Jak TruthLens sprawdza fakty

Data wejścia w życie: 8 września 2026 · Metodologia w wersji 1.7

Ta strona wyjaśnia prostym językiem, jak TruthLens zamienia tekst, film lub obraz w werdykt oparty na źródłach. Napisano ją dla czytelników, dziennikarzy i badaczy, którzy chcą wiedzieć, co naprawdę dzieje się za wynikiem — to nie jest język marketingu. Tam, gdzie poniższe stwierdzenie da się niezależnie sprawdzić w naszym Regulaminie lub Polityce prywatności, odsyłamy do konkretnego postanowienia, zamiast powtarzać je innymi słowami.

Narzędzie analityczne, a nie ostateczny werdykt. Każdy wynik TruthLens — werdykty, poziomy pewności, wyjaśnienia, listy źródeł — powstaje automatycznie: modele AI wnioskują na podstawie publicznych dowodów. To narzędzie badawcze i informacyjne, nie ustalony fakt i nie ostateczny werdykt (zob. Regulamin, pkt 6.1). TruthLens nie jest powiązany z International Fact-Checking Network (IFCN) ani nie jest jej zweryfikowanym sygnatariuszem; zasady na tej stronie czerpią z opublikowanego Kodeksu zasad IFCN, zastosowanego do systemu automatycznego.

1. Jak przebiega sprawdzenie

Sprawdzenie przebiega etapami. Każdy etap zbudowano wokół jednej reguły: bez dowodów nie ma werdyktu.

1.1. Wyodrębnianie. Przesłany tekst (albo transkrypcja filmu, albo tekst odczytany z obrazu) zostaje podzielony na pojedyncze, sprawdzalne twierdzenia faktograficzne — konkretne wydarzenia, statystyki i tezy przedstawione jako fakt. Opinii, prognoz i pytań retorycznych nie wyodrębniamy. Całość materiału jest ponadto klasyfikowana jako informacja, opinia lub satyra.

1.2. Usuwanie powtórzeń i priorytety. Powtórzone lub niemal identyczne twierdzenia zostają scalone. W długim materiale najpierw sprawdzamy twierdzenia najważniejsze dla czytelnika; w pełni sprawdzana jest stała liczba najistotniejszych twierdzeń z jednego zgłoszenia — dzięki temu sprawdzenie pozostaje szybkie, a budżet weryfikacji trafia na to, co istotne, a nie na poboczne szczegóły.

1.3. Porównanie z opublikowanymi fact-checkami. Zanim zaczniemy szukać sami, sprawdzamy, czy organizacja fact-checkingowa będąca zweryfikowanym sygnatariuszem Kodeksu zasad IFCN opublikowała już analizę tego samego twierdzenia. Dopasowanie uznajemy tylko wtedy, gdy potwierdzono — dosłowną zgodnością sformułowania albo osobnym krokiem weryfikacji — że chodzi o to samo twierdzenie, a nie jedynie o ten sam temat. Przy dopasowaniu używamy wniosku tamtej organizacji, a nie własnego.

1.4. Wyszukiwanie dowodów. Dla twierdzeń bez istniejącego fact-checku TruthLens przeszukuje otwarty internet w poszukiwaniu dowodów potwierdzających lub przeczących, wykluczając wpisy z mediów społecznościowych jako źródła pierwotne. Twierdzenia dotyczące tematów naukowych lub zdrowotnych są dodatkowo porównywane z bazami literatury naukowej i biomedycznej (OpenAlex, Semantic Scholar i PubMed — indeksują one opublikowane badania szeroko, nie tylko prace po recenzji naukowej); twierdzenia o statystykach krajowych (PKB, inflacja, liczba ludności, bezrobocie, oczekiwana długość życia i podobne wskaźniki) porównujemy z oficjalnymi danymi Banku Światowego. Jeśli strona została usunięta lub jest chwilowo niedostępna, zanim się poddamy, próbujemy odczytać ostatnią publicznie zarchiwizowaną kopię przez Wayback Machine serwisu Internet Archive.

1.5. Werdykt oparty na dowodach. Model AI ocenia twierdzenie wyłącznie na podstawie dowodów zebranych w poprzednim kroku — nigdy na podstawie własnej wiedzy ogólnej. Jeśli dowody są niewystarczające lub sprzeczne, werdykt brzmi «Niepotwierdzone», a nie jest zgadywaniem. Model musi też wskazać, co głosi twierdzenie i co głoszą dowody. Dowody dotyczące sąsiedniego twierdzenia — projekt ustawy złożony, a nie ustawa uchwalona; osoba oskarżona, a nie skazana — nie liczą się ani jako potwierdzenie, ani jako zaprzeczenie. Werdykt sprzeczny z własnym porównaniem modelu jest odrzucany przez kod: zarówno potwierdzenie, jak i obalenie stają się «Niepotwierdzone», z adnotacją o tym, czego naprawdę dotyczą źródła. Dowody dotyczące innego zdarzenia lub innego twierdzenia nie są ani potwierdzeniem, ani obaleniem. Źródło podające jedynie granicę — «ponad 55 mld dolarów» — nie ustala dokładnej liczby mieszczącej się w tej granicy: takie twierdzenie otrzymuje «Niepotwierdzone», a nie «Wprowadza w błąd» ani «Obalone», a adnotacja mówi, co źródła faktycznie podają. Doniesienie o wcześniejszym stanie rzeczy może nie wystarczyć do obalenia twierdzenia o teraźniejszości: sprawdzamy dostępne daty publikacji, daty opisywanych danych i wyraźne aktualizacje w pobranych fragmentach; źródła bez daty nie uznajemy ani za stare, ani za aktualne. Gdy dostępne dowody nie dają wystarczająco aktualnej podstawy do obalenia, negatywny werdykt jest wycofywany do «Niepotwierdzone», a adnotacja wyjaśnia ograniczenie czasowe. «Wprowadza w błąd» wymaga dowodów na rzeczywisty fakt i na to, jak twierdzenie go zniekształca; sam brak dowodów lub dowody niezwiązane ze sprawą nie wystarczają.

1.6. Ważenie zaufania do źródeł. Każde źródło dowodowe jest ważone zaufaniem w grafie znanych mediów i wydawców. Model wydający werdykt oparty na dowodach (1.5) ma polecenie, by nigdy nie uznawać twierdzenia za «Obalone» ani «Wprowadza w błąd» wyłącznie na podstawie źródeł o niskim zaufaniu i by przy sprzeczności między źródłem o wysokim i niskim zaufaniu kierować się tym pierwszym. Odrębnie — i jest to wymuszone w kodzie, a nie pozostawione ocenie modelu — werdykt «Obalone» lub «Wprowadza w błąd» nie jest pokazywany z wysoką pewnością, jeśli nie stoją za nim co najmniej dwa niezależne źródła; przedruki tej samej depeszy agencyjnej w różnych domenach liczą się jako jedno. Agencje i urzędy tego samego rządu w ten sam sposób liczą się jako jedno źródło.

1.7. Niezależna druga opinia. Większość werdyktów «Obalone» i «Wprowadza w błąd» jest osobno weryfikowana przez drugi model AI na tych samych dowodach, w ramach stałego budżetu na jedno sprawdzenie. Jeśli modele się różnią, werdykt jest pokazywany z obniżoną pewnością. Werdykt «Obalone», którego nie popiera drugi model o porównywalnej sile, jest wycofywany do «Niepotwierdzone», a nie przedstawiany jako obalenie — chyba że drugi model sam ustali, jak twierdzenie zniekształca rzeczywisty fakt; wtedy twierdzenie jest pokazywane jako «Wprowadza w błąd». Druga opinia uznająca twierdzenie za nierozstrzygnięte nie jest zgodą na werdykt «Wprowadza w błąd». Gdy rozbieżność nie pozwala na uzasadniony wniosek, informujemy, że twierdzenie jest nierozstrzygnięte, zamiast wytwarzać słabszy zarzut. Werdykt, który już pokrył się z opublikowanym fact-checkiem (1.3), pomija ten krok — stoi za nim już analiza ludzkiej organizacji fact-checkingowej.

1.8. Agregacja. Gdy materiał zawiera kilka twierdzeń, wynik ogólny odzwierciedla je wszystkie: jedno fałszywe twierdzenie nie wystarcza, by nadać skądinąd rzetelnemu materiałowi etykietę «Fake news», a jedno prawdziwe nie ratuje materiału zbudowanego głównie na fałszywych. Ogólny wynik podsumowuje twierdzenia wybrane do sprawdzenia; nie jest prawdopodobieństwem, że cały materiał jest prawdziwy. Nierozstrzygnięte twierdzenia nie liczą się jako potwierdzenie i nie mogą rozcieńczyć udziału twierdzeń uznanych za fałszywe. Niższa pewność pozytywnego ustalenia zmniejsza jego wkład; sama niższa pewność nigdy nie podnosi ogólnego wyniku. Zabezpieczenie wycofujące niewiarygodny werdykt zmniejsza pokrycie, ale samo w sobie nie nakłada dodatkowej negatywnej oceny.

2. Skala werdyktów

Werdykty są takie same w aplikacji, rozszerzeniu przeglądarki i na tej stronie. Obowiązują dwie skale: jedna dla całego zgłoszenia, druga dla każdego pojedynczego twierdzenia w jego wnętrzu.

Wynik ogólny

Pojedyncze twierdzenia

Osobny przypadek to wypowiedź autora o sobie samym (na przykład «założyłem ten kanał miesiąc temu»). Takich twierdzeń w ogóle nie zestawiamy ze źródłami zewnętrznymi i z zasady zawsze oznaczamy je jako «Niepotwierdzone» — żadne zewnętrzne źródło nie mogłoby ich potwierdzić ani zaprzeczyć.

«Wprowadza w błąd», dokładniej

Gdy powód mieści się w jednym z dwóch dobrze znanych wzorców, mówimy o tym wprost, zamiast zostawiać samą etykietę «Wprowadza w błąd»:

3. Jak oceniamy źródło

Nie każdy dowód waży tyle samo. Każde źródło rozpatrujemy według czterech kryteriów: autorytet (pozycja i rola organizacji w danym temacie), przejrzystość (jawna metodologia, czytelne dane), aktualność (świeżość względem sprawdzanego twierdzenia) oraz niezależność (brak konfliktu interesów). W praktyce daje to trzy poziomy zaufania — wysoki, zwykły lub niski — zbudowane z grafu znanych redakcji i krótkiej listy znanych domen niskiej jakości (farmy treści, blogi bez moderacji). Model ma polecenie, by sprzeczność znalezioną wyłącznie w źródle o niskim zaufaniu traktować jako samą w sobie niewystarczającą podstawę werdyktu «Obalone» lub «Wprowadza w błąd» i by przy sprzeczności między źródłem o wysokim i niskim zaufaniu kierować się tym pierwszym — zob. 1.6 co do jedynej części tego ważenia wymuszonej w kodzie, a nie pozostawionej modelowi.

4. Czego TruthLens nie robi

• Nie wydaje rozstrzygnięcia prawnego, zalecenia medycznego ani finansowego, ani żadnego urzędowego ustalenia (Regulamin, pkt 6.4).
• Nie sprawdza każdego twierdzenia w długim zgłoszeniu — z założenia daje pierwszeństwo najistotniejszym (zob. 1.2).
• Zależy od dowodów publicznych, zaindeksowanych i dostępnych online w chwili sprawdzenia; twierdzenia o sprawach czysto prywatnych albo o zdarzeniach, które nie zostawiły jeszcze publicznego śladu, zwykle wracają jako «Niepotwierdzone», a nie rozstrzygnięte.
• Częściowo opiera się na bezpłatnej infrastrukturze podmiotów trzecich (otwarte wyszukiwanie w sieci, publiczne archiwa, otwarte bazy naukowe i statystyczne). Gdy któraś z nich jest chwilowo niedostępna, TruthLens przechodzi do kolejnego dostępnego źródła, zamiast zawodzić w całości — ale przejściowa awaria bywa równoznaczna z mniejszą niż zwykle liczbą dowodów przy danym sprawdzeniu.
• Wyjaśnienia i inne teksty swobodne są pisane od razu w języku używanej aplikacji — w 35 z 36 języków obsługiwanych przez interfejs — a nie tłumaczone maszynowo po fakcie. Jedynym wyjątkiem jest duński: nasz własny pomiar wykazał, że przy twierdzeniach o Norwegii model zbacza na norweski, więc czytelnik duński dostaje interfejs po duńsku, a wyjaśnienia po angielsku, dopóki nie zostanie to naprawione. Jeśli czytasz aplikację w języku spoza tych 36, zarówno interfejs, jak i wynik wracają do angielskiego. Decyduje język, w którym czytasz, a nie język materiału: niemiecki artykuł sprawdzony w tajskiej aplikacji wróci po tajsku. Standardowe komunikaty pisane przez samą usługę — na przykład nota pokazywana, gdy opublikowany fact-check już obejmuje twoje twierdzenie, albo wyjaśnienie, dlaczego w zgłoszeniu nie było czego sprawdzać — obejmują teraz te same 36 języków, ale są to szkice tłumaczenia maszynowego, których nie przeczytał jeszcze rodzimy użytkownik każdego z tych języków.

5. Poprawienie wyniku

Jeśli uważasz, że konkretny wynik jest błędny, albo wynik dotyczy ciebie lub twojej organizacji i uznajesz go za nieprawidłowy bądź szkodliwy, napisz na support@truthlens.wiki, podając dokładne sprawdzane twierdzenie i istotę zastrzeżenia. Umotywowane zgłoszenia rozpatrujemy w rozsądnym terminie — z reguły w ciągu 14 dni — i tam, gdzie to uzasadnione, poprawiamy lub usuwamy sporny wynik oraz uwzględniamy to na przyszłość (Regulamin, pkt 6.6).

6. Zmiany w tej metodologii

Istotne zmiany w sposobie przeprowadzania sprawdzeń będą tu datowane, prostym językiem, w chwili ich wdrożenia.

• 8 wrz 2026Wersja 1.7 — 1.5: źródło podające jedynie granicę («ponad 55 mld dolarów») nie ustala już dokładnej liczby mieszczącej się w tej granicy, a negatywny werdykt oparty wyłącznie na źródłach o wcześniejszym stanie rzeczy jest wycofywany do «Niepotwierdzone» z adnotacją o ograniczeniu czasowym; obalenie sprzeczne z własnym porównaniem predykatów przez model jest teraz wycofywane do «Niepotwierdzone», zamiast być pokazywane jako «Wprowadza w błąd»; 1.7: werdykt «Obalone», którego nie popiera drugi model o porównywalnej sile, jest wycofywany do «Niepotwierdzone», chyba że drugi model sam ustali zniekształcenie; 1.8 i 2: ogólny wynik nie pozwala już nierozstrzygniętym twierdzeniom rozcieńczać udziału twierdzeń uznanych za fałszywe, niższa pewność nigdy nie podnosi wyniku, a ogólne etykiety są definiowane przez to, co rozstrzygnięto, z osobnym podaniem pokrycia.
• 5 wrz 2026Wersja 1.6 — 1.5: model werdyktu musi teraz porównać, co głosi twierdzenie i co głoszą dowody, a werdykt sprzeczny z własnym porównaniem jest odrzucany w kodzie; 1.6: agencje tego samego rządu liczą się jako jedno źródło; 1.7: obalenie, którego nie popiera drugi model o porównywalnej sile, jest obniżane do «Wprowadza w błąd», zamiast być tylko pokazywane z niższą pewnością.
• 15 sie 2026Wersja 1.5 — wskazano jedyny język, w którym tekst swobodny nie powstaje w języku aplikacji. Nasz pomiar języka wyjścia we wszystkich 36 językach wykazał, że zapytania duńskie wracają w norweskim bokmål przy twierdzeniach o Norwegii, co powtórzyło się w trzech niezależnych przebiegach; duńskie wyjaśnienia są więc pisane po angielsku, a interfejs pozostaje duński. Poprzednie sformułowanie sugerowało wyjście we wszystkich 36 językach bez wyjątku.
• 15 sie 2026Wersja 1.4 — ponownie poprawiono stwierdzenie o języku wyjścia w pkt 4: opisywało ono język przesłanego materiału, podczas gdy wynik idzie za językiem aplikacji, w której czytasz. Niemiecki artykuł sprawdzony w tajskiej aplikacji wraca po tajsku; angielski jest rozwiązaniem zastępczym tylko wtedy, gdy sama aplikacja działa w języku, którego nie obsługujemy.
• 15 sie 2026Wersja 1.3 — standardowe komunikaty pisane przez samą usługę (nota o dopasowanym fact-checku i wyjaśnienia pustego wyniku) istnieją teraz we wszystkich 36 językach, a nie w pięciu; stwierdzenie z pkt 4, że część z nich pojawia się po angielsku, zastąpiono faktem, że są to szkice tłumaczenia maszynowego czekające na weryfikację przez rodzimych użytkowników.
• 15 sie 2026Wersja 1.2 — poprawiono stwierdzenie o języku wyjścia w pkt 4: tekst swobodny powstaje w języku aplikacji w 36 językach, a nie w pięciu, przy czym angielski służy do wszystkiego poza tym zbiorem i do kilku standardowych komunikatów jeszcze nieprzetłumaczonych.
• 28 lip 2026Wersja 1.1 — przejście uściślające po 1.4 (bazy literatury nie zawierają wyłącznie prac recenzowanych; lista statystyk nie jest otwarta), 1.6 (oddzielono zalecane modelowi ważenie zaufania do źródeł od wymuszonej w kodzie reguły niezależnych źródeł), 1.7 (druga opinia dotyczy większości, a nie każdego werdyktu «Obalone»/«Wprowadza w błąd» i jest pomijana przy dopasowanych fact-checkach) oraz wiersza «Fake news» w tabeli werdyktów (słowo «przeważnie» zastąpiono opisem odpowiadającym rzeczywistemu progowi).
• 28 lip 2026Pierwsza publikacja (wersja 1.0).