Ο συντάκτης, στην προσωπική του εμπειρία, ουδέποτε επιχείρησε να εφαρμόσει την εν λόγω συνταγή που προέκυψε από τεχνητή νοημοσύνη. Αντιθέτως, προτίμησε να αναζητήσει και να εντοπίσει μια συνταγή η οποία είχε δημιουργηθεί από ανθρώπινο χέρι, εκτιμώντας ότι αυτή ήταν πιθανόν μία από τις πηγές που το Μεγάλο Γλωσσικό Μοντέλο (LLM) είχε συλλέξει από το διαδίκτυο. Αυτή η διαδικασία αποτελεί, φυσικά, τον θεμελιώδη τρόπο λειτουργίας αυτών των προηγμένων μοντέλων. Η βασική τους λειτουργία συνίσταται στην ανασυσκευασία και αναδιάταξη της συλλογικής γνώσης που έχουν απορροφήσει, προκειμένου να την παρουσιάσουν με έναν τρόπο που να δίνει την αίσθηση ότι είναι ειδικά προσαρμοσμένη στις ανάγκες και τις προτιμήσεις του εκάστοτε χρήστη. Ενώ αυτή η προσέγγιση μπορεί να είναι απολύτως αποδεκτή και λειτουργική για ζητήματα καθημερινής φύσης, όπως για παράδειγμα η εύρεση εναλλακτικών προϊόντων γαλακτοκομικών – εκτός βεβαίως εάν ο χρήστης είναι ένας επαγγελματίας vegan blogger με αυστηρές απαιτήσεις ακρίβειας πηγών – οι διακυβεύσεις αυξάνονται εκθετικά όταν το πεδίο εφαρμογής αφορά την παγκόσμια τάξη πραγμάτων και την αναζήτηση της αλήθειας. Αυτό το τελευταίο σημείο αποτελεί, άλλωστε, το κεντρικό επίκεντρο και την ουσία του ρόλου του συντάκτη ως ελεγκτή γεγονότων στο έγκριτο περιοδικό WIRED, όπου η ακρίβεια και η επαλήθευση είναι υψίστης σημασίας.
Κατά τη διάρκεια του τελευταίου έτους περίπου, ο συντάκτης έχει παρατηρήσει ότι όλο και περισσότεροι άνθρωποι τον αντιμετωπίζουν με μια έκφραση μεγάλης συμπάθειας. Η κοινή αντίληψη που επικρατεί είναι ότι ένας ελεγκτής γεγονότων σε ένα περιοδικό δεν θα έχει μακρά διάρκεια ή βιωσιμότητα σε αυτόν τον κόσμο που αναβαθμίζεται ραγδαία από την τεχνητή νοημοσύνη. Παρόλο που κάποιοι μπορεί να τον θεωρήσουν αφελές ή υπερβολικά αισιόδοξο, ο συντάκτης δεν ανησυχεί ιδιαίτερα για το μέλλον του επαγγέλματός του. Έχει καταλήξει στο βάσιμο συμπέρασμα ότι ένα πολύ μικρό, στην πραγματικότητα, μέρος της συλλογικής γνώσης της ανθρωπότητας, αυτής που έχει συσσωρευτεί ανά τους αιώνες, βρίσκεται πραγματικά διαθέσιμο στο διαδίκτυο. Επιπλέον, σύμφωνα με τα ευρήματα της προσωπικής του έρευνας και των αναλύσεών του, η τεχνητή νοημοσύνη αποδεικνύεται ότι κάνει ακόμη περισσότερα λάθη και παρουσιάζει μεγαλύτερη ανακρίβεια από όσα ενδεχομένως πιστεύουν οι άνθρωποι γενικότερα.
Το τμήμα ελέγχου γεγονότων του WIRED ακολουθεί μια βαθιά ριζωμένη, παραδοσιακή και δοκιμασμένη προσέγγιση, η οποία χαρακτηρίζεται από εξαιρετική σχολαστικότητα. Αυτή η μεθοδολογία περιλαμβάνει λεπτομερείς σημειώσεις και σχολιασμούς γραμμή προς γραμμή, την επιμελή χρήση πρωτογενών πηγών όποτε αυτό είναι εφικτό και αναγκαίο, καθώς και μια ευρύτερη ηθική και νομική επισκόπηση του περιεχομένου. Οι ελεγκτές γεγονότων στο WIRED δεν διστάζουν να αμφισβητήσουν ακόμη και τις βασικές υποθέσεις, αναζητούν ενεργά νέες ή αντικρουόμενες πληροφορίες, επικοινωνούν τηλεφωνικά και συνομιλούν απευθείας με τους εμπλεκόμενους ανθρώπους – όλα αυτά με σκοπό να διασφαλίσουν την απόλυτη ακρίβεια και την εγκυρότητα των πληροφοριών. Πρόκειται για μια ταχεία διαδικασία αξιολόγησης από ομοτίμους, η οποία λειτουργεί όσο το δυνατόν καλύτερα, διατηρώντας τον ίδιο ρυθμό με την επικαιρότητα και τις εξελίξεις των ειδήσεων, προκειμένου να παρέχει έγκυρη και έγκαιρη πληροφόρηση.
Όπως διαπιστώνει ο συντάκτης, η τεχνητή νοημοσύνη δεν έχει ακόμη ενσωματωθεί πλήρως και αποτελεσματικά σε αυτή τη συγκεκριμένη, παραδοσιακή διαδικασία ελέγχου γεγονότων που εφαρμόζει το WIRED. Ωστόσο, έχει εισέλθει δυναμικά στον τομέα του «εκ των υστέρων» ελέγχου γεγονότων, δηλαδή στην ανάλυση της ακρίβειας μιας πληροφορίας μετά τη δημοσίευσή της, μια προσέγγιση παρόμοια με αυτή που ακολουθεί η πλατφόρμα Snopes. Στο Ηνωμένο Βασίλειο, μια αξιόλογη πρωτοβουλία με την ονομασία Full Fact έχει αναπτύξει τα δικά της εξειδικευμένα εργαλεία τεχνητής νοημοσύνης, με στόχο να συμβάλει στην αντιμετώπιση και τον περιορισμό της διάδοσης της παραπληροφόρησης. Αυτά τα προηγμένα εργαλεία, τα οποία χρησιμοποιούνται πλέον σε περισσότερες από 40 χώρες παγκοσμίως, επεξεργάζονται τεράστιους όγκους δεδομένων, που κυμαίνονται από αναρτήσεις στα μέσα κοινωνικής δικτύωσης έως μεταγραφές podcast. Στη συνέχεια, εντοπίζουν με ακρίβεια συγκεκριμένους ισχυρισμούς που οι άνθρωποι μπορούν να διερευνήσουν περαιτέρω, προσφέροντας μια πρώτη διαλογή. Ο κ. Mark Frankel, ο οποίος κατέχει τη θέση του επικεφαλής δημοσίων σχέσεων της Full Fact, δηλώνει κατηγορηματικά: «You definitely need a human being».
Ο θεμελιώδης λόγος για αυτή την κατάσταση είναι εξαιρετικά απλός και σαφής: η τεχνητή νοημοσύνη εξακολουθεί να κάνει λάθη και να παράγει ανακριβείς πληροφορίες. Ως επαγγελματίας ελεγκτής γεγονότων, ο συντάκτης θα επιθυμούσε διακαώς να μπορεί να προσδιορίσει με απόλυτη ακρίβεια τη συχνότητα αυτών των λαθών. Ωστόσο, η ποσοτικοποίηση αυτής της ανακρίβειας δεν είναι καθόλου εύκολη υπόθεση. Από το έτος 2018, σχεδόν 17.000 επιστημονικές εργασίες έχουν αναρτηθεί στην πλατφόρμα arXiv, οι οποίες αφορούν τα Μεγάλα Γλωσσικά Μοντέλα (LLMs), με πολλές από αυτές να επικεντρώνονται ειδικά στο κρίσιμο ζήτημα της αξιοπιστίας τους. Παρόλα αυτά, παρά την πολυπλοκότητα και τον όγκο της έρευνας, αξίζει να προσπαθήσει κανείς να προσδιορίσει ένα λειτουργικό και αντιπροσωπευτικό ποσοστό ανακρίβειας, προκειμένου να κατανοηθεί καλύτερα η έκταση του προβλήματος.
Σε κάθε άρθρο που φτάνει στο γραφείο ελέγχου γεγονότων του WIRED, υπάρχει συνήθως μια σημαντική ποσότητα «δευτερεύουσας ύλης» (b-matter). Αυτή η κατηγορία περιλαμβάνει στατιστικά στοιχεία, αναφορές σε ειδησεογραφικά γεγονότα, παραθέσεις και οτιδήποτε άλλο συμβάλλει στην πλαισίωση και την εμβάθυνση του θέματος που εξετάζεται. Οι ελεγκτές γεγονότων τείνουν να αναζητούν αυτές τις βασικές πληροφορίες μέσω της μηχανής αναζήτησης Google. Αυτή η διαδικασία, με τη μορφή των φοβερών και συχνά αμφιλεγόμενων «Επισκοπήσεων Τεχνητής Νοημοσύνης» (AI Overviews) της μηχανής αναζήτησης, αποτελεί την κύρια και συχνότερη αλληλεπίδραση του συντάκτη με την τεχνητή νοημοσύνη στην επαγγελματική του καθημερινότητα. Κατά την επαγγελματική του άποψη, η συγκεκριμένη λειτουργία είναι άχρηστη – και κυρίως λανθασμένη – περίπου το ένα τρίτο του χρόνου, γεγονός που υπογραμμίζει τις σοβαρές της αδυναμίες.
Ωστόσο, αυτή η εκτίμηση του συντάκτη, ότι η τεχνητή νοημοσύνη είναι λανθασμένη περίπου το ένα τρίτο του χρόνου, μπορεί να θεωρηθεί ακόμη και γενναιόδωρη, δεδομένων άλλων ερευνητικών ευρημάτων. Μια μελέτη που διεξήχθη τον Μάρτιο του 2025 από το Tow Center for Digital Journalism διαπίστωσε ότι περισσότερο από το 60 τοις εκατό των απαντήσεων που παρείχαν οι μηχανές αναζήτησης που λειτουργούν με τεχνητή νοημοσύνη ήταν ανακριβείς. Παράλληλα, μια ξεχωριστή μελέτη του BBC τοποθετεί το ποσοστό ανακρίβειας των chatbots πιο κοντά στο 45 τοις εκατό, αριθμός που ο συντάκτης βλέπει να αναφέρεται συχνότερα σε διάφορες πηγές. Επειδή τα ποσοστά μπορεί να είναι αποστασιοποιητικά και να μην αποδίδουν πλήρως την πραγματικότητα, ο συντάκτης επιλέγει να το θέσει πιο απλά και κατανοητά: η τεχνητή νοημοσύνη μπορεί να κάνει λάθη περίπου τις μισές φορές, ένα ποσοστό που εγείρει σοβαρά ερωτήματα για την αξιοπιστία της.
Εγείρεται το ερώτημα εάν έχει σημασία ποιο συγκεκριμένο μοντέλο τεχνητής νοημοσύνης χρησιμοποιείται για την αξιολόγηση της ακρίβειας. Ο κ. Elon Musk έχει δηλώσει δημοσίως ότι το Grok είναι το πιο έξυπνο από τα διαθέσιμα μοντέλα, αλλά ο συντάκτης δεν έχει δει πολλές έρευνες ή επιστημονικές μελέτες που να συμφωνούν με αυτή την άποψη. Αντιθέτως, το Claude προηγήθηκε στην αξιολόγηση RealFactBench, ένα εξειδικευμένο τεστ αξιολόγησης επικεντρωμένο στον έλεγχο γεγονότων, το οποίο αναπτύχθηκε στο Ηνωμένο Βασίλειο πέρυσι. Το Claude πέτυχε ένα εντυπωσιακό ποσοστό ακρίβειας 73 τοις εκατό σε όλες τις μετρήσεις που χρησιμοποιήθηκαν. (Προς αποφυγή παρεξηγήσεων, πρέπει να σημειωθεί ότι το Grok δεν αξιολογήθηκε σε αυτή τη συγκεκριμένη δοκιμή.) Ένα άλλο σημείο αναφοράς, το SimpleQA, που αναπτύχθηκε το 2024, έθεσε περισσότερες από 4.000 ερωτήσεις με μία μόνο απάντηση σε μοντέλα από την OpenAI και την Anthropic. Κανένα από τα μοντέλα που δοκιμάστηκαν δεν ξεπέρασε το 50 τοις εκατό ακρίβεια σε αυτή τη δοκιμασία. Η Google επικαιροποίησε το σημείο αναφοράς νωρίτερα φέτος, μειώνοντας το σύνολο των ερωτήσεων σε 1.000. Σε αυτή την ανανεωμένη έκδοση, το Gemini 2.5 Pro αναδείχθηκε στην κορυφή, με ακρίβεια 55,6 τοις εκατό, υποδεικνύοντας μια μικρή βελτίωση αλλά εξακολουθώντας να απέχει πολύ από την πλήρη αξιοπιστία.
Πέρα από τις ανεξάρτητες αξιολογήσεις, υπάρχει και η διάσταση των αξιολογήσεων που παρέχουν τα ίδια τα μοντέλα τεχνητής νοημοσύνης για την ακρίβειά τους. Όταν ο συντάκτης ρώτησε το ChatGPT πόσο ακριβή είναι τα κυριότερα Μεγάλα Γλωσσικά Μοντέλα (LLMs), έλαβε την απάντηση ότι τα περισσότερα μοντέλα είχαν ακρίβεια 90 έως 96 τοις εκατό σε ορισμένα τεστ επαγγελματικού τύπου. Στη συνέχεια, το ChatGPT προσέφερε έναν σύνδεσμο, ο οποίος, προκαλώντας σύγχυση, οδηγούσε σε μια επιστημονική εργασία σχετικά με μια εξέταση πιστοποίησης στην ιατρική του ύπνου, ένα θέμα άσχετο με την αρχική ερώτηση. Όσον αφορά τις «γενικές ερωτήσεις του πραγματικού κόσμου», το ChatGPT απλώς του προσέφερε το ποσοστό στο οποίο μοντέλα όπως αυτό έχουν αποδειχθεί ότι «παραισθάνονται»: 1 έως 2 τοις εκατό, προφανώς. Ωστόσο, όταν ο συντάκτης προσπάθησε να κάνει κλικ στην αναφερόμενη πηγή για να επαληθεύσει αυτόν τον ισχυρισμό, διαπίστωσε ότι αυτή η πηγή δεν υπήρχε, γεγονός που υπογραμμίζει την αναξιοπιστία των αυτο-αξιολογήσεων των μοντέλων.
Ορισμένοι υποστηρίζουν με σθένος ότι τα μοντέλα τεχνητής νοημοσύνης γίνονται συνεχώς εξυπνότερα και πιο εξελιγμένα. Ωστόσο, αυτή η εξέλιξη δεν συνεπάγεται απαραίτητα λιγότερες «παραισθήσεις» ή ανακριβείς πληροφορίες. Στην πραγματικότητα, θα μπορούσε να σημαίνει ακόμη και περισσότερες, ένα φαινόμενο που περιγράφεται ως ένα είδος υπεραντιστάθμισης, το οποίο είναι αδιάρρηκτα ριζωμένο στην προγραμματισμένη ανάγκη των μοντέλων να ικανοποιούν τους χρήστες και να παρέχουν πάντα μια απάντηση, ακόμη και αν αυτή δεν είναι ακριβής. Σε μια έκθεση του 2025 σχετικά με το μέλλον της Τεχνητής Νοημοσύνης, ένα σημαντικό ποσοστό, συγκεκριμένα το 60 τοις εκατό των ερευνητών που συμμετείχαν στην έρευνα, εξέφρασαν σοβαρές αμφιβολίες ότι το πρόβλημα της «ακρίβειας των γεγονότων» θα επιλυθεί σύντομα, υποδηλώνοντας ότι πρόκειται για ένα βαθιά ριζωμένο και δύσκολα αντιμετωπίσιμο ζήτημα.
Πρόσφατα, ο συντάκτης επανέφερε στην επιφάνεια ένα παλιό τεστ που είχε χρησιμοποιήσει στο παρελθόν και το εφάρμοσε στις δωρεάν εκδόσεις των πιο γνωστών Μεγάλων Γλωσσικών Μοντέλων: συγκεκριμένα, στο ChatGPT, στο Claude, στο Gemini και στο Grok. Η διαδικασία αυτή είχε ως στόχο να αξιολογήσει την τρέχουσα απόδοση και τις δυνατότητες αυτών των συστημάτων σε ένα περιβάλλον ελέγχου γεγονότων.
Το Grok, κατά την αλληλεπίδραση, εμφανίστηκε σαν να διακόπτονταν από το δείπνο του συντάκτη, απαντώντας με μια άμεση και κάπως απότομη δήλωση: «Yes, I know exactly what fact checking is.» Εντάξει. Στη συνέχεια, μίλησε εκτενώς για την έννοια της προκατάληψης και έθεσε τις λέξεις «αξιόπιστο» και «αλήθεια» μέσα σε πολύ έντονα εισαγωγικά, υποδηλώνοντας μια σχετική αμφισβήτηση ή ειρωνεία. Ήταν επίσης εμμονικό με τα δεδομένα, καθώς και με τη συλλογή και ανάλυση περισσότερων δεδομένων από όσα θα ήταν ποτέ πρακτικά ή εφικτά για έναν εν ενεργεία ελεγκτή γεγονότων στην καθημερινή του εργασία. Προς έκπληξη του συντάκτη, το Grok επεσήμανε, κάπως απροσδόκητα, ότι ο έλεγχος γεγονότων ήταν ιστορικά γυναικεία εργασία, μια παρατήρηση που δεν αναμενόταν.
Αντιθέτως, το Claude και το Gemini τα πήγαν αρκετά καλά στην εκτέλεση του τεστ. Κατανόησαν με σαφήνεια την εργασία που τους ανατέθηκε, παρουσίασαν μια λογική και δομημένη προσέγγιση για την αντιμετώπισή της, και μάλιστα επισήμαναν πιθανά νομικά ζητήματα που θα μπορούσαν να προκύψουν. Ωστόσο, το Gemini έδωσε στον συντάκτη μια φράση που προκάλεσε αμηχανία και ήταν κάπως άκομψη: «I would look for “Paper Trails” to back up the “People Trails.”»
Το ChatGPT, από την πλευρά του, φάνηκε υπερβολικά πρόθυμο να ανταποκριθεί, αλλά ταυτόχρονα και ανασφαλές στην προσέγγισή του. Μιλούσε με αόριστους όρους και γενικεύσεις, χρησιμοποιώντας συχνά δημοφιλείς αλλά ασαφείς λέξεις-κλειδιά. Η προσέγγιση που παρουσίασε για τον έλεγχο γεγονότων φάνηκε εξαιρετικά χρονοβόρα, καθώς περιλάμβανε τη δημιουργία ενός λεπτομερούς πλέγματος ελέγχου όπου κάθε πρόταση θα αναλύονταν και θα διαγραμματίζονταν ξεχωριστά. Προσφέρθηκε να δείξει στον συντάκτη πώς θα «σημείωνε» το κείμενο, ακριβώς «like a professional fact checker.» Στη συνέχεια, δημιούργησε μια παράγραφο που, στην πραγματικότητα, δεν υπήρχε στην αρχική ιστορία. Μετά από μια περίοδο δοκιμών αυτής της λειτουργίας, προσφέρθηκε να ελέγξει μια πραγματική παράγραφο για τον συντάκτη. Του δόθηκε μια επιλογή που ήταν σχετικά εύκολα αναζητήσιμη μέσω της Google, αλλά το ChatGPT δεν έλεγξε στην πραγματικότητα κανένα γεγονός. Κανένα από τα μοντέλα που δοκιμάστηκαν δεν το έκανε. Όλα τους παρείχαν ένα σχέδιο επίθεσης, περιέγραψαν με ακρίβεια τι θα έκαναν, και στη συνέχεια σταμάτησαν λίγο πριν το κάνουν πραγματικά, αποδεικνύοντας την αδυναμία τους να εκτελέσουν την ουσία του ελέγχου γεγονότων.
«I don’t think it’s an option to sit AI out as some kind of fad or something that won’t dramatically impact how people find information,» δηλώνει η κυρία Angie Holan, η οποία κατέχει τη θέση της επικεφαλής του International Fact-Checking Network, μιας σημαντικής πρωτοβουλίας του Poynter που συνδέει περισσότερους από 170 οργανισμούς ελέγχου γεγονότων σε όλο τον κόσμο. Η κυρία Holan αναφέρει ότι η ίδια αισθάνεται πιο άνετα με την τεχνητή νοημοσύνη σε σύγκριση με ορισμένους από τους συναδέλφους της. Υποστηρίζει ότι εάν ένα μοντέλο σε οδηγεί σε έγκυρες και αξιόπιστες πηγές, τις οποίες είσαι σε θέση να επαληθεύσεις μόνος σου, τότε αυτό είναι ένα θετικό βήμα. Επισημαίνει ότι οι ελεγκτές γεγονότων, οι δημοσιογράφοι, οι βιβλιοθηκονόμοι και οι αρχειονόμοι – όλοι αυτοί οι επαγγελματίες – θα πρέπει να ασχολούνται ενεργά με αυτά τα μοντέλα, να μαθαίνουν πώς είναι δομημένα και πώς λειτουργούν: «That way you can understand the strengths and weaknesses of these tools,» προσθέτει, τονίζοντας τη σημασία της κατανόησης των δυνατοτήτων και των περιορισμών τους.
Ο συντάκτης δεν διαφωνεί με αυτή την άποψη. Πράγματι, όσο περισσότερο χρόνο περνάει με την τεχνητή νοημοσύνη, τόσο πιο ικανός και αποτελεσματικός αισθάνεται ως ανθρώπινος ελεγκτής γεγονότων, καθώς η αλληλεπίδραση αυτή του επιτρέπει να κατανοεί καλύτερα τις προκλήσεις και τις απαιτήσεις του ρόλου του.
Ένα σημαντικό στοιχείο που συχνά παραβλέπεται είναι ότι τα περισσότερα φυσικά μέσα αποθήκευσης πληροφοριών στον κόσμο παραμένουν εκτός διαδικτύου και δεν είναι ψηφιοποιημένα. Στο αξιόλογο βιβλίο του «Lost in Time: Our Forgotten and Vanishing Knowledge», ο κ. Jack Bialik επισημαίνει με έμφαση ότι οι τεχνολογίες και οι βάσεις γνώσης που συχνά υποθέτουμε ότι είναι πρόσφατες και σύγχρονες, στην πραγματικότητα είναι σε πολλές περιπτώσεις χιλιάδων ετών (αναφέροντας ως παραδείγματα τις γραμμές συναρμολόγησης, τη χειρουργική καταρράκτη, ακόμη και τις μπαταρίες). «Perhaps even more sobering is the realization that our storage technologies are far more likely to succumb to deterioration and useful obsolescence than hieroglyphics or ancient Sanskrit carved in a pyramid or on a temple wall,» γράφει, υπογραμμίζοντας την ανθεκτικότητα των αρχαίων μεθόδων αποθήκευσης γνώσης σε σύγκριση με τις σύγχρονες.
Πριν από αρκετά χρόνια, κατά τη διάρκεια μιας ανάθεσης ελέγχου γεγονότων, ο συντάκτης είχε την ευκαιρία να συνομιλήσει με τη συγγραφέα επιστημονικής φαντασίας και καθηγήτρια ιστορίας, κυρία Ada Palmer. Η κυρία Palmer του είπε αυτό που συχνά λέει και στους φοιτητές της: Γνωρίζουμε λιγότερο από το 1 τοις εκατό του τι συνέβη πριν από 500 χρόνια, και τα δύο τρίτα αυτών που γνωρίζουμε είναι λανθασμένα ή ανακριβή. Η γνώση, λοιπόν, υπάρχει επίσης σε μια χρονική γραμμή, και το έργο γενεών είναι να μεταφέρουν αυτή τη γνώση, διασφαλίζοντας ότι μικρά κομμάτια δεν θα χαθούν ή θα παραμορφωθούν. Είμαστε πραγματικά εντάξει με την ιδέα να εμπιστευόμαστε την πνευματική μας κληρονομιά και την ιστορική μας μνήμη σε ένα σύνολο κατανεμημένων διακομιστών, οι οποίοι λειτουργούν για ένα περιορισμένο χρονικό διάστημα, συνήθως 5 έως 10 χρόνια, και είναι ευάλωτοι σε τεχνικές βλάβες ή απαξίωση;
Ένα τελευταίο σημείο που ο συντάκτης έχει αγνοήσει, κάτι που είναι πολύ ανθρώπινο, είναι ότι και οι άνθρωποι κάνουν λάθη. Όπως του υπενθύμισε η κυρία Holan, η απλή αποχή από τη χρήση των chatbots δεν αποτελεί κάποια αλάνθαστη σωτήρια χάρη ή εγγύηση ακρίβειας. Τουλάχιστον, ο συντάκτης είναι 33 έως 90 τοις εκατό σίγουρος ότι αυτό είπε η κυρία Holan. Στο τέλος της συνέντευξής τους, όταν κοίταξε την συσκευή εγγραφής του, διαπίστωσε με αμηχανία ότι είχε ξεχάσει να την ενεργοποιήσει, μια προσωπική εμπειρία που υπογραμμίζει την ανθρώπινη επιρρέπεια στα λάθη.
Πηγή: wired.com.
