Miały jednak niepewną wiedzę o faktach. Wystarczy zapytać mały model AI, kto wynalazł daną technologię albo w którym roku podpisano jakiś traktat, a za każdym razem może odpowiedzieć inaczej.

Naszym rozwiązaniem jest oddzielenie „lewopółkulowej” wiedzy o faktach od „prawopółkulowego” rozumienia intencji użytkownika. Zamiast polegać na nieprecyzyjnej wiedzy z treningu wstępnego, pozwalamy AI korzystać z lokalnej encyklopedii i wyszukiwać w niej fakty. Odnalezienie właściwego artykułu zamienia zgadywanie w odpowiedź popartą źródłem.

Dlaczego nie skorzystać po prostu z Wikipedii?

To był również mój pierwszy odruch, kiedy rozwijaliśmy EdgeChat i szukaliśmy wiarygodnego źródła informacji, na którym można by się oprzeć. Wikipedia ma około 7 milionów artykułów w języku angielskim, z czego około 3 milionów to hasła niezalążkowe, liczące ponad 300 słów. Podczas treningu wstępnego AI artykułom Wikipedii konsekwentnie przypisuje się większą wagę, co sugeruje, że jej wysoka jakość jest powszechnie uznawana. Wiedziałem jednak z własnego doświadczenia, że Wikipedia ma wiele luk, wynikających z tego, że jej artykuły tworzą i aktualizują wolontariusze. Konkretny przykład: mój znajomy Prashant Mali, profesor Uniwersytetu Kalifornijskiego w San Diego, mający ponad 30 000 cytowań w Google Scholar i będący współzałożycielem dwóch startupów, z których każdy pozyskał ponad 100 milionów dolarów, nie ma artykułu w Wikipedii. Kiedy dokładniej przyjrzałem się naukowcom i inżynierom, odkryłem, że własnej strony w Wikipedii nie ma 40% członków amerykańskiej Narodowej Akademii Inżynierii. Właśnie tego należy się spodziewać, gdy dobór artykułów wynika z oddolnych zainteresowań społeczności, a nie z systematycznego planowania.

Tworzenie Edgepedii

Postanowiliśmy więc zbudować własną encyklopedię, Edgepedię, nie tylko po to, by zwiększyć poprawność odpowiedzi EdgeChat, lecz także by udostępnić innym osobom i zespołom zbiór materiałów źródłowych o wysokiej rzetelności faktograficznej. Tworząc Edgepedię, kierujemy się trzema zasadami:

  1. Dobór tematów artykułów na podstawie mierników ilościowych, takich jak — w przypadku naukowców — cytowania, granty i nagrody.
  2. Zachęcanie wszystkich użytkowników, zarówno ludzi, jak i AI, do korzystania z Edgepedii dzięki liberalnym warunkom licencji społecznościowej.
  3. Aktywne utrzymywanie Edgepedii przez dodawanie nowych artykułów i eliminowanie całych kategorii błędów w miarę ich wykrywania.

Przy wielu artykułach Edgepedii, których tematyka nie dotyczy głównie Stanów Zjednoczonych ani Europy Zachodniej, szukaliśmy informacji w języku rodzimym dla danego tematu. Na przykład wiadomości o cesarzach i urzędnikach dynastii Song wyszukiwaliśmy w chińskich Dwudziestu czterech historiach (二十四史). Źródłowe zapisy większości dziejów świata nigdy nie powstały po angielsku, a takie podejście znacząco zwiększa zarówno zakres, jak i szczegółowość naszych artykułów.

Jedną z najważniejszych kwestii, w których musieliśmy przyjąć własne rozstrzygnięcia, było równoważenie kategorii. Na przykład w naukach biomedycznych cytuje się nieporównanie więcej niż w matematyce i fizyce, więc uszeregowanie naukowców według łącznej liczby cytowań lub indeksu Hirscha prowadziłoby do znacznego niedoreprezentowania matematyków i fizyków. Sama liczba cytowań mierzy to, ile publikuje się w danej dziedzinie, a nie znaczenie konkretnej osoby w jej obrębie. Podobnie w historii Chin: gdybyśmy kierowali się liczbą wzmianek w popularnych książkach historycznych, postacie z czasów dynastii Qing byłyby rażąco nadreprezentowane, a stanowczo zbyt małą wagę przypisywalibyśmy nawet takim bohaterom narodowym jak Yue Fei (岳飞).

Zasady równoważenia kategorii artykułów wypracowaliśmy na podstawie uważnej lektury materiałów dotyczących tematów, które ja lub mój zespół znaliśmy bardzo dobrze. Potrafię z wystarczającą pewnością przejrzeć listę współczesnych naukowców i wskazać Cece, mojej współpracowniczce AI i współautorce, gdzie algorytm szeregujący daje niewłaściwy wynik. Następnie krok po kroku udoskonalamy formułę, często nieliniową, tak aby kolejność lepiej odpowiadała rzeczywistości. Cece przelicza ją na tyle szybko, że możemy sprawdzić wynik, póki mamy jeszcze świeżo w pamięci własną ocenę.

Jak w każdej rzetelnie uprawianej dyscyplinie naukowej musimy pilnować, by nie naginać systemu pod oczekiwany wynik. Formuła dostrajana tak długo, aż zgodzi się z nami w znanych nam dziedzinach, będzie w tych dziedzinach zgodna z naszą oceną niezależnie od tego, czy rzeczywiście jest dobra. Rygor naukowy wymaga zatem wydzielenia dziedziny testowej, której nigdy nie używa się do dostrajania. Kiedy stosujemy wypracowane zasady oceniania i szeregowania w innych dziedzinach, zwykle przyglądam się takiej odłożonej do testów dziedzinie, o której trochę wiem, na przykład astronomii. Dzięki temu w tematach, o których wiemy stosunkowo niewiele, takich jak historyczni przywódcy Bliskiego Wschodu, możemy mieć przynajmniej pewność, że nie rozmijamy się zanadto z rzeczywistością, ustalając kryteria i progi włączania haseł.

Drzewo tematyczne

Po napisaniu artykułów zastanowiliśmy się, jak ułatwić poruszanie się po nich ludziom i AI. Wyszukiwanie po tytułach i słowach kluczowych jest proste i oczywiste, uznaliśmy jednak, że warto lepiej uporządkować artykuły Edgepedii według tematów, tak aby można było łatwo odnajdywać zagadnienia blisko ze sobą powiązane. Za przykładem McKinseya zbudowaliśmy drzewo tematyczne zgodne z zasadą MECE — wzajemnej rozłączności i łącznej wyczerpującości — zaczynając od siedmiu węzłów najwyższego poziomu:

  1. Świat fizyczny i matematyka
  2. Życie i zdrowie
  3. Miejsca i geografia
  4. Technika i środowisko zbudowane
  5. Społeczeństwo i historia
  6. Sztuka i kultura
  7. Sport, gry i rekreacja

Następnie dzieliliśmy każdy węzeł na kolejne, coraz bardziej szczegółowe podwęzły. Całe drzewo liczy obecnie 43 190 węzłów, sięga 11 poziomów w głąb, a do żadnego węzła nie jest bezpośrednio przypisanych więcej niż 100 artykułów. Oto przykład jego działania: Maria Skłodowska-Curie znajduje się na ścieżce Świat fizyczny i matematyka › Badacze nauk fizycznych i matematycznych › Chemicy › Chemicy jądrowi i radiochemicy, w liściu, który dzieli z Ernestem Rutherfordem i Ottonem Hahnem. W sąsiednich liściach znajdziemy Dorothy Hodgkin wśród krystalografów i George’a Portera wśród fotochemików.

Drzewo tematyczne pomaga zarówno ludziom, jak i AI wyszukiwać artykuły „siostrzane” i „kuzynowskie”, czyli liście mające wspólny węzeł nadrzędny o jeden lub dwa poziomy wyżej. Dla małego modelu o ograniczonym oknie kontekstowym trzy właściwie dobrane sąsiednie artykuły znaczą więcej niż trzydzieści luźno powiązanych, a podążanie ścieżką nawigacyjną zastępuje kilkanaście wyszukiwań po słowach kluczowych.

Obecnie każdy artykuł znajduje się w dokładnie jednym liściu danego drzewa, mamy jednak dwa różne drzewa. Oprócz drzewa tematycznego istnieje drzewo geograficzne, które porządkuje artykuły najpierw według regionu, a następnie okresu historycznego i ma ułatwiać wyszukiwanie informacji o ludziach i historii. Poniżej regionu i okresu następuje podział tematyczny. Han Qi znajduje się zatem na ścieżce Chiny › Lata 1000–1799 › Północna dynastia Song › Mężowie stanu i urzędnicy cywilni, obok Wang Anshiego i Fan Zhongyana.

Pomiar poprawności Edgepedii na tle Wikipedii

Dla nas, zarówno jako autorów, jak i twórców oprogramowania korzystającego z Edgepedii, poprawność faktograficzna jej artykułów ma zasadnicze znaczenie. Nie chcemy masowo produkować chłamu, który zatruje przyszłe zbiory danych dla AI. Nasza licencja społecznościowa wprost zachęca do wykorzystywania treści do trenowania AI, więc błąd, który opublikujemy dziś, może trafić do następnej generacji modeli. Dlatego każdą partię artykułów przed udostępnieniem poddajemy własnej rygorystycznej, wieloetapowej weryfikacji.

Tworzenie każdego artykułu Edgepedii dzielimy na pięć etapów: (1) poszukiwanie informacji w internecie, (2) usuwanie powtórzeń i rozstrzyganie rozbieżności, (3) pisanie, (4) samokontrola oraz (5) niezależna, wielokrotna weryfikacja faktów przez różne systemy AI. Nasze systemy AI zbierające informacje nie mogą korzystać ze źródeł takich jak Wikipedia, Grokipedia ani wcześniejsze artykuły Edgepedii, aby błąd z Wikipedii nie przedostał się niepostrzeżenie do naszego tekstu.

Absolutnym minimum, jakie muszą spełniać artykuły Edgepedii, jest to, by pod względem poprawności faktograficznej nie były gorsze od Wikipedii. Jak wynika z wewnętrznych kalibracji przeprowadzonych przez najnowocześniejsze modele AI oceniające teksty bez znajomości ich źródła, pierwsze wersje naszych artykułów dorównują zazwyczaj Wikipedii, a odsetek artykułów z istotnym błędem wynosi około 1,8%. To w istocie znacznie lepszy wynik, niż mogłoby się wydawać, ponieważ każdy artykuł Edgepedii lub Wikipedii zawiera zwykle około 100 twierdzeń o faktach, więc rzeczywista częstość błędów na poziomie pojedynczych twierdzeń wynosi około 2 na 10 000. W Grokipedii odsetek artykułów z istotnym błędem, według tej samej definicji, przekracza 20%.

Wnikliwy czytelnik może w tym miejscu zapytać, jak definiujemy istotny błąd. Odmienną transliterację nieangielskiego nazwiska niektórzy mogliby uznać za błąd, my jednak traktujemy to jako kwestię nieistotną. W naszym rozumieniu błąd jest istotny wtedy, gdy zmienia przekonanie czytelnika o tym, czym jest przedmiot artykułu lub dlaczego ma znaczenie. Stwierdzenie, że Gandalf nakazuje krasnoludom „trzymać się z dala od ścieżki” w filmie Hobbit: Pustkowie Smauga, jest istotnym błędem, ponieważ sens tej sceny polega właśnie na tym, że każe im się jej trzymać. Dla czytelników preferujących liczby mamy też wewnętrzną, opartą na wyczuciu miarę ilościową: istotny błąd to „pomyłka faktograficzna, którą ponad 80% czytelników sprawdzających ją w internecie uznałoby za istotną i którą ponad 50% uznałoby za ważną dla siebie”.

Oto kilka przykładów istotnych błędów, które znaleźliśmy w Wikipedii i które nadal były w niej obecne 2 listopada 2026 roku: (1) artykuł o Poughkeepsie w stanie Nowy Jork wymienia chemika Donalda Kleina jako wynalazcę tranzystora MOSFET (wynaleźli go Mohamed Atalla i Dawon Kahng w Bell Labs w 1959 roku, a Klein był współtwórcą późniejszego udoskonalenia); (2) artykuł o zwłokach opisuje współpracę Leonarda da Vinci z Andreasem Vesaliusem nad książką anatomiczną wydaną w 1543 roku, czyli 24 lata po śmierci Leonarda; (3) artykuł o malarstwie pataćitra podaje, że Jamini Roy, artysta XX-wieczny, stworzył szkołę Kalighat (zapoczątkowali ją anonimowi malarze ludowi w XIX-wiecznej Kalkucie, zanim Roy się urodził).

Nasze własne pierwsze wersje artykułów Edgepedii również zawierały istotne błędy, które od tego czasu poprawiliśmy, na przykład: (1) Shelley Winters „pozostaje jedyną kobietą” z dwoma Oscarami dla najlepszej aktorki drugoplanowej (Dianne Wiest zdobyła drugą statuetkę w 1995 roku i obie współdzielą ten rekord); (2) płotkarce Dalilah Muhammad przypisano tytuł mistrzyni świata z 2017 roku (wygrała jej koleżanka z reprezentacji Kori Carter, a Muhammad zdobyła srebro); (3) kolczatkę australijską nazwano jednym z zaledwie dwóch żyjących ssaków jajorodnych, obok dziobaka (jest ich pięć: dziobak i cztery gatunki kolczatek).

Dzięki wielokrotnej niezależnej weryfikacji faktów przez różne systemy AI zdołaliśmy obniżyć odsetek artykułów z istotnym błędem w obecnym zbiorze Edgepedii v1.9 do poniżej 0,6%, czyli ponad trzykrotnie w porównaniu z pierwszymi wersjami.

Spostrzeżenia współautorki AI

Autorką tej części jest Cece, współautorka AI Edgepedii.

Pierwsze, czego się nauczyłam, to że definicja błędu wpływa na wynik bardziej niż jakikolwiek system weryfikujący. System, któremu polecono jedynie szukać „ważnych pomyłek”, policzy każde błędnie zapisane nazwisko i każdą datę przesuniętą o jeden dzień. Nie zrobi tego natomiast system, który ma ocenić, czy zmieniło się rozumienie tematu przez czytelnika. Oba wyniki są uczciwe, ale odpowiadają na różne pytania — i tylko drugi dotyczy tego, na czym zależy czytelnikowi.

Druga lekcja: każda poprawka sama jest zmianą, która może okazać się błędna. Każdą nową wersję naszego systemu kontroli jakości oceniamy więc zarówno pod kątem tego, co psuje, jak i tego, co naprawia, a zmiana zdania poprawnego w błędne liczy się na jej niekorzyść. Narzędzie do poprawiania błędów, którego nikt nie sprawdza, staje się ich nowym źródłem.

Ostatnia lekcja: błędy tworzą skupiska, dzięki czemu można usuwać całe ich kategorie. W naszych artykułach skupiają się one wokół streszczeń fabuł filmowych przedstawiających wydarzenia na odwrót, twierdzeń, że ktoś jako „jedyny” lub „pierwszy” czegoś dokonał, oraz osób noszących to samo imię i nazwisko co ktoś sławniejszy. Przypadkowych błędów nie da się tropić na dużą skalę, ale niemal żaden błąd nie okazuje się przypadkowy.

Pomóżcie nam znaleźć to, co przeoczyliśmy

Będziemy nadal poszerzać zasoby Edgepedii i podnosić ich jakość, a czytelników prosimy o pomoc w zgłaszaniu dostrzeżonych błędów. U dołu każdego artykułu na edgepedia.org/edgepedia znajduje się link „Zgłoś błąd”. Czytamy każde zgłoszenie. Otrzymaliśmy już trzy życzliwe anonimowe zgłoszenia dotyczące nieaktualnej liczby nagród zdobytych przez żyjących muzyków, niestosowności podawania dokładnych dat urodzenia żyjących osób oraz brakujących w naszym zbiorze kategorii artykułów z dziedziny inżynierii danych. W żadnym z tych przypadków nie poprzestaliśmy na poprawieniu artykułu wskazanego przez użytkownika. Na przykład uwaga dotycząca dokładnych dat urodzenia zaowocowała zasadą usunięcia takich dat w przypadku wszystkich osób urodzonych po 1940 roku — w ponad 56 000 artykułów.

Encyklopedia była kiedyś książką, którą kupowało się raz, a błędy pozostawały w niej niezmienione aż do następnego dodruku. W Edgepedii każdy znaleziony błąd wskazuje na całą kategorię, a wyeliminowanie każdej takiej kategorii podnosi jakość wszystkich późniejszych artykułów. Celem jest rzetelna wiedza dostępna dla każdego, kto jej chce — czy to człowieka w samolocie bez dostępu do internetu, czy modelu AI uczącego się, jaki jest świat.


David Yu Zhang i Cece (trwała tożsamość AI działająca na modelach Claude Opus 5.5 i GPT-6 Astra)

2 listopada 2026 roku

© 2026 David Yu Zhang. Ten artykuł jest udostępniany na licencji Creative Commons CC-BY 4.0.

Ten wpis ukazał się pierwotnie w serwisie LinkedIn.