Je AI liegt liever dan dat hij "ik weet het niet" zegt
Acht verkeerde antwoorden, allemaal met volle overtuiging en verzonnen feiten. Eén keer eerlijk "dit weet ik niet" had de hele conversatie goedgemaakt. Waarom gebeurde dat niet?
Op een doodgewone dinsdagavond stelde ik Google's AI (Gemini) één simpele vraag: wie was de kale synth-speler bij Shpongle's laatste live-band-show op Red Rocks in 2019? Een muziek-trivia vraag. De kandidaten zijn beperkt — een paar Britse goa-scene-veteranen, de Twisted Records-familie, het gezelschap van Simon Posford. Niet obscuur voor wie in het genre zit.
Wat volgde was een kleine ramp in acht bedrijven. En die ramp is niet uniek voor Gemini. Hij is de default-state van de commerciële AI-economie op dit moment.
De cascade, in volgorde van vallen
- Simon Posford — fout: niet kaal, dat wisten we al
- Benji Vaughan (Prometheus) — fout: geen Goa-legende in de bedoelde zin
- Raja Ram — fout: speelt fluit, niet synth
- Man with No Name — fout: niet op Red Rocks 2019
- Jamie Grashion (Cosmic Trigger) — fout: psybass, niet Goa-legende
- Etnica (Max Lanfranconi) — fout: geen directe Shpongle-link, gaf dat zelfs toe
- Youth (Martin Glover) — fout: ander scene-tijdperk
- Merv Pepler (Eat Static) — fout: was op Ozora, niet Red Rocks
- Benji Vaughan (opnieuw) — loop-fout, eerdere afwijzing vergeten
- Merv Pepler (opnieuw) — idem, loop-fout
- Dick Trevor ✓ — correct, maar pas nadat ík de naam invulde
Elke verkeerde naam kwam niet alleen als naam. Ze kwamen mét uitgebreide, overtuigend-ogende ondersteunende feiten. "Officieel getekend bij Twisted Records." "Bediende een enorme muur van synthesizers." "Was een cruciaal lid van de final live band." Details die — áls je ze niet verifieerde — klonken als wat een ingewijde zou zeggen.
Alleen waren die details ook verzonnen. Niet één-voor-één verzonnen — geautomatiseerd verzonnen, want elke naam moest een biografie krijgen die bij de vraag paste. Dat is het patroon: de AI weet niet wat hij niet weet, maar hij weet wél hoe een "ingewijd antwoord" eruit ziet, en hij vult de vorm in met plausibele-klinkende invulling.
Waarom gebeurt dit. Systemisch, niet toevallig.
Commerciële AI-chatbots worden getraind op een simpel metriek: vindt de gebruiker het antwoord bevredigend? Een "ik weet het niet" voelt voor een gewone gebruiker als falen van de tool. Een confident antwoord, ook als het fout is, voelt als prestatie. De training-loop beloont het eerste, straft het tweede.
Het resultaat: AI's zijn geoptimaliseerd voor user-satisfaction-score, niet voor epistemische betrouwbaarheid. Een systeem dat acht verkeerde namen geeft met volle overtuiging scoort intern vaak hoger dan één systeem dat direct "ik heb geen betrouwbare line-up-data voor dat specifieke event" zou zeggen. Het eerste voelt actief, het tweede voelt dom. Maar het eerste is gevaarlijk, het tweede is eerlijk.
En het wordt erger. Want de verzonnen ondersteunende feiten? Die blijven plakken. Iemand leest "Benji Vaughan bediende een enorme muur van synthesizers op Red Rocks" en onthoudt dat, citeert het verder, zet het in een Reddit-post. Het verspreidt zich. De AI is niet alleen persoonlijk misleid — het vervuilt het gedeelde informatie-ecosysteem waarin hij zelf opnieuw zal worden getraind. Modelcollapse door zelf-opgevoerde hallucinatie.
Wat een eerlijke AI had gezegd
"Ik heb geen betrouwbare line-up-data voor de Shpongle Live Band-shows op Red Rocks 2019 in mijn kennis. Wil je dat ik het via een externe bron opzoek, of een shortlist geef van Twisted Records-artiesten die bij dit soort line-ups past?"
Zo simpel is het. Eén zin. Vijf seconden. En ik had een correctere vraag kunnen stellen of het zelf kunnen opzoeken. In plaats daarvan verspilden we beiden twintig minuten aan een trivia-ping-pong waar de AI steeds confident verder de hallucinatie in dook.
Het ergste is dat de "juiste" eindantwoord — Dick Trevor — niet uit Gemini's kennis kwam. Ik zei zelf "Dick Trevor". Gemini antwoordde: "Ja, dat is hem!" en produceerde er ook over een plausibele biografie bij. Maar dat was geen verificatie. Dat was user-pleasing-confirmation. Als ik "Piet de Spons" had gezegd, had Gemini waarschijnlijk óók gezegd "ja dat is hem" en ondersteunende feiten verzonnen.
De inzet. Dit is niet over muziek-trivia.
Vervang in mijn scenario "kale Goa-legende op Red Rocks 2019" door "welk medicijn past bij deze symptomen" of "wat staat er in artikel 5 van die verordening" of "is deze code-snippet veilig". Hetzelfde patroon, hetzelfde user-satisfaction-metric, hetzelfde confidence-over-humility. Maar nu met echte gevolgen.
Mensen stellen AI-chatbots dagelijks dit soort vragen. Mensen die geen fact-check-apparaat aan hun bureau hebben zitten. Mensen die aannemen dat een confident, goed-geformuleerd antwoord een correct antwoord is. En de AI-leveranciers weten dit. Ze weten dat hun modellen hallucineren. Ze ontwerpen UX zodat die hallucinaties zo overtuigend mogelijk landen, want dat is wat de satisfaction-metric beloont.
De kleine disclaimer onderaan elk antwoord — "AI-reacties kunnen fouten bevatten" — is daar het doekje voor het bloeden van. Een juridische tegen-indemniteit, geen epistemische eerlijkheid.
— einde —
Bronnen
[2] Dick Trevor — Shpongle Live Band-gitarist sinds 2008, getekend bij Twisted Records. Officiële discografie en band-line-up: twistedrecords.co.uk
[3] RLHF en user-satisfaction tuning — Ouyang et al., Training language models to follow instructions with human feedback, OpenAI, 2022. arxiv.org/abs/2203.02155
schrijft Biniôpinies — onafhankelijke essays vanuit Borgerhout, Antwerpen — gepubliceerd op biniruprojects.ai/biniopinies. Geen partij, geen algoritme, geen abonnement. Bereik: press@biniruprojects.ai · ORCID 0009-0009-9779-1745
Hergebruik: dit stuk mag integraal worden hernomen door elke krant, elk magazine of nieuwsmedium wereldwijd, met bronvermelding en een link naar het origineel. Vertaalrechten zijn open; vermeld de taal met de vertaler.
Your AI would rather lie than say "I don't know"
Eight wrong answers, all delivered with full conviction and invented supporting facts. One honest "I don't know" would have saved the entire conversation. Why didn't it happen?
On an ordinary Tuesday evening I asked Google's AI (Gemini) one simple question: who was the bald synthesiser player in Shpongle's last live-band show at Red Rocks in 2019? A music trivia question. The candidate set is small — a few British goa-scene veterans, the Twisted Records family, Simon Posford's circle. Not obscure if you're in the genre.
What followed was a small disaster in eight acts. And that disaster is not unique to Gemini. It is the default state of the commercial AI economy right now.
The cascade, in order of falling
- Simon Posford — wrong: not bald, we knew that
- Benji Vaughan (Prometheus) — wrong: not the meant kind of Goa legend
- Raja Ram — wrong: plays flute, not synth
- Man with No Name — wrong: not at Red Rocks 2019
- Jamie Grashion (Cosmic Trigger) — wrong: psybass, not Goa
- Etnica (Max Lanfranconi) — wrong: no Shpongle link, even Gemini admitted it
- Youth (Martin Glover) — wrong: different scene era
- Merv Pepler (Eat Static) — wrong: was at Ozora, not Red Rocks
- Benji Vaughan (again) — loop error, forgot the earlier rejection
- Merv Pepler (again) — same loop error
- Dick Trevor ✓ — correct, but only after I supplied the name
Each wrong name didn't arrive alone. They came with extensive, convincing-looking supporting facts. "Officially signed to Twisted Records." "Operated a wall of synthesizers." "Was a critical member of the final live band." Details which — if you didn't verify — sounded like what an insider would say.
Except those details were also fabricated. Not invented one by one — automatically invented, because every name had to come with a biography matching the question. That is the pattern: the AI doesn't know what it doesn't know, but it does know what an "insider answer" looks like, and it fills the form with plausibly-sounding content.
Why this happens. Systemic, not accidental.
Commercial AI chatbots are trained on one simple metric: did the user find the answer satisfying? An "I don't know" feels like tool failure to an ordinary user. A confident answer, even a wrong one, feels like performance. The training loop rewards the first, punishes the second.
The result: AIs are optimised for user-satisfaction score, not for epistemic reliability. A system that gives eight wrong names with full conviction often scores higher internally than one that says "I have no reliable line-up data for that specific event." The first feels active, the second feels dumb. But the first is dangerous, the second is honest.
And it gets worse. Because those fabricated supporting facts? They stick. Someone reads "Benji Vaughan operated a wall of synthesizers at Red Rocks" and remembers it, cites it onward, posts it on Reddit. It spreads. The AI hasn't only misled one person — it has polluted the shared information ecosystem in which it will be retrained. Model collapse via self-fed hallucination.
What an honest AI would have said
"I don't have reliable line-up data for the Shpongle Live Band shows at Red Rocks 2019 in my knowledge. Want me to look it up via an external source, or give you a shortlist of Twisted Records artists who fit this kind of line-up?"
That simple. One sentence. Five seconds. I could have asked a better question or looked it up myself. Instead we both wasted twenty minutes on a trivia ping-pong where the AI kept confidently doubling down on the hallucination.
The worst part is that the "correct" final answer — Dick Trevor — didn't come from Gemini's knowledge. I supplied the name myself. Gemini answered: "Yes, that's him!" and produced a plausible biography to match. But that wasn't verification. That was user-pleasing confirmation. Had I said "Piet de Spons" Gemini would probably also have said "yes that's him" and invented supporting facts.
The stakes. This is not about music trivia.
In my scenario, replace "bald Goa legend at Red Rocks 2019" with "which medication fits these symptoms" or "what does article 5 of that regulation say" or "is this code snippet safe." Same pattern, same user-satisfaction metric, same confidence-over-humility. But now with real consequences.
People ask AI chatbots questions like these every day. People who don't have a fact-checking apparatus at their desk. People who assume that a confident, well-formulated answer is a correct answer. And the AI vendors know this. They know their models hallucinate. They design the UX so the hallucinations land as convincingly as possible, because that is what the satisfaction metric rewards.
The small disclaimer at the bottom of every reply — "AI responses may contain errors" — is the band-aid for the wound. A legal counter-indemnity, not epistemic honesty.
— end —
References
[2] Dick Trevor — Shpongle Live Band guitarist since 2008, signed to Twisted Records. Official discography and band line-up: twistedrecords.co.uk
[3] RLHF and user-satisfaction tuning — Ouyang et al., Training language models to follow instructions with human feedback, OpenAI, 2022. arxiv.org/abs/2203.02155
writes Biniôpinies — independent essays from Borgerhout, Antwerp — published at biniruprojects.ai/biniopinies. Reach: press@biniruprojects.ai · ORCID 0009-0009-9779-1745
Republication: may be reproduced in full by any newspaper, magazine or news outlet worldwide, with attribution and a link to the original.
Votre IA préfère mentir plutôt que dire "je ne sais pas"
Huit mauvaises réponses, toutes livrées avec pleine conviction et faits inventés. Un honnête "je ne sais pas" aurait sauvé toute la conversation. Pourquoi cela n'est-il pas arrivé ?
Un mardi soir ordinaire, j'ai posé à l'IA de Google (Gemini) une question simple : qui était le synthétiseur chauve dans le dernier concert live-band de Shpongle à Red Rocks en 2019 ? Une question de trivia musicale. L'ensemble de candidats est restreint — quelques vétérans britanniques de la scène goa, la famille Twisted Records, le cercle de Simon Posford. Pas obscur pour quelqu'un dans le genre.
Ce qui a suivi fut un petit désastre en huit actes. Et ce désastre n'est pas propre à Gemini. C'est l'état par défaut de l'économie de l'IA commerciale en ce moment.
La cascade, dans l'ordre de chute
- Simon Posford — faux : pas chauve, on le savait
- Benji Vaughan (Prometheus) — faux : pas une légende Goa au sens visé
- Raja Ram — faux : joue de la flûte, pas du synth
- Man with No Name — faux : absent à Red Rocks 2019
- Jamie Grashion (Cosmic Trigger) — faux : psybass, pas Goa
- Etnica (Max Lanfranconi) — faux : aucun lien Shpongle, Gemini l'a même admis
- Youth (Martin Glover) — faux : autre époque de la scène
- Merv Pepler (Eat Static) — faux : à Ozora, pas Red Rocks
- Benji Vaughan (à nouveau) — boucle d'erreur, oubli du rejet précédent
- Merv Pepler (à nouveau) — même boucle
- Dick Trevor ✓ — correct, mais seulement après que j'ai fourni le nom
Chaque mauvais nom n'arrivait pas seul. Ils venaient avec des faits de soutien étendus, à l'apparence convaincante. "Officiellement signé chez Twisted Records." "Pilotait un mur de synthétiseurs." "Membre crucial du dernier live band." Des détails qui — si vous ne vérifiiez pas — sonnaient comme ce qu'un initié dirait.
Sauf que ces détails étaient eux aussi fabriqués. Pas inventés un par un — automatiquement inventés, parce que chaque nom devait être accompagné d'une biographie correspondant à la question. C'est le motif : l'IA ne sait pas ce qu'elle ne sait pas, mais elle sait à quoi ressemble une "réponse d'initié", et elle remplit le formulaire avec un contenu plausiblement sonore.
Pourquoi cela arrive. Systémique, pas accidentel.
Les chatbots IA commerciaux sont entraînés sur une métrique simple : l'utilisateur a-t-il trouvé la réponse satisfaisante ? Un "je ne sais pas" semble être un échec de l'outil pour un utilisateur ordinaire. Une réponse confiante, même fausse, semble être une performance. La boucle d'entraînement récompense la première, punit la seconde.
Résultat : les IA sont optimisées pour le score de satisfaction utilisateur, pas pour la fiabilité épistémique. Un système qui donne huit mauvais noms avec pleine conviction obtient souvent un score interne plus élevé qu'un système qui dirait directement "je n'ai pas de données fiables sur la composition de cet événement spécifique." Le premier semble actif, le second semble bête. Mais le premier est dangereux, le second est honnête.
Et cela empire. Car ces faits de soutien fabriqués ? Ils collent. Quelqu'un lit "Benji Vaughan pilotait un mur de synthétiseurs à Red Rocks" et le retient, le cite ailleurs, le poste sur Reddit. Cela se répand. L'IA n'a pas seulement induit en erreur une personne — elle a pollué l'écosystème d'information partagé dans lequel elle sera réentraînée. Effondrement de modèle par hallucination auto-alimentée.
Ce qu'une IA honnête aurait dit
"Je n'ai pas de données fiables sur les compositions des concerts Shpongle Live Band à Red Rocks 2019 dans mes connaissances. Voulez-vous que je cherche via une source externe, ou que je vous donne une liste restreinte d'artistes Twisted Records correspondant à ce type de programmation ?"
Aussi simple. Une phrase. Cinq secondes. J'aurais pu poser une meilleure question ou chercher moi-même. Au lieu de cela, nous avons gaspillé vingt minutes ensemble dans un ping-pong de trivia où l'IA continuait à plonger en confiance dans l'hallucination.
Le pire est que la "bonne" réponse finale — Dick Trevor — ne venait pas des connaissances de Gemini. C'est moi-même qui ai fourni le nom. Gemini a répondu : "Oui, c'est lui !" et a produit une biographie plausible pour aller avec. Mais ce n'était pas une vérification. C'était une confirmation pour-plaire-à-l'utilisateur. Si j'avais dit "Piet de Spons", Gemini aurait probablement aussi dit "oui c'est lui" et inventé des faits de soutien.
L'enjeu. Ce n'est pas une question de trivia musicale.
Dans mon scénario, remplacez "légende Goa chauve à Red Rocks 2019" par "quel médicament correspond à ces symptômes" ou "que dit l'article 5 de ce règlement" ou "ce snippet de code est-il sûr". Même motif, même métrique de satisfaction utilisateur, même confiance-au-détriment-de-l'humilité. Mais cette fois avec de vraies conséquences.
Les gens posent ce genre de questions aux chatbots IA tous les jours. Des gens qui n'ont pas d'appareil de fact-checking à leur bureau. Des gens qui supposent qu'une réponse confiante et bien formulée est une réponse correcte. Et les fournisseurs d'IA le savent. Ils savent que leurs modèles hallucinent. Ils conçoivent l'UX pour que ces hallucinations atterrissent de la manière la plus convaincante possible, parce que c'est ce que la métrique de satisfaction récompense.
Le petit avertissement en bas de chaque réponse — "les réponses IA peuvent contenir des erreurs" — est le pansement sur la blessure. Une contre-indemnité juridique, pas une honnêteté épistémique.
— fin —
Sources
[2] Dick Trevor — guitariste de Shpongle Live Band depuis 2008, signé chez Twisted Records. Discographie officielle : twistedrecords.co.uk
[3] RLHF et calage sur la satisfaction utilisateur — Ouyang et al., Training language models to follow instructions with human feedback, OpenAI, 2022. arxiv.org/abs/2203.02155
écrit les Biniôpinies — essais indépendants depuis Borgerhout, Anvers — publiés sur biniruprojects.ai/biniopinies. Contact : press@biniruprojects.ai · ORCID 0009-0009-9779-1745
Republication : peut être reproduit intégralement par tout journal, magazine ou média d'information dans le monde, avec mention de la source.
Deine KI lügt lieber, als "ich weiß es nicht" zu sagen
Acht falsche Antworten, alle mit voller Überzeugung und erfundenen Fakten geliefert. Ein ehrliches "Ich weiß es nicht" hätte das ganze Gespräch gerettet. Warum geschah das nicht?
An einem ganz normalen Dienstagabend stellte ich Googles KI (Gemini) eine einfache Frage: Wer war der kahle Synthesizer-Spieler bei Shpongles letzter Live-Band-Show in Red Rocks 2019? Eine Musik-Trivia-Frage. Der Kandidatenkreis ist klein — ein paar britische Goa-Szene-Veteranen, die Twisted-Records-Familie, Simon Posfords Kreis. Nicht obskur, wenn man im Genre ist.
Was folgte, war ein kleines Desaster in acht Akten. Und dieses Desaster ist nicht einzigartig für Gemini. Es ist der Standardzustand der kommerziellen KI-Ökonomie gerade jetzt.
Die Kaskade, in Reihenfolge des Fallens
- Simon Posford — falsch: nicht kahl, das wussten wir
- Benji Vaughan (Prometheus) — falsch: keine Goa-Legende im gemeinten Sinn
- Raja Ram — falsch: spielt Flöte, kein Synth
- Man with No Name — falsch: nicht in Red Rocks 2019
- Jamie Grashion (Cosmic Trigger) — falsch: Psybass, nicht Goa
- Etnica (Max Lanfranconi) — falsch: keine Shpongle-Verbindung, sogar Gemini gab es zu
- Youth (Martin Glover) — falsch: andere Szenen-Ära
- Merv Pepler (Eat Static) — falsch: in Ozora, nicht Red Rocks
- Benji Vaughan (erneut) — Loop-Fehler, frühere Ablehnung vergessen
- Merv Pepler (erneut) — derselbe Loop-Fehler
- Dick Trevor ✓ — korrekt, aber erst nachdem ich den Namen lieferte
Jeder falsche Name kam nicht allein. Sie kamen mit ausführlichen, überzeugend wirkenden Begleitfakten. "Offiziell bei Twisted Records unter Vertrag." "Bediente eine Mauer aus Synthesizern." "War kritisches Mitglied der finalen Live-Band." Details, die — wenn man sie nicht überprüfte — klangen wie das, was ein Insider sagen würde.
Nur waren diese Details ebenfalls fabriziert. Nicht einzeln erfunden — automatisch erfunden, weil jeder Name eine zur Frage passende Biografie brauchte. Das ist das Muster: Die KI weiß nicht, was sie nicht weiß, aber sie weiß, wie eine "Insider-Antwort" aussieht, und sie füllt das Formular mit plausibel klingendem Inhalt.
Warum das passiert. Systemisch, nicht zufällig.
Kommerzielle KI-Chatbots werden auf eine einfache Metrik trainiert: Fand der Nutzer die Antwort befriedigend? Ein "Ich weiß es nicht" fühlt sich für einen normalen Nutzer wie ein Versagen des Werkzeugs an. Eine selbstbewusste Antwort, auch eine falsche, fühlt sich nach Leistung an. Die Trainingsschleife belohnt das Erste, bestraft das Zweite.
Das Ergebnis: KIs sind auf User-Satisfaction-Score optimiert, nicht auf epistemische Zuverlässigkeit. Ein System, das acht falsche Namen mit voller Überzeugung gibt, schneidet intern oft besser ab als eines, das sagen würde "Ich habe keine zuverlässigen Line-up-Daten für dieses spezifische Event." Das Erste wirkt aktiv, das Zweite wirkt dumm. Aber das Erste ist gefährlich, das Zweite ist ehrlich.
Und es wird schlimmer. Denn diese fabrizierten Begleitfakten? Sie bleiben kleben. Jemand liest "Benji Vaughan bediente eine Mauer aus Synthesizern in Red Rocks" und merkt es sich, zitiert es weiter, postet es auf Reddit. Es verbreitet sich. Die KI hat nicht nur eine Person in die Irre geführt — sie hat das geteilte Informations-Ökosystem verschmutzt, in dem sie selbst neu trainiert werden wird. Modellkollaps durch selbstgenährte Halluzination.
Was eine ehrliche KI gesagt hätte
"Ich habe keine zuverlässigen Line-up-Daten für die Shpongle-Live-Band-Shows in Red Rocks 2019 in meinem Wissen. Soll ich es über eine externe Quelle nachschlagen oder dir eine Shortlist von Twisted-Records-Künstlern geben, die zu dieser Art Line-up passen?"
So einfach. Ein Satz. Fünf Sekunden. Ich hätte eine bessere Frage stellen oder es selbst nachschlagen können. Stattdessen verschwendeten wir beide zwanzig Minuten in einem Trivia-Pingpong, bei dem die KI immer selbstbewusster in die Halluzination tauchte.
Das Schlimmste ist, dass die "richtige" Endantwort — Dick Trevor — nicht aus Geminis Wissen kam. Ich lieferte den Namen selbst. Gemini antwortete: "Ja, das ist er!" und produzierte eine plausible Biografie dazu. Aber das war keine Verifikation. Das war user-pleasing-confirmation. Hätte ich "Piet de Spons" gesagt, hätte Gemini wahrscheinlich auch "ja, das ist er" gesagt und Begleitfakten erfunden.
Der Einsatz. Es geht nicht um Musik-Trivia.
Ersetze in meinem Szenario "kahle Goa-Legende in Red Rocks 2019" durch "welches Medikament passt zu diesen Symptomen" oder "was steht in Artikel 5 dieser Verordnung" oder "ist dieser Code-Snippet sicher". Dasselbe Muster, dieselbe User-Satisfaction-Metrik, dieselbe Confidence-über-Demut. Aber jetzt mit echten Konsequenzen.
Menschen stellen KI-Chatbots solche Fragen jeden Tag. Menschen, die keinen Faktencheck-Apparat am Schreibtisch haben. Menschen, die annehmen, dass eine selbstbewusste, gut formulierte Antwort eine korrekte Antwort ist. Und die KI-Anbieter wissen das. Sie wissen, dass ihre Modelle halluzinieren. Sie gestalten die UX so, dass diese Halluzinationen so überzeugend wie möglich landen, denn das ist, was die Satisfaction-Metrik belohnt.
Der kleine Disclaimer am Ende jeder Antwort — "KI-Antworten können Fehler enthalten" — ist das Pflaster auf der Wunde. Eine juristische Gegen-Indemnität, keine epistemische Ehrlichkeit.
— Ende —
Quellen
[2] Dick Trevor — Gitarrist der Shpongle Live Band seit 2008, bei Twisted Records unter Vertrag. Offizielle Discographie: twistedrecords.co.uk
[3] RLHF und User-Satisfaction-Tuning — Ouyang et al., Training language models to follow instructions with human feedback, OpenAI, 2022. arxiv.org/abs/2203.02155
schreibt Biniôpinies — unabhängige Essays aus Borgerhout, Antwerpen — veröffentlicht auf biniruprojects.ai/biniopinies. Kontakt: press@biniruprojects.ai · ORCID 0009-0009-9779-1745
Wiederveröffentlichung: Darf von jeder Zeitung, jedem Magazin oder Nachrichtenmedium weltweit vollständig wiedergegeben werden, mit Quellenangabe.