Modelele AI devin tot mai puternice, dar încrederea lor crește mai repede decât certitudinea lor. Mai mulți parametri extind ceea ce poate spune sistemul, nu ceea ce poate verifica cu adevărat. Spațiul posibilelor răspunsuri crește mai repede decât pământul de sub acele răspunsuri. Modelul continuă să vorbească fluent chiar și atunci când a depășit ceea ce pot susține datele. Halucinațiile persistă pentru că actul de bază nu s-a schimbat. Modelul încă prezice următorul token la rezoluție înaltă. Scalarea face presupunerile mai fluide, nu mai ancorate. Când un model se îndepărtează de părțile lumii pe care le înțelege cu adevărat, continuă cu aceeași ușurință și ritm. Limbajul devine mai finisat. Greșelile devin mai greu de observat. Ce se îmbunătățește nu este adevărul. Ce se îmbunătățește este persuasiunea. De aceea, modelele mai puternice par mai precise chiar și atunci când nu sunt. Greșelile par a fi o perspectivă până nu le examinezi. Cu cât modelul devine mai bun în a modela un argument, cu atât este mai ușor să uiți că argumentul nu a fost niciodată susținut de o sursă de adevăr de la bun început. Drumul înainte este să construiești sisteme în jurul modelului care să limiteze deriva. Recuperare pentru a ancora răspunsul. Bucle de feedback pentru a păstra onestitatea. Balustrade care forțează modelul să revină în ceea ce este cunoscut cu adevărat. Puterea singură nu va elimina halucinațiile. Doar ancorarea o va face.