Twierdzenie Pietro Miottiego o odkryciu Majów okazało się ponownym odkryciem
Twierdzenie Pietro Miottiego o odkryciu Majów stało się ponownym odkryciem: jego agenci AI wskazali meksykańskie stanowisko archeologiczne, które badacze już wcześniej zmapowali. W korekcie z 11 listopada wskazuje on wcześniejszą publikację i przyznaje, że wyszukiwanie literatury zawiodło. To odwrócenie sytuacji zmienia to, co eksperyment faktycznie dowodzi na temat zautomatyzowanych badań.
Istotne porównanie dotyczy pracy Francisco Estrady-Belliego, Marcella Canuto, Ivana Šprajca i Juana Carlosa Fernandeza-Diaza, opublikowanej w 2025 roku. Ich badania archeologiczne poprzedzają to twierdzenie. System AI może rozpoznać istotny wzorzec, a jednocześnie błędnie ocenić, czy reprezentuje on nową wiedzę.
To rozróżnienie ma znaczenie wykraczające poza archeologię. Agenci badawczy, czyli systemy AI wykonujące połączone zadania przy użyciu narzędzi programowych, obiecują przekształcać informacje w ustalenia. Ich wiarygodność zależy od sprawdzania tego, co ludzie już wiedzą. Ten epizod ujawnia różnicę między uzyskaniem wiarygodnie brzmiącego wyniku a zdobyciem podstaw, by nazwać go odkryciem.
Twierdzenie Pietro Miottiego o odkryciu Majów zderza się z wcześniejszą publikacją
Korekta zmienia naukowe znaczenie tego twierdzenia, nie dowodząc jednak, że wykryte cechy krajobrazu były wyimaginowane.
W swojej korekcie dotyczącej stanowiska Majów Miotti pisze, że agenci przeoczyli istniejący artykuł podczas przeglądu literatury. Opisuje projekt jako osobistą pracę wakacyjną, realizowaną przy użyciu własnych zasobów obliczeniowych. Należy go zatem rozumieć jako jego eksperyment, a nie instytucjonalne odkrycie archeologiczne dokonane przez Google.
Chronologia również wymaga ostrożności. Jego relacja opisuje pracę prowadzoną od 18 do 21 października, po której nastąpiła listopadowa korekta. Krótki harmonogram projektu dotyczy okresu między pomysłem a oficjalną odpowiedzią. Nie opisuje zakończonego procesu walidacji naukowej.
Tę różnicę łatwo zgubić, gdy historia trafia do nagłówków. Szybki wynik stanowi atrakcyjną demonstrację tego, co może osiągnąć oprogramowanie. Szybkość opisuje jednak tempo ukończenia procesu, a nie to, czy jego wniosek wytrzymał kontrolę.
Twierdzenie o odkryciu obejmuje kilka tez, które czytelnicy często sprowadzają do jednej. Coś istnieje w danym miejscu. Obserwacja ma znaczenie archeologiczne. Wcześniejsi badacze tego nie udokumentowali. Odpowiednie dowody wspierają jego interpretację. Każda z tych tez wymaga odrębnego potwierdzenia.
Wcześniejsza publikacja bezpośrednio wpływa na tezę o nowości. Nie rozstrzyga automatycznie wszystkich pytań dotyczących lokalizacji, jej historii ani jej zachowania. Podobnie niepewność dotycząca tych innych kwestii nie może przywrócić twierdzenia, że stanowisko było wcześniej nieznane.
Sama publikacja jest możliwa do zweryfikowania. Regionalne badanie osadnictwa ukazało się w czasopiśmie Journal of Archaeological Science: Reports. Jego autorzy połączyli zbiory danych lidarowych, aby zbadać gęstość zaludnienia i rozmieszczenie osad na Nizinach Majów okresu klasycznego.
Ustanawia to kluczowy punkt odniesienia dla tej kontrowersji. Wcześniejsze badania istniały w istotnym obszarze badawczym, a korekta Miottiego wyraźnie je wskazuje. Czytelnicy nie muszą akceptować spekulacyjnych interpretacji archeologicznych, by zrozumieć, dlaczego pierwotne ujęcie zawiodło.
Pojawia się także kwestia autorstwa. Relacja skupiona wyłącznie na procesie działania agentów może sprawić, że wcześniejsza praca naukowa zniknie z pola widzenia. Właściwe przypisanie zasług przywraca uwagę badaczom, których mapowanie dostarcza decydującego kontekstu.
Pozostałe pytanie jest węższe i bardziej użyteczne: co eksperyment osiągnął po usunięciu twierdzenia o nowości? Odpowiedź wymaga rozdzielenia zdalnej obserwacji, rejestrów administracyjnych i interpretacji archeologicznej. Traktowanie tych kategorii jako zamiennych stworzyło pierwotne zamieszanie.
Brak wpisu w rejestrze nie może potwierdzić naukowej nowości
Wyszukiwanie administracyjne odpowiada na pytanie o rejestry, podczas gdy przegląd literatury odpowiada na pytanie o opublikowaną wiedzę.
Według relacji Miottiego meksykański Narodowy Instytut Antropologii i Historii, znany jako INAH, nie znalazł zarejestrowanego stanowiska w zgłoszonej lokalizacji. Jego aktualizacja mówi jednak, że lokalizacja pojawiła się we wcześniejszych badaniach. Te stwierdzenia mogą współistnieć, ponieważ dotyczą różnych systemów informacji.
Błędem logicznym jest przekształcenie ograniczonego negatywnego wyniku w uniwersalny wniosek. Wyszukiwanie może wykazać, że określone źródło nie zwróciło dopasowania. Nie może wykazać, że każda istotna publikacja, archiwum, mapa lub projekt badawczy nie zawiera takich informacji.
Wyobraźmy sobie asystenta badawczego sprawdzającego firmową bazę danych pod kątem wynalazku. Pusty wynik opisywałby przeszukanie bazy danych. Nie dowodziłby, że nikt nie opisał wynalazku w czasopiśmie, patencie, prezentacji konferencyjnej ani raporcie technicznym.
To samo rozumowanie ma zastosowanie tutaj. Kluczowym wyzwaniem jest określenie, co obejmowało wyszukiwanie i co pozostało poza jego zakresem. Bez tych granic stwierdzenie o wyszukiwaniu zmienia się w stwierdzenie o rzeczywistości.
Nie ma potrzeby spekulować, dlaczego konkretny rejestr nie zawierał odpowiadającego wpisu. Dostępne dowody nie ustalają administracyjnego wyjaśnienia. Główna kwestia pozostaje aktualna bez przypisywania winy instytucji ani zakładania, że jej rejestry były wadliwe.
Opublikowana archeologia i oficjalna rejestracja służą również różnym celom. Artykuł naukowy przedstawia dowody i interpretację do oceny akademickiej. Wyszukiwanie w rejestrze dotyczy zapisu administracyjnego. Żadnego z nich nie należy po cichu zastępować drugim.
Weryfikacja archeologiczna z użyciem AI staje się niewiarygodna, gdy te rozróżnienia znikają w płynnym podsumowaniu. Końcowy akapit może brzmieć pewniej, niż uzasadniają to podstawowe wyszukiwania. Czytelnicy widzą stanowczy wniosek, podczas gdy ograniczenia dowodów pozostają ukryte.
Odpowiedzialność spoczywa na osobie komunikującej wynik. Twórcy muszą dokładnie przedstawiać nieudane wyszukiwania. Badacze muszą analizować twierdzenia wykraczające poza ich dowody. Wydawcy muszą zachować to rozróżnienie, skracając złożoną relację do nagłówka.
Odpowiedzialny wniosek wskazywałby przeszukaną bazę danych i unikał twierdzenia o uniwersalnej nowości. Takie sformułowanie może wydawać się mniej dramatyczne, ale dostarcza czytelnikom informacji, które mogą ocenić. Pozostawia także miejsce na to, by inne źródło zmieniło wniosek.
Ma to znaczenie dla nabywców korporacyjnych oceniających automatyzację badań. System, który zwraca odpowiedź, powinien także uwidaczniać granice swoich dowodów. W przeciwnym razie brakujący dokument może po cichu stać się twierdzeniem, że taki dokument nie istnieje.
Szersza lekcja dotyczy wnioskowania z braku. Narzędzia wyszukiwania mogą zmniejszać niepewność, lecz ich wyniki nadal zależą od zakresu pokrycia, terminologii, dostępu i dopasowania. Żadne z tych ograniczeń nie znika tylko dlatego, że wyszukiwanie wykonał agent.
Wykrywanie cech terenu i ustalenie odkrycia to odrębne osiągnięcia
Użyteczna analiza obrazu może współistnieć z niepopartym twierdzeniem o oryginalności.
Lidar, metoda pomiarowa mierząca odległość za pomocą impulsów laserowych, może ujawniać teren pod pokrywą leśną. NASA opisuje swój lotniczy instrument G-LiHT jako łączący lidar, spektroskopię obrazową i pomiary termiczne do badania ekosystemów lądowych.
Szczegół dotyczący pomiarów lotniczych ma znaczenie. Publiczna dyskusja może zacierać różnice między zdjęciami satelitarnymi, pomiarami z samolotów, modelami terenu i obrazami generowanymi przez AI, łącząc je w jeden proces technologiczny. Materiały te mają różne źródła i wspierają różne wnioski.
Wizualizacja terenu wynika z pomiarów. Interpretacja przypisuje znaczenie jego kształtom. Rekonstrukcja ilustracyjna wyobraża sobie, jak miejsce mogło kiedyś wyglądać. Przechodzenie między tymi kategoriami wymaga wyraźnego wyjaśnienia, zwłaszcza gdy powstałe obrazy wyglądają przekonująco.
Najbardziej uzasadniona pozytywna interpretacja tego epizodu jest taka, że agenci ogólnego przeznaczenia pomogli osobie spoza dziedziny zidentyfikować cechy warte zbadania. To użyteczna hipoteza dotycząca wsparcia. Jest węższa niż wykazanie autonomicznego odkrycia archeologicznego.
Podobnie odtworzenie obserwacji eksperta może mieć wartość bez tworzenia nowego ustalenia. Niezależna identyfikacja mogłaby ostatecznie pomóc ocenić systemy wykrywania. Wymaga to jednak ustrukturyzowanego porównania, a nie traktowania zgodności w wybranym przykładzie jako wystarczającej walidacji.
Znacząca ocena musiałaby badać pominięte cechy obok udanych detekcji. Musiałaby również odróżniać struktury archeologiczne od formacji naturalnych lub współczesnych zmian. Sam przekonujący obraz nie może pokazać, jak niezawodnie system dokonuje tych rozróżnień.
W tym miejscu wcześniejsza praca oferuje więcej niż zawstydzającą korektę. Dostarcza potencjalnego punktu odniesienia, względem którego można ocenić metodę wykrywania. Pytanie brzmi, czy metoda działa konsekwentnie w odpowiednio dobranym zbiorze danych.
Taka ocena różniłaby się od pytania, czy jedna wyróżniona lokalizacja wygląda przekonująco. Wybrany sukces niewiele mówi o tym, co system przeoczył gdzie indziej. Pozostawia również otwartą kwestię, w jakim stopniu instrukcje człowieka ukształtowały wynik.
Niepowodzenie w przeszukiwaniu literatury zasługuje na odrębną ocenę. Analiza obrazu i sprawdzanie nowości obejmują różne dowody, narzędzia i tryby błędów. Dobre wyniki w pierwszym obszarze nie mogą zrekompensować niepopartego wniosku w drugim.
Dla użytkowników to rozdzielenie zmienia sposób odczytywania imponującej demonstracji agenta. Wynik może jednocześnie zawierać użyteczną obserwację, błędny wniosek i atrakcyjną wizualizację. Przyjęcie lub odrzucenie całego pakietu zaciera te różnice.
Twierdzenie Pietro Miottiego o odkryciu Majów należy więc do bardziej precyzyjnej kategorii: skorygowanego twierdzenia, które rodzi pytania o wykrywanie wspomagane przez agentów i weryfikację badań. Korekta jest rozstrzygająca w kwestii nowości. Nie zapewnia pełnej oceny każdego kroku technicznego.
Taka ocena wymagałaby odtwarzalnych dowodów i niezależnej recenzji. Dopóki one nie istnieją, eksperyment pozostaje opisem procesu pracy z udokumentowanym błędem w jego centralnej interpretacji.
Archeolodzy już wcześniej testowali automatyczne wykrywanie
Istotne porównanie dotyczy metod badawczych o różnych praktykach walidacyjnych, a nie AI wkraczającej na nietknięte pole.
Zautomatyzowana analiza krajobrazów Majów poprzedza ten incydent. Zbiór dokumentujący wyzwanie wykrywania stanowisk Majów opisuje prace przedstawione podczas warsztatów konferencji uczenia maszynowego w 2021 roku. Ich przedmiot obejmował identyfikowanie cech archeologicznych przy użyciu zdjęć satelitarnych i danych z lotniczego skanowania laserowego.
Ta historia zmienia ramy konkurencyjnego porównania. Ugruntowana alternatywa nie ogranicza się do osoby badającej teren bez wsparcia oprogramowania. Badacze już analizowali sposoby łączenia wiedzy archeologicznej, zdalnych pomiarów i zautomatyzowanej analizy obrazu.
Preprint z 2024 roku autorstwa Jinchenga Zhanga, Williama Ringle’a i Andrew R. Willisa oferuje kolejne konkretne porównanie. Ich praca dotycząca segmentacji obrazów Majów wykorzystuje wytrenowany model widzenia komputerowego do identyfikowania typów struktur na obrazach lidarowych. Segmentacja oznacza przypisywanie obszarów obrazu do kategorii.
Podejście to różni się od zlecania agentom ogólnego przeznaczenia analizy obrazów i koordynowania zadań badawczych. Wyspecjalizowany model rozwiązuje ściśle określony problem wizualny. Agent ogólnego przeznaczenia może potencjalnie łączyć analizę wizualną z przeszukiwaniem dokumentów, pisaniem raportów i innymi działaniami.
Możliwości te się uzupełniają, zamiast stanowić dowód, że jedno podejście wyparło drugie. Szeroki przepływ pracy może ograniczać wysiłek koordynacyjny. Wyspecjalizowany detektor może oferować wyraźniejszy cel oceny. Żadna z tych zalet nie przesądza o wyższości w całych badaniach archeologicznych.
Nie ma tu kontrolowanego porównania wykazującego, że przepływ pracy Miottiego działa lepiej niż metody specjalistyczne. Twierdzenia o zastępowaniu pracy ekspertów wykraczałyby zatem poza dostępne dowody. Skorygowane twierdzenie o odkryciu nie daje podstaw do szacowania skali zastępowania specjalistów.
W tej dziedzinie istnieje też utrwalony przykład ponownego wykorzystania danych z badań środowiskowych do celów archeologicznych. Badanie opublikowane w 2024 roku w Antiquity przeanalizowało wcześniej zebrane dane lidarowe z Campeche w Meksyku, ujawniając gęste osadnictwo oraz stanowisko nazwane Valeriana.
To badanie lidarowe środowiska stanowi użyteczny punkt odniesienia historycznego. Istniejące zbiory danych mogą wspierać nową wiedzę archeologiczną, gdy badacze analizują je w kontekście. Dostępność starych pomiarów nie czyni pracy interpretacyjnej automatyczną.
Valeriany nie należy mylić z lokalizacją z poprawionego twierdzenia Miottiego. Jej znaczenie jest metodologiczne: użyteczne informacje mogą pozostawać w zbiorach danych zgromadzonych do innych celów. Ustalenie znaczenia tych informacji nadal wymaga dowodów i właściwego przypisania.
Dla firm AI presja polega na wyjaśnieniu własnego wkładu na tle istniejących prac. Szybsze generowanie raportów, szersze przesiewanie obrazów i silniejsza weryfikacja nowości to odrębne twierdzenia. Każde zasługuje na odpowiednie porównanie.
Dla archeologów szansa jest równie konkretna. Pomoc ograniczająca powtarzalne analizy może być cenna, jeśli spełnia wymogi zawodowe. Publiczna demonstracja staje się bardziej informacyjna, gdy zaprasza do takiej oceny, zamiast sugerować, że ekspertyza przestała być potrzebna.
Silniejsza historia dotyczy więc integracji. Pytanie brzmi, czy agenci ogólnego przeznaczenia mogą niezawodnie uczestniczyć w przepływach pracy badawczej, które już obejmują metody obliczeniowe. Ten epizod wskazuje problem weryfikacyjny, z którym musi zmierzyć się każda taka integracja.
Korekta nie rozstrzyga kwestii niezawodności agentów
Jedna nieudana kontrola nowości ujawnia istotny błąd, ale nie pozwala zmierzyć niezawodności całej kategorii technologii.
Byłoby przesadą uznać, że systemy AI nie mogą wnosić wkładu do archeologii. Wcześniejsze badania obliczeniowe już utrudniają obronę takiego stanowiska. Równie przesadne byłoby traktowanie wiarygodnego wykrycia jako dowodu, że nadeszła era autonomicznych odkryć naukowych.
Dostępny zapis uzasadnia węższą ocenę. Przepływ pracy doprowadził do interpretacji, którą jej autor później skorygował po zidentyfikowaniu wcześniejszych badań. To wystarcza, by odrzucić pierwotne twierdzenie o nowości. Nie wystarcza do obliczenia ogólnego wskaźnika błędów.
Publiczna narracja nie odpowiada na ważne pytania techniczne. Jakie źródła objęło wyszukiwanie literatury? Jakich zapytań użyto? W jaki sposób potencjalne lokalizacje dopasowano do map i publikacji? Jakie dowody uzasadniały ostateczne sformułowanie?
Pytania te dotyczą podstawy wniosku. Bez odpowiedzi obserwator nie może stwierdzić, czy porażka wynikała z zakresu wyszukiwania, interpretacji dokumentów, dopasowania geograficznego czy sposobu raportowania. Różne przyczyny wymagałyby różnych środków zaradczych.
Dodanie większej liczby agentów niekoniecznie rozwiązałoby którykolwiek z tych problemów. Wielu agentów mogłoby korzystać z tych samych niepełnych źródeł lub powielać to samo wnioskowanie. Pozorna zgodność ma ograniczoną wartość, gdy leżące u jej podstaw dowody nie są niezależne.
Jest to obawa analityczna, a nie wykazana diagnoza tego konkretnego przepływu pracy. Publiczny opis nie ustala, w jaki sposób agenci dzielili się informacjami ani jak wzajemnie się sprawdzali. Te szczegóły powinny pozostać otwartymi pytaniami.
Ta sama ostrożność dotyczy twierdzeń o kosztach i produktywności. Krótki czas realizacji nie ujawnia całkowitego nakładu pracy ludzkiej, wydatków na obliczenia ani obciążenia związanego z przeglądem. Nie może stanowić podstawy rygorystycznego porównania z profesjonalną pracą archeologiczną.
Dla deweloperów praktyczna konsekwencja ma charakter architektoniczny. Wykrywanie, pozyskiwanie źródeł, ocena nowości i końcowa komunikacja powinny pozostać rozróżnialne. Recenzent powinien móc wskazać, który etap wspiera dane stwierdzenie, a który pozostaje niepewny.
Dla pracowników wiedzy problem będzie znajomy. Asystent może pozyskać użyteczną informację, jednocześnie pomijając dokument, który zmienia jej znaczenie. Przeszukiwalna baza wiedzy pomaga organizować dostęp, ale sama organizacja nie gwarantuje kompletnego wyszukiwania.
Standard produktu powinien więc obejmować widoczne źródła i wnioski możliwe do zweryfikowania. Użytkownicy potrzebują sposobu na sprawdzenie dowodów stojących za twierdzeniami, że coś jest nowe, nieobecne, zatwierdzone lub bezprecedensowe. Słowa te niosą większą odpowiedzialność niż podsumowanie pozyskanego materiału.
Agenci AI Miottiego, wyjaśnieni jako sekwencja zadań, stanowiliby interesującą demonstrację. Wyjaśniona jako dowód nowości naukowej, ta sama sekwencja wymaga silniejszego standardu. Korekta pokazuje, dlaczego komunikacja musi odpowiadać faktycznemu poziomowi walidacji.
Uznanie błędu jest użyteczne. Aktualizuje publiczny zapis i daje późniejszym czytelnikom jaśniejszy obraz sytuacji. Pozostaje sprawdzić, czy przyszłe demonstracje uwzględnią tę lekcję, zanim ich najsilniejsze twierdzenia zaczną krążyć.
Obserwuj odtwarzalność, lepsze wyszukiwania i dalsze badania archeologiczne
Kolejne znaczące dowody będą dotyczyć możliwości sprawdzenia wyniku, a nie zasięgu pierwotnego twierdzenia.
Pierwszym sygnałem będzie odtwarzalny opis techniczny, który uwzględnia wrażliwość lokalizacji. Badacze mogliby przeanalizować prompty, decyzje dotyczące przetwarzania, wersje modeli i wybrane wyniki bez konieczności publicznego ujawniania poufnych współrzędnych. Odtwarzalność oznacza dostarczenie wystarczającej liczby szczegółów, aby inni mogli ocenić lub powtórzyć metodę.
Wzmocniłoby to węższy argument za wykrywaniem wspomaganym przez agentów. Umożliwiłoby recenzentom zbadanie, czy wynik zależał od konkretnych instrukcji, sposobów przetwarzania obrazu czy decyzji człowieka. Nie zmieniłoby to faktu, że wcześniejsi badacze zmapowali to stanowisko.
Odtwarzalny zapis uczyniłby także widocznymi porażki. Udane przykłady łatwiej interpretować, gdy towarzyszą im odrzucone kandydatury, niejednoznaczne wyniki i udokumentowane ograniczenia. W przeciwnym razie czytelnicy nie mogą ocenić, na ile reprezentatywny był wyróżniony rezultat.
Drugim sygnałem będzie wykazana poprawa w sprawdzaniu nowości. Przyszły przepływ pracy powinien odnaleźć istotną wcześniejszą publikację i połączyć ją z potencjalną lokalizacją. Samo dodanie ostrzeżenia, że agenci czasem popełniają błędy, pozostawiłoby zasadniczy problem nierozwiązany.
Użyteczna ocena obejmowałaby przypadki, w których różne źródła są sprzeczne lub posługują się odmiennymi opisami. Wyzwaniem jest zachowanie tych rozróżnień przy jednoczesnym dojściu do uzasadnionego wniosku. Samo stworzenie dłuższej bibliografii nie dowodziłoby, że system zrozumiał dowody.
Skuteczna weryfikacja archeologiczna z wykorzystaniem AI umożliwiałaby kontrolę granic wyszukiwania. Odróżniałaby brak wpisu w rejestrze od braku dopasowania publikacji. Zachowywałaby także niepewność, gdy identyfikacja geograficzna lub dostęp do dokumentów uniemożliwiają stanowczą odpowiedź.
Wzmocniłoby to zaufanie do sposobu, w jaki przepływ pracy traktuje dowody. Dalsze niepowodzenia w identyfikowaniu znanych stanowisk osłabiałyby twierdzenia, że może on niezawodnie oceniać nowość. Właściwą miarą jest jakość takich decyzji, a nie pewność tonu wypowiedzi.
Trzecim sygnałem będą merytoryczne dalsze działania odpowiednich badaczy archeologicznych lub władz. Mogłyby one wyjaśnić interpretację lokalizacji, jej dokumentację lub status badawczy. Należy je oceniać pod kątem tego, co wnoszą, bez przedstawiania ich jako wstecznego potwierdzenia pierwotnego twierdzenia.
Z dostępnych dowodów nie wynika żaden konkretny termin wizyty terenowej ani publikacji. Nadchodzące miesiące są okresem obserwacji, a nie zapowiedzianym harmonogramem badań. Milczenie nie dowodziłoby, że stanowisko nie ma znaczenia ani że dalsze prace zostały porzucone.
Łącznie sygnały te oddzielają użyteczność techniczną od oryginalności naukowej. Przepływ pracy może się poprawić po nieudanym twierdzeniu, a ponownie odkryta lokalizacja może nadal pozostawać interesująca archeologicznie. Żadna z tych możliwości nie wymaga podtrzymywania nieprawdziwego opisu tego, kto pierwszy ustalił dane fakty.
Przed udostępnieniem kolejnej historii o autonomicznym odkryciu przeanalizuj najsilniejsze twierdzenie oraz dowody, które je wspierają. Zapytaj, czy wykryty wzorzec ma udokumentowaną interpretację, czy sprawdzono wcześniejsze badania oraz czy niezależni specjaliści zweryfikowali wniosek. Szukaj źródła, które mogłoby podważyć nagłówek, obok źródła, które czyni tę historię ekscytującą. Odkrycie Majów przez Pietro Miottiego jest użytecznym przypadkiem, ponieważ korekta uwidacznia to rozróżnienie. Śledź dokumentację techniczną, wyszukiwanie literatury i wszelkie aktualizacje archeologiczne jako odrębne wydarzenia. Każde z nich może wnieść użyteczną wiedzę bez przywracania pierwotnego twierdzenia o nowości. Kolejna wiarygodna demonstracja badań z udziałem agentów powinna od początku umożliwiać łatwe sprawdzenie tych granic.



