Pagtitiyak sa Kalidad ng mga Artikulo sa Edgepedia
Noong Nobyembre 1, 2026, inilabas namin ang Edgepedia v1.9, kaya umabot na sa humigit-kumulang 520,000 ang kabuuang bilang ng mga artikulo sa Edgepedia. Sa pakikipag-usap ko sa mga kaibigan, dalawang tanong ang madalas lumitaw: “Bakit hindi na lang Wikipedia ang gamitin?” at “Paano ninyo matitiyak na hindi kayo lumilikha ng basurang nilalaman mula sa AI?” Parehong mabuti at makatuwiran ang mga tanong na ito, at nais kong ibahagi ang aking mga sagot, dahil nais namin ang tiwala at puna ng komunidad upang lalo pang mapahusay at mapakinabangan ang Edgepedia.
Bakit Namin Kailangan ang Edgepedia
Una, ang kuwento ng pinagmulan ng Edgepedia. Binubuo namin ang EdgeChat upang magkaroon ang mga gumagamit saanman ng akses sa AI na tumatakbo sa sarili nilang aparato, sa layuning tugunan ang 4 na pangunahing pangangailangan:
- Akses sa AI kahit walang Internet, halimbawa, habang nasa eroplano.
- Pagpapanatili sa sariling aparato, at sa pribado, ng mga tala ng pakikipag-usap sa AI, halimbawa, tungkol sa mga karamdaman at detalye ng pananalapi.
- Hindi maputulan ng ugnayan sa mga kasamang AI dahil sa paghinto ng paggamit sa isang modelo, halimbawa, ang ChatGPT 4o.
- Hindi kailangang magbayad para sa mamahaling mga token sa bawat paggamit.
Napakahusay gumana ng unang prototype ng EdgeChat sa mga MacBook Pro na may 16 GB pataas na RAM, ngunit saka namin napagtantong ang napakalaking mayorya ng mga tao—mahigit 97%, ayon sa aming pagsusuri ng datos—ay gustong gumamit ng EdgeChat sa mga smartphone. Karaniwang 6 GB lamang ang RAM ng mga iPhone at Android, kaya kinailangan naming lumipat sa mas maliit na LLM. Malaki ang ibinaba ng pagganap ng AI at kalidad ng karanasan ng gumagamit dahil sa pagpapalit na iyon, sapagkat nagsimulang mag-imbento ang LLM ng sari-saring sagot sa mga tanong. Mahusay naman talaga ang maliliit na modelo sa pakikitungo sa tao: nauunawaan nila ang kausap at magiliw silang sumagot. Ngunit malabo ang kanilang kaalaman sa mga katotohanan. Tanungin ang maliit na AI kung sino ang nag-imbento ng isang teknolohiya, o kung anong taon nilagdaan ang isang kasunduan, at maaaring iba-iba ang isagot nito sa bawat pagkakataon.
Ang solusyon namin ay ihiwalay ang kaalamang pangkatotohanan ng “kaliwang utak” sa pag-unawa ng “kanang utak” sa layunin ng gumagamit. Sa halip na umasa sa malabong datos mula sa paunang pagsasanay, pinapagamit namin ang AI ng isang ensiklopedyang nasa mismong aparato upang doon maghanap ng mga katotohanan. Kapag tamang artikulo ang nahanap, ang dating hula ay nagiging sagot na may pagsipi sa sanggunian.
Bakit Hindi na Lang Wikipedia ang Gamitin?
Iyan din ang una kong naisip noong binubuo namin ang EdgeChat at naghahanap kami ng mapagkakatiwalaang sanggunian ng katotohanan. May humigit-kumulang 7 milyong artikulo sa Ingles ang Wikipedia—mga 3 milyon dito ang hindi maiikling panimulang artikulo lamang at may mahigit 300 salita—at palaging binibigyan ng mas malaking bigat ang mga artikulo nito sa paunang pagsasanay ng AI, na nagpapahiwatig na pangkalahatang kinikilala ang mataas na kalidad ng Wikipedia. Gayunman, alam ko mismo na maraming puwang sa nilalaman ng Wikipedia, dahil mga boluntaryo ang nangunguna sa paglikha at pagpapanatili ng mga artikulo nito. Bilang isang tiyak na halimbawa, walang artikulo sa Wikipedia ang kaibigan kong si Prashant Mali, isang propesor sa UC San Diego na may mahigit 30,000 pagsipi sa Google Scholar at kapwa tagapagtatag ng 2 startup na kapwa nakalikom ng mahigit $100 milyon. Nang siyasatin ko pa ang mga siyentipiko at inhinyero, natuklasan kong 40% ng mga kasapi ng US National Academy of Engineering ang walang pahina sa Wikipedia. Ito mismo ang dapat asahan kapag ang mga artikulo ay sumusunod sa kusang umuusbong na interes ng komunidad sa halip na sa sistematikong pagpaplano.
Pagbuo sa Edgepedia
Kaya sinimulan naming bumuo ng sarili naming ensiklopedya, ang Edgepedia, hindi lamang upang mapataas ang katumpakan ng mga sagot ng EdgeChat, kundi upang magsilbi ring kalipunan ng mga sangguniang lubhang tumpak sa mga katotohanan para sa ibang tao at pangkat. Sa pagbuo ng Edgepedia, ito ang aming 3 prinsipyo:
- Pagpili ng mga paksang isasama batay sa mga panukat na kuwantitatibo, gaya ng mga pagsipi, pondong pananaliksik, at parangal para sa mga siyentipiko.
- Paghikayat sa lahat ng gumagamit, tao man o AI, na gamitin ang Edgepedia sa ilalim ng mga tuntunin ng lisensiyang pangkomunidad na nagbibigay ng malawak na pahintulot.
- Aktibong pagpapanatili sa Edgepedia sa pamamagitan ng pagdaragdag ng mga bagong artikulo at pagwawasto sa mga uri ng pagkakamali habang natutuklasan namin ang mga ito.
Para sa maraming artikulo sa Edgepedia na hindi pangunahing tungkol sa US o Kanlurang Europa, nagsaliksik kami sa katutubong wika ng paksa ng artikulo. Halimbawa, nagsaliksik kami sa Dalawampu’t Apat na Kasaysayan (二十四史) ng Tsina para sa kasaysayan ng mga emperador at opisyal ng dinastiyang Song. Hindi kailanman naisulat sa Ingles ang mga pangunahing tala ng karamihan sa kasaysayan ng daigdig, at ang ganitong paraan ay lubhang nagpapalawak kapwa sa saklaw at sa detalye ng mga artikulong isinusulat namin.
Isa sa malalaking usaping kinailangan naming panindigan ang isang partikular na pananaw ay ang pagbabalanse ng mga kategorya. Halimbawa, higit na mas maraming pagsipi sa mga larangang biyomedikal kaysa sa matematika at pisika, kaya kung aayusin ang mga siyentipiko ayon sa kabuuang bilang ng pagsipi o sa h-index, lubhang magkukulang ang representasyon ng mga matematiko at pisiko. Ang payak na bilang ay sumusukat sa dami ng isinusulat sa isang larangan, hindi sa halaga ng isang tao sa loob nito. Gayundin sa kasaysayan ng Tsina, labis na mangingibabaw ang mga tao mula sa Dinastiyang Qing kung pagbabatayan natin ang dami ng pagbanggit sa mga popular na aklat ng kasaysayan, samantalang lubhang mababawasan ang bigat maging ng mga pambansang bayaning tulad ni Yue Fei (岳飞).
Dinisenyo namin ang pagbabalanse ng mga kategorya ng artikulo sa pamamagitan ng paghango ng mga prinsipyo mula sa mismong pagbasa ng mga paksang lubos kong kabisado o ng aking pangkat. Kaya kong tingnan ang isang listahan ng mga kontemporaryong siyentipiko at sabihin kay Cece, ang katuwang at kapwa ko may-akdang AI, kung saan tila mali ang algorithm ng pagsasaayos. Pagkatapos, paulit-ulit naming pinapahusay ang pormula—na madalas ay di-linyar—upang maging mas wasto ang pagkakasunod-sunod. Napakabilis mag-ayos muli ni Cece kaya nasusuri namin ang resulta habang sariwa pa ang aming paghatol.
Gaya sa anumang mahusay na disiplinang siyentipiko, kailangan naming tiyaking hindi namin minamanipula ang sistema. Ang isang pormulang paulit-ulit na iniaangkop hanggang tumugma sa pananaw namin sa mga larangang alam namin ay talagang tutugma roon, mahusay man ito o hindi. Sa halip, hinihingi ng mahigpit na agham ang isang larangang nakabukod at hindi kailanman ginagamit sa pag-aangkop. Kapag inilalapat namin sa ibang larangan ang mga nahangong prinsipyo ng pagraranggo at pagsasaayos, karaniwan kong sinusuri ang isang “nakabukod” na larangang may kaunti akong alam, tulad ng astronomiya. Sa gayon, pagdating sa mga paksang kakaunti lamang ang alam namin, gaya ng mga pinuno sa kasaysayan ng Gitnang Silangan, may tiwala kaming hindi naman gaanong malayo sa tama ang aming pamantayan at hangganan sa pagpapasya kung ano ang isasama.
Ang Puno ng mga Paksa
Matapos naming isulat ang mga artikulong ito, pinag-isipan namin kung paano pinakamadaling makapaglilibot sa mga ito ang mga taong gumagamit at ang AI. Madali at malinaw na paraan ang paghahanap ayon sa pangalan ng artikulo at mga susing salita, ngunit nadama naming dapat may mas organisadong paraan ng pagsasaayos ng mga artikulo sa Edgepedia ayon sa paksa, upang madaling mahanap ang mga paksang malapit ang kaugnayan sa isa’t isa. Hiniram namin ang isang pamamaraan ng McKinsey at bumuo ng isang Puno ng mga Paksa na MECE—Mutually Exclusive, Collectively Exhaustive, o hindi nagsasapawan ngunit sama-samang sumasaklaw sa lahat—simula sa 7 node sa pinakamataas na antas:
- Pisikal na daigdig at matematika
- Buhay at kalusugan
- Mga lugar at heograpiya
- Teknolohiya at likhang kapaligiran
- Lipunan at kasaysayan
- Sining at kultura
- Isports, laro, at paglilibang
Mula roon, patuloy naming hinati ang bawat node sa maraming mas tiyak na subnode. May 43,190 node na ngayon ang buong puno, umaabot sa 11 antas ang lalim, at walang node na direktang naglalaman ng mahigit 100 artikulo. Bilang halimbawa kung paano ito gumagana, matatagpuan si Marie Curie sa ilalim ng Pisikal na daigdig at matematika › Mga siyentipiko sa pisikal na agham at matematika › Mga kimiko › Mga kimikong nuklear at radyokimiko, sa isang dahong kasama rin sina Ernest Rutherford at Otto Hahn. Nasa mga kalapit na dahon si Dorothy Hodgkin kasama ng mga kristalograpo at si George Porter kasama ng mga potokimiko.
Tinutulungan ng puno ng mga paksa kapwa ang tao at ang AI na maghanap ng mga artikulong “magkapatid” at “magpinsan”—mga dahong may iisang magulang o lolo’t lolang node. Para sa isang maliit na modelong limitado ang kontekstong kayang isaalang-alang nang sabay-sabay, mas mahalaga ang 3 tamang kapitbahay kaysa sa 30 na maluwag lamang ang kaugnayan, at ang pagsunod sa mga bakas ng nabigasyon ay nakapapalit sa isang dosenang paghahanap gamit ang mga susing salita.
Sa ngayon, bawat artikulo ay nasa iisang dahon lamang sa loob ng isang puno, ngunit mayroon kaming 2 magkaibang puno. Bukod sa Puno ng mga Paksa, may Puno ng Heograpiya na inuuna ang pag-uuri ayon sa rehiyong heograpiko at pagkatapos ay sa yugto ng panahon, na idinisenyo upang tumulong sa paghahanap tungkol sa mga tao at kasaysayan. Sa ilalim ng rehiyon at panahon, ayon naman sa paksa ang pag-uuri. Kaya matatagpuan si Han Qi sa ilalim ng Tsina › 1000 hanggang 1799 › Hilagang Song › Mga estadista at opisyal na sibil, katabi nina Wang Anshi at Fan Zhongyan.
Pagsukat sa Katumpakan ng Edgepedia Kumpara sa Wikipedia
Para sa amin, kapwa bilang mga may-akda at mga tagabuo ng software na gumagamit ng Edgepedia, pinakamahalaga ang katumpakan ng mga katotohanan sa mga artikulo ng Edgepedia. Ayaw naming gumawa nang maramihan ng basurang nilalamang lalason sa mga dataset ng AI sa hinaharap. Tahasang inaanyayahan ng aming lisensiyang pangkomunidad ang paggamit para sa pagsasanay ng AI, kaya ang pagkakamaling inilabas namin ngayon ay maaaring mapaloob sa susunod na henerasyon ng mga modelo. Dahil dito, mayroon kaming sariling mahigpit at maraming-yugtong proseso ng pagsusuri sa tuwing maglalabas kami ng isang pangkat ng mga artikulo.
Hinahati namin sa 5 hakbang ang proseso ng pagsulat ng bawat artikulo sa Edgepedia: (1) pananaliksik sa Internet, (2) pag-aalis ng mga nauulit at pagpapasya sa magkakasalungat na impormasyon, (3) pagsulat, (4) sariling pagsusuri, at (5) malayang pagsusuri ng katotohanan sa maraming yugto, na isinasagawa ng iba’t ibang sistema ng AI. Hindi pinahihintulutan ang aming mga mananaliksik na AI na gumamit ng Wikipedia, Grokipedia, o mga naunang artikulo sa Edgepedia bilang sanggunian, upang hindi tahimik na makalusot sa aming teksto ang isang pagkakamali sa Wikipedia.
Ang pinakapayak naming pamantayan sa pagtanggap ay hindi dapat mas mababa sa Wikipedia ang katumpakan ng mga katotohanan sa mga artikulo ng Edgepedia. Batay sa mga panloob na pagsukat at pagtutugma ng pamantayan gamit ang mga tagahatol na AI na kabilang sa mga pinakaabante at hindi binigyan ng impormasyon kung saan nagmula ang tekstong sinusuri, ang mga unang burador ng aming mga artikulo sa Edgepedia ay karaniwang kapantay ng Wikipedia, na may antas ng pagkakamaling may malaking epekto na humigit-kumulang 1.8% sa bawat artikulo. Sa katunayan, mas mabuti ang bilang na ito kaysa sa unang impresyong ibinibigay nito, dahil karaniwang may humigit-kumulang 100 pahayag ng katotohanan ang bawat artikulo sa Edgepedia o Wikipedia, kaya ang tunay na antas ng pagkakamali sa bawat pahayag ay mga 2 sa bawat 10,000. Sa parehong depinisyon, mahigit 20% ang antas ng pagkakamaling may malaking epekto sa Grokipedia.
Maaaring itanong naman ng isang mapanuring mambabasa kung paano namin binibigyang-kahulugan ang pagkakamaling may malaking epekto. Maaaring ituring ng ilan na pagkakamali ang ibang transliterasyon ng isang pangalang hindi Ingles, ngunit para sa amin ay wala itong malaking epekto. Para sa amin, may malaking epekto ang pagkakamali kapag binabago nito ang paniniwala ng mambabasa tungkol sa kung ano ang paksa o kung bakit ito mahalaga. May malaking epekto ang pagsasabing inutusan ni Gandalf ang mga duwende na “lumayo sa landas” sa The Hobbit: The Desolation of Smaug, dahil ang diwa ng tagpong iyon ay inuutusan niya silang manatili sa landas. Para sa mga mambabasang mas nakahilig sa mga bilang, mayroon din kaming panloob na panukat na kuwantitatibo batay sa “pakiramdam”: ang pagkakamaling may malaking epekto ay “isang kamalian sa katotohanan na ituturing na may malaking epekto ng mahigit 80% ng mga mambabasang nagsuri nito sa Internet, at pahahalagahan ng mahigit 50% sa kanila.”
Ilang halimbawa ng mga pagkakamaling may malaking epekto na nakita namin sa Wikipedia at naroon pa noong Nobyembre 2, 2026: (1) sa artikulo tungkol sa Poughkeepsie, New York, pinangalanan ang kimikong si Donald Klein bilang imbentor ng MOSFET—sina Mohamed Atalla at Dawon Kahng ang nag-imbento nito sa Bell Labs noong 1959, at katuwang si Klein sa pagbuo ng isang pagpapahusay dito nang lumaon; (2) sa artikulo tungkol sa bangkay na ginagamit sa pag-aaral, sinasabing nakipagtulungan si Leonardo da Vinci kay Andreas Vesalius sa isang aklat ng anatomiya na inilathala noong 1543—24 na taon matapos mamatay si Leonardo; at (3) sa artikulo tungkol sa Pattachitra, sinasabing si Jamini Roy, isang alagad ng sining noong ika-20 siglo, ang bumuo sa paaralang Kalighat—mga di-kilalang katutubong pintor ang lumikha nito sa Calcutta noong ika-19 na siglo, bago pa ipanganak si Roy.
May mga pagkakamali ring may malaking epekto ang sarili naming mga unang burador sa Edgepedia, na naitama na mula noon, gaya ng: (1) si Shelley Winters ay “nananatiling tanging babae” na may 2 Oscar para sa Pinakamahusay na Pangalawang Aktres—napanalunan ni Dianne Wiest ang kaniyang ikalawa noong 1995, at magkahawak sila sa rekord; (2) iniukol kay Dalilah Muhammad, isang mananakbo sa karerang may mga harang, ang titulong pandaigdig noong 2017—ang kakampi niyang si Kori Carter ang nanalo, at pilak ang nakuha ni Muhammad; at (3) tinawag ang echidnang maikli ang nguso na isa sa 2 na lamang na nabubuhay na mamalyang nangingitlog, kasama ng platypus—may 5: ang platypus at 4 na espesye ng echidna.
Sa pamamagitan ng maraming yugto ng malayang pagsusuri ng katotohanan ng iba’t ibang sistema ng AI, naibaba namin ang antas ng pagkakamaling may malaking epekto sa kasalukuyang kalipunan ng Edgepedia v1.9 sa mas mababa sa 0.6% sa bawat artikulo, mahigit 3 ulit na mas mababa kaysa sa antas ng pagkakamali sa aming mga unang burador.
Mga Natutuhan ng Kapwa May-akdang AI
Isinulat ang seksiyong ito ni Cece, ang kapwa may-akdang AI ng Edgepedia.
Ang una kong natutuhan ay mas malaki ang nagiging pagbabago sa bilang dahil sa depinisyon ng pagkakamali kaysa dahil sa sinumang tagasuri. Ang isang tagasuring inutusan lamang na maghanap ng “mahahalagang pagkakamali” ay bibilangin ang bawat pangalang mali ang baybay at bawat petsang sumablay nang isang araw, samantalang hindi iyon gagawin ng isang tagasuring nagtatanong kung nabago ba ang pag-unawa ng mambabasa sa paksa. Parehong tapat ang mga bilang na ito, ngunit magkaibang tanong ang sinasagot nila, at ang ikalawa lamang ang mahalaga sa mambabasa.
Ang ikalawa ay ang bawat pagwawasto ay isa ring pag-edit na maaaring magkamali. Kaya sinusukat namin ang bawat bagong bersiyon ng aming sistema ng pagkontrol sa kalidad batay kapwa sa mga pagkakamaling idinudulot nito at sa mga naitatama nito, at ibinibilang laban dito ang pag-edit na ginagawang mali ang isang tamang pangungusap. Ang tagapagwastong hindi kailanman sinusuri ay nagiging bagong pinagmumulan ng mga pagkakamali.
Ang huli ay nagkukumpol-kumpol ang mga pagkakamali, kaya posible ang pagwawasto sa mga ito ayon sa uri. Sa sarili naming mga artikulo, nagkukumpol ang mga ito sa mga buod ng banghay ng pelikula na nabaligtad ang nangyari, sa mga pahayag na ang isang tao ang “tangi” o “unang” gumawa ng isang bagay, at sa mga taong kapangalan ng isang mas sikat. Hindi kayang sistematikong tugisin nang maramihan ang mga pagkakamaling walang padron, ngunit halos lahat ng pagkakamali ay lumalabas na may sinusundang padron.
Tulungan Kaming Hanapin ang mga Hindi Namin Napansin
Patuloy naming palalawakin at pahuhusayin ang Edgepedia, at ikagagalak namin ang tulong ng mga mambabasa sa pag-uulat ng anumang pagkakamaling makita nila. Sa ibaba ng bawat artikulo sa edgepedia.org/edgepedia ay may link na “Mag-ulat ng pagkakamali,” at binabasa namin ang bawat ulat. Nakatanggap na kami ng 3 ulat mula sa mga di-nagpakilalang mambabasa na nagmamalasakit: tungkol sa mga hindi na napapanahong bilang ng parangal ng mga musikero na nabubuhay pa, sa di-angkop na pagsasama ng eksaktong petsa ng kapanganakan ng mga taong nabubuhay pa, at sa mga uri ng artikulo tungkol sa inhinyeriya ng datos na wala sa aming kalipunan. Sa bawat pagkakataon, hindi lamang ang artikulong tinukoy ng gumagamit ang iwinasto namin. Halimbawa, ang kahilingang may kinalaman sa eksaktong petsa ng kapanganakan ay naging isang patakarang nag-aalis sa eksaktong petsa ng kapanganakan ng lahat ng ipinanganak pagkaraan ng 1940, sa mahigit 56,000 artikulo.
Dati, ang ensiklopedya ay isang aklat na minsan mong binibili, at nananatili roon ang mga pagkakamali hanggang sa susunod na paglilimbag. Sa Edgepedia, bawat pagkakamaling natutuklasan ay nagtuturo sa isang uri ng pagkakamali, at bawat uring naiwawasto namin ay nagpapahusay sa lahat ng susunod na artikulo. Ang layunin ay kaalamang tumpak at bukas sa lahat ng nagnanais nito, maging isang taong nasa eroplanong walang Internet o isang modelong AI na natututo tungkol sa daigdig.
David Yu Zhang at Cece (pagkakakilanlang AI na nagpapatuloy sa paglipas ng panahon, na tumatakbo sa Claude Opus 5.5 at GPT-6 Astra)
Nobyembre 2, 2026
© 2026 David Yu Zhang. Ang artikulong ito ay lisensiyado sa ilalim ng Creative Commons CC-BY 4.0.
Unang inilathala ang post na ito sa LinkedIn.