01Η πρώτη μας δημοσίευση
Adamidis et al., 2026 — Μάιος 2026
Μια πραγματική μέτρηση από το εργαστήριο, μια ανάλυση φωτοεκπομπής, δόθηκε στο εργαλείό μας και σε τρεις κορυφαίες πλατφόρμες τεχνητής νοημοσύνης, όλες σε επί πληρωμή συνδρομές με κάθε δυνατότητα ενεργοποιημένη. Κάθε μία έλαβε το ίδιο αρχείο και την ίδια ερώτηση σε απλή γλώσσα, τέσσερις φορές. Το εργαλείό μας έδωσε το ίδιο αποτέλεσμα και στα τέσσερα τρεχίματα. Οι τρεις εμπορικές πλατφόρμες είτε μεταβαλλούνταν από τρέξιμο σε τρέξιμο, στους αριθμούς τους και στο πώς το ανέλυζαν, είτε δεν έδωσαν κανένα χρησιμοποιήσιμο αποτέλεσμα στην εργασία. Το σημείο είναι στον τίτλο της δημοσίευσης: η συνέπεια έρχεται από το εργαλείο, όχι από το μοντέλο.
02Ολοκληρώθηκε μετά τη δημοσίευση
- μια επαναδοκιμή στα σημερινά εργαλεία τεχνητής νοημοσύνης με πολλά περισσότερα τρεχίματα (17–18 Οκτωβρίου 2026)
- ένα δεύτερο όργανο (ένα μοτίβο ηλεκτρονικού μικροσκοπίου)
- μια δοκιμή ιδιωτικότητας σε δεδομένα που δεν μπορούν να φύγουν (τρεις φανταστικοί φάκελοι)
- τριάντα πιο δύσκολες ερωτήσεις στις οποίες το ιδιωτικό μοντέλο βαθμολόγησε στο ίδιο επίπεδο με τα κορυφαία πληρωμένα μοντέλα
03Τι δουλεύουμε επόμενο
- μια τυπική μελέτη με χρήστες
- υποστήριξη για περισσότερα όργανα εργαστηρίου
- συστήματα σε περισσότερους οργανισμούς
04Επόμενο — συστήματα που βελτιώνουν τη δική τους μέθοδο.
Στον δικό μας εξοπλισμό, το ιδιωτικό μοντέλο που τρέχουμε προτείνει τώρα αναδιατυπώσεις των περιγραφών και των οδηγιών των εργαλείων του. Κάθε πρόταση ελέγχεται για λανθασμένα γεγονότα, δοκιμάζεται τυφλά εναντίον της αμετάβλητης έκδοσης σε ερωτήσεις που δεν έχει δει ποτέ, και μένει μόνο αν κερδίσει με ξεκάθαρο περιθώριο. Μια αλλαγή που μένει δοκιμάζεται ξανά σε ένα σφραγισμένο σύνολο ερωτήσεων που κανείς δεν ρυθμίζει.
Στους πρώτους γύρους, τον Οκτώβριο του 2026, κρατήθηκαν ορισμένες αλλαγές και απορρίφθηκαν άλλες. Επαναδοκιμάζουμε αυτές που κρατήθηκαν σε μεγαλύτερα δείγματα, πριν τυπώσουμε έναν αριθμό.
Τι πρέπει να γίνει πριν μια αλλαγή φτάσει σε κάποιον
- 1. Έλεγχος γεγονότων
- 2. Τυφλή δοκιμή εναντίον της αμετάβλητης έκδοσης
- 3. Επαναδοκιμή σε σφραγισμένο σύνολο
- 4. Ένας άνθρωπος εγκρίνει
Πιστεύουμε ότι η ιδιωτική τεχνητή νοημοσύνη πηγαίνει έτσι, από εδώ και πέρα: ένα μοντέλο στα δικά σας μηχανήματα που γίνεται μετρήσιμα καλύτερο στη δουλειά σας, υπό τον έλεγξό σας.