Le texte analyse comment l'IA, en traitant des fragments d'informations basés sur la probabilité, peut perdre l'attribution et le contexte originaux, entraînant des réponses imprécises. Il suggère des registres de citations d'IA et des structures d'enregistrement répétables pour réduire l'incertitude et stabiliser la provenance et la récence des informations.
L'auteur a commencé à construire Hyphae pour créer un substrat cognitif sans grands modèles linguistiques, mais une base de référence simple a égalé ses performances, soulignant un problème critique. Le projet vise désormais à assurer la provenance des réponses générées par l'IA, essentielle pour l'auditabilité.
Le balisage de schéma seul est insuffisant pour une attribution fiable en IA en raison des incohérences et du besoin d'interprétation par les systèmes, ce qui introduit une ambiguïté. Un registre de citations IA est proposé comme système de publication lisible par machine pour identifier de manière fiable les sources faisant autorité et garantir une provenance et des horodatages clairs.
Les systèmes d'IA rencontrent une instabilité d'attribution lors de l'interprétation d'informations gouvernementales fragmentées provenant de divers écosystèmes de fournisseurs, car les signaux d'autorité sont inférés plutôt que structurés explicitement. Ce manque de provenance explicite entrave l'interopérabilité et les réponses unifiées pour les citoyens.