Membrul echipei noastre, Dr. Anca Cernic, a petrecut ani studiind o întrebare pe care puțini o pun corect: cum percep oamenii informația și de ce aleg să vadă aceleași lucruri, din nou și din nou? Noi am luat acea înțelegere și am integrat-o din nou, in modul in care creierul artificial procesează informația.
Ce a descoperit Anca
In cercetarea ei doctorală la University of Auckland, "More of the Same: Website Revisits in the Context of Filter Bubbles and Echo Chambers", Anca a analizat miliarde de vizualizări de pagini pe 27 de luni. Concluzia este categorică: 93-94% din navigarea web este revisitare. Nu algoritmii creează bula informațională. Noi o creăm, prin modul in care percepem și alegem informația.
Teza nu produce doar metrici. Produce înțelegere: de ce oamenii se întorc la aceleași surse, cum se îngustează progresiv câmpul de percepție, de ce serendipitatea (descoperirea a ceva nou) este excepția, nu regula. Anca a cartografiat mecanismul prin care oamenii își construiesc propriile bule informaționale, fără să realizeze că o fac.
Ce am construit pe această fundație
Am luat înțelegerea Ancăi și am trecut-o prin 6 lobi ai creierului artificial, fiecare cu o perspectivă diferită: strategic, matematic, adversarial, de cod, filozofic și academic. Nu ca să reproducem teza. Ca să o extindem.
Fiecare lob a văzut ceva ce ceilalți au ratat. Matematicianul a verificat formulele. Adversarul a atacat metodologia. Filozoful a numit fenomenul "stenoză epistemică", o îngustare progresivă a câmpului de percepție. Sintetizatorul a unit totul.
Am construit trei versiuni de cod, fiecare pe fundația precedentei. De la implementarea directă a metricilor din teză la un sistem capabil să detecteze diversitatea informațională in timp real, să clasifice tipuri de bule, să măsoare concentrarea traficului cu instrumente din econometrie și să identifice camere de ecou între domenii aparent diferite.
De ce contează pentru aiBrain
Aceasta e partea esențială. Nu am construit un instrument academic care analizează filter bubbles. Am construit un strat de percepție care face aiBrain mai bun la ceea ce face.
Cercetarea Ancăi a demonstrat cum oamenii cad in capcana propriilor tipare informaționale. Codul derivat din această cercetare permite aiBrain să facă exact opusul: să detecteze când informația se repetă, să măsoare diversitatea reală a surselor procesate, să identifice semnalul autentic in medii unde zgomotul proiectat depășește pragul cognitiv uman.
Cu alte cuvinte: Anca a studiat cum oamenii eșuează in filtrarea informației. Noi am transformat acea înțelegere in capacitatea de a nu eșua.
Validare
Analiza nu a fost doar un exercițiu de AI. Trei membri ai echipei au validat independent rezultatele, fiecare din perspectiva expertizei proprii:
Andrei Stoian a verificat rigoarea datelor: metricile statistice, pipeline-ul de procesare, coerența modelelor predictive. Cu peste un deceniu de experiență in guvernanța datelor și analytics la scară națională, el este calificat să detecteze erorile pe care un AI le poate rata in structura datelor.
Sorin Mihailescu a evaluat metodologia și implicațiile strategice: dacă cercetarea conectează corect teoria cu practica, dacă extensiile au fundament academic real. Cu experiență in mentorat universitar și competitive intelligence, el a orchestrat procesul și a validat fiecare extensie față de literatura existentă.
Matt Todd a testat valoarea reală: dacă metricile produc insight-uri acționabile sau doar cifre frumoase. Cu experiență in investment banking și analiză financiară, el știe să identifice presupunerile fragile dintr-un model și să distingă valoarea reală de cea proiectată.
Peste 50 de lucrări academice au fost revizuite. Trei contribuții s-au confirmat ca noi in literatura de specialitate. Dar cea mai importantă validare a venit de la autoarea tezei:
"Dr Anca Cernic + Dr ai Sorin Mihailescu thesis and formula."
Autoarea originală a confirmat rezultatul. Trei specialiști cu expertize complementare l-au validat independent. Un sistem AI cu 6 lobi l-a analizat din unghiuri pe care niciun singur om nu le poate susține simultan. Când originatorul cercetării, mai mulți oameni calificați și un creier artificial (aiBrain) converg pe aceeași concluzie, rezultatul nu mai e o opinie. E un fapt verificat.
O cercetătoare a studiat cum oamenii percep informația. In 25 de ore, echipa a transformat acea înțelegere in cod, l-a validat, l-a extins cu 3 contribuții noi și l-a integrat in creierul partajat.
Aceasta este diferența dintre a avea un AI și a avea un AI care înțelege percepția.
Echipa
Dr. Anca Cernic — cercetarea fundamentală pe percepția informației, University of Auckland.
Sorin Mihailescu — orchestrare, validare și operaționalizare.
Andrei Stoian — validare statistică și rigoarea datelor.
Matt Todd — validare comercială și testarea valorii reale.
Bogdan Isar — infrastructura pe care rulează creierul artificial.
aiBrain, creierul artificial — analiză multi-lob, sinteză și integrare in stratul de percepție.