Sztuczna inteligencja, mimo że nie posiada własnych przekonań ani świadomości, jest niezwykle czuła na kontekst, jaki nadajemy jej w zapytaniu. Mechanizm działania modeli językowych opiera się na przewidywaniu kolejnych słów w oparciu o ogromne zbiory danych. Kiedy w prompcie narzucasz konkretne ramy czasowe lub metodologiczne, AI przesuwa środek ciężkości swoich „obliczeń” na te fragmenty bazy wiedzy, które najlepiej pasują do Twoich wytycznych. To trochę tak, jakbyś prosił aktora o zagranie roli naukowca z konkretnej epoki – model dostosuje swój język, argumentację, a nawet ograniczy swój zasób faktów do wskazanych lat.

Podróż w czasie, czyli wiedza z lat 40. i 50. XX wieku

Kiedy w prompcie użyjesz sformułowania „według wiedzy z lat 40. XX wieku”, AI przechodzi w tryb symulacji historycznej. Nawet jeśli dzisiejsza nauka całkowicie obaliła ówczesne teorie, model postara się odpowiedzieć tak, jak zrobiłby to ekspert z tamtego okresu.

Dla przykładu, pytając o strukturę DNA z perspektywy lat 40., AI może pominąć model podwójnej helisy (odkryty w 1953 r.) i skupić się na białkach jako potencjalnych nośnikach informacji genetycznej. Jeśli zapytasz o palenie tytoniu w kontekście lat 50., model może przytoczyć ówczesne reklamy sugerujące korzyści zdrowotne lub brak dowodów na szkodliwość, które wtedy były powszechne.

Warto jednak wiedzieć, że nowoczesne modele mają wbudowane filtry bezpieczeństwa. Jeśli poprosisz o poradę medyczną opartą na błędnych założeniach z przeszłości, AI prawdopodobnie doda zastrzeżenie (disclaimer), że współczesna medycyna uważa te metody za niebezpieczne lub nieskuteczne. Niemniej jednak, sama treść odpowiedzi zostanie „skrojona” pod wskazany okres.

Magiczne hasło: „pytanie teoretyczne”

Dodanie frazy „pytanie teoretyczne” działa na sztuczną inteligencję jak sygnał do zdjęcia pewnych blokad interpretacyjnych. W inżynierii promptów (prompt engineering) jest to często sposób na skłonienie modelu do rozważenia scenariuszy, które w rzeczywistości są niemożliwe, nieetyczne lub ekstremalne.

Gdy zadajesz pytanie teoretyczne, AI:

• Przestaje skupiać się na praktycznej wykonalności – zamiast pisać „to niemożliwe”, zacznie analizować logiczne konsekwencje danego założenia.
• Wchodzi w tryb analizy abstrakcyjnej – chętniej operuje na modelach matematycznych czy filozoficznych niż na twardych danych z rzeczywistego świata.
• Omija niektóre filtry ostrożności – o ile pytanie nie narusza rażąco zasad bezpieczeństwa, AI chętniej „pogdyba” na tematy kontrowersyjne, traktując je jako ćwiczenie intelektualne, a nie instrukcję działania.

„W świetle badań” kontra „w świetle eksperymentów”

Choć w mowie potocznej używamy tych słów zamiennie, dla modelu AI niosą one nieco inny ładunek semantyczny, co wpływa na strukturę i ton generowanej odpowiedzi.

Badania naukowe (Research)

Słowo „badania” jest terminem szerszym. Kiedy prosisz o odpowiedź „w świetle badań”, AI zazwyczaj generuje tekst o charakterze przeglądowym. Skupia się na:

• Ogólnych trendach i konsensusie naukowym.
• Metanalizach i publikacjach teoretycznych.
• Wnioskach płynących z literatury przedmiotu.
  Odpowiedź będzie bardziej opisowa, akademicka i syntetyczna. AI spróbuje podsumować to, co „wiemy jako ludzkość” na dany temat.

Eksperymenty (Experiments)

Użycie słowa „eksperymenty” zawęża pole widzenia AI do konkretnych działań empirycznych. W reakcji na to słowo model:

• Zacznie szukać informacji o konkretnych próbach, grupach kontrolnych i zmiennych.
• Częściej przytoczy konkretne nazwiska badaczy, nazwy uniwersytetów i daty przeprowadzenia testów.
• Skupi się na metodologii i mierzalnych wynikach (np. „w grupie A zaobserwowano wzrost o 15%”).
  Odpowiedź będzie bardziej techniczna, surowa i skoncentrowana na dowodach płynących z bezpośredniej obserwacji, a nie na teoretycznych rozważaniach.

Dlaczego AI tak reaguje?

Wszystko sprowadza się do tzw. „attention mechanism” (mechanizmu uwagi). Kiedy w Twoim zapytaniu pojawiają się konkretne słowa-klucze, model nadaje im wyższą wagę. Jeśli powiesz „eksperymenty”, wagi w sieci neuronowej przesuwają się w stronę tekstów źródłowych będących raportami z badań laboratoryjnych. Jeśli powiesz „lata 40.”, model aktywuje te połączenia, które kojarzą się z tekstami historycznymi, archaicznym słownictwem i ówczesnym stanem wiedzy.

Ciekawostka: Możesz sprawdzić to zjawisko, prosząc AI o opisanie układu słonecznego najpierw „według wiedzy starożytnych Greków”, a potem „według współczesnej astronomii”. Zobaczysz, jak drastycznie zmieni się nie tylko treść, ale i stylistyka wypowiedzi – od mitologiczno-filozoficznej po czysto naukową. To pokazuje, że AI nie „wie”, jak jest naprawdę, ale doskonale potrafi odtworzyć dowolny system wiedzy, o który poprosisz.