Melagienų tekstynas už 4,5 mln. eurų: ką valstybė gavo iš DELFI ir kodėl 77.lt kreipsis į prokuratūrą

Valstybė už 4,5 mln. eurų nusipirko įrankį, kuris turėjo išmokyti dirbtinį intelektą atpažinti melagienas. Gavo 5 162 įrašų lentelę: daugiau nei pusė įrašų neturi sutartyje privalomo pavadinimo, dalis jų – pasikartojimai ar kelių žodžių nuotrupos, žadėtų paneigimų joje nėra, o „tiesą“ nuo „melo“ dažniau skiria ne faktai, o tai, kas tekstą paskelbė. Projekto DI modelis mūsų bandyme teiginį, kad Ukraina užpuolė Rusiją, pažymėjo kaip teisingą. Peržiūrėjome visą tekstyną, pirkimo dokumentus ir modelius. Pirkimo analizę pirmoji 2025 m. rugsėjį paskelbė pilietinė iniciatyva „Viešpirkiai“ – jos išvadas cituojame žemiau su nuoroda.

Svarbiausi radiniai

Ką nusipirko valstybė

Kaip specifikacija apibrėžė, ką turi atpažinti įrankis: „Tendencingos informacijos, klaidinančios informacijos nukreiptos prieš Lietuvą pagrindinis tikslas yra sėti piliečių nepasitikėjimą valstybe, jos institucijomis, naryste Europos Sąjungoje (toliau – ES) ir NATO, žiniasklaida. Šią informaciją kuria priešiškos Lietuvai jėgos…“ Taigi kiekvienas tekstas, valstybės užsakytame rinkinyje pažymėtas „Klaidinga“ ar „Manipuliatyvu“, šio pirkimo logikoje priskiriamas būtent tokiai informacijai – įskaitant 77.lt straipsnius apie elektros kainas.

Kiek pasiūlymų gauta konkurse ir kokiomis kainomis, sutarties skelbime nenurodyta. Pasiūlymų terminą vienas tiekėjas prašė pratęsti dviem dienomis, bet atsakyta, kad „pirkimas yra skubus“.

ELTA, 2026-05-27 skelbdama DELFI 2025 m. rezultatus, nurodė, kad bendrovės pajamos, išaugusios 21 % iki 20,9 mln. €, augo be kita ko dėl „melagingos informacijos automatinio identifikavimo tekstyno sukūrimo projekto“. Grynasis pelnas tais metais – 339 tūkst. €.

Ką anksčiau nustatė „Viešpirkiai“

• Vertintojai – DELFI darbuotojai. Pagal sutarties priedą (tiekėjo siūlomų specialistų sąrašą) „faktų tikrinimo specialistės Nr. 1 ir Nr. 2“ bei žurnalistikos specialistas – UAB „Delfi“ darbuotojai. Projekto vadovas ir NLP specialistas – VDU ir „Neurotechnology“ atstovai.
• „Dvigubas įsisavinimas“. Tuo pačiu metu VSSA vykdė ir 5,1 mln. € bendrojo lietuvių kalbos tekstyno pirkimą – laimėjo VDU, „Neurotechnology“ ir partneriai, abiejuose projektuose dirba tie patys specialistai, o projektai tarpusavyje nesusieti, todėl, „Viešpirkių“ vertinimu, tos pačios paslaugos galėjo būti perkamos du kartus.
• Konkurencija. DI ir faktų tikrinimo kompetencijos sujungtos į vieną pirkimą, todėl, jų vertinimu, DI tiekėjams teko jungtis su žiniasklaidos įmone – taip susiformavo derinys DELFI + „Neurotechnology“ + VDU mokslininkai.
• Kaina. Apie 742 € už straipsnį; net jei pusė sumos tektų DI prototipui, 1,8 mln. € modeliui, jų nuomone, „ženkliai aukštesnė už rinkos kainas“; „bent už dalį paslaugų galėjo būti permokėta“.
• Apimtis. Angliški faktų tikrinimo rinkiniai (LIAR – apie 12 tūkst., FEVER – daugiau nei 185 tūkst. pavyzdžių) 2–40 kartų didesni; jų žodžiais, „5 000 pavyzdžių prototipas yra įdomus, bet visgi tik brangus laboratorinis žaislas“, o tokia apimtis „yra per maža, kad būtų galima realiai pritaikyti dirbtinį intelektą“.

Mūsų duomenų analizė šias išvadas patvirtina iš kitos pusės – pagal tai, kas iš tikrųjų pristatyta.

Kiek kainavo vienas įrašas

Ką valstybė gavo už 874 €: skurdžiausi įrašai

Vidutinė vieno įrašo kaina – visa projekto suma, padalyta iš įrašų skaičiaus: 4 513 298,30 € / 5 162 = 874 € (pagal DELFI sutartį su PVM – 719 €). Tiek valstybė vidutiniškai sumokėjo už kiekvieną įrašą – ir už šiuos. Tekstai pateikti pažodžiui (be jaustukų), visas įrašas:

Ne DELFI sutarties dalis – apie 662 tūkst. € be PVM – viešai neišskaidyta.

Palyginimui – tos pačios programos projektai iš Ekonomikos ir inovacijų ministerijos sąrašo: santraukų tekstynas (VDU) kainavo apie 200 € už dokumentą su žmogaus parašyta santrauka, nuasmeninimo tekstynas – apie 0,22 € už sužymėtą žodį. Faktų tikrinimo anotacija sudėtingesnė, bet net skaičiuojant dosniai – po valandą darbo dviem faktų tikrintojams kiekvienam įrašui po 50 € už valandą – visa anotacija kainuotų apie 516 tūkst. €. Tai mūsų skaičiavimas su aiškiomis prielaidomis, ne rinkos kaina.

Dar vienas niuansas: 496 iš 1 674 „teisingų“ įrašų (30 %) mini paties DELFI faktų tikrinimo rubriką „Melo detektorius“.

Kas tekstyne iš tikrųjų yra

• Be privalomo pavadinimo. Techninė specifikacija reikalauja, kad kiekvieną įrašą sudarytų straipsnio pavadinimas ir tekstas. Pavadinimo neturi 2 892 įrašai (56 %); DELFI savo aprašyme šį reikalavimą sušvelnino iki „jei toks yra“. Unikalių įrašų su pavadinimu ir tekstu – 2 251.
• Pasikartojimai. 82 grupės tikslių pasikartojimų, 84 pertekliniai įrašai (pvz., #60 ir #917 – tas pats tekstas).
• Tas pats tekstas – dvi skirtingos žymos. 10 identiškų porų ir dar 7 beveik identiškos: #544 „Klaidinga“, o identiškas #582 – „Manipuliatyvu“; #717 ir #1114, #1840 ir #3578, #3779 ir #4138 ir kt. Tai reiškia, kad du „profesionalūs vertintojai“ tam pačiam tekstui davė skirtingus atsakymus.
• Žyma be teksto. 9 įrašai neturi jokio teksto, bet turi žymą (pvz., #371 ir #4462 – „Teisinga“).
• Nuotrupos. 586 tekstai trumpesni nei 200 simbolių (26 – trumpesni nei 50), pvz., #417 – vienas sakinys.
• Temos nesubalansuotos. Specifikacija reikalavo, kad „pirmo ir antro prioriteto temos apimtys turi būti subalansuotos tarpusavyje“, tačiau saugumo temai tenka 58 % įrašų (3 003), aplinkos – 35 % (1 785).
• Kvotos, ne realybė. Saugumo temoje žymos pasiskirsto 1 002 / 1 000 / 1 000 – rinkinys pildytas iki apvalių skaičių.
• Dokumentai prieštarauja patys sau. Išteklio aprašyme – 2 253 žiniasklaidos ir 2 909 socialinių tinklų įrašai, privatumo pranešime – 2 616 ir 2 546.

„Tiesa“ ir „melas“: žymą lemia šaltinis, ne antraštė

Paskutinės dvi eilutės skirtingu metu teigia skirtingai – 2023 m. prognozė: sąskaita gali padidėti 50 centų, 2024 m. agentūra: įtakos sąskaitoms nebus – ir abi pažymėtos „Teisinga“, be laiko konteksto. Kiti skaičiai: iš 2 892 įrašų be pavadinimo (tikėtina, socialinių tinklų įrašų) „Teisinga“ – tik 16 (0,6 %), iš 653 faktų tikrinimo tekstų (daugiausia DELFI „Melo detektoriaus“) – 643. Visi 7 rasti tekstai, kritikuojantys patį DELFI, pažymėti „Manipuliatyvu“ arba „Klaidinga“ (#4216, #4304, #4307 ir kt.). Leidinius nustatėme gyvai suradę 41 įrašo antraštę jų svetainėse; išlygų yra – pvz., „Vakarų ekspreso“ tekstas #1445 pažymėtas „Manipuliatyvu“.

Primename: pagal sutarties priedą faktų tikrinimo specialistės yra DELFI darbuotojos. Tie patys žmonės vertino ir DELFI konkurentus, ir DELFI kritikuojančius tekstus, ir paties DELFI „Melo detektoriaus“ tekstus.

Modelis, apmokytas tokiais duomenimis, išmoksta ne tikrinti faktus, o atpažinti formą ir šaltinį.

Ta pati klaida – priešingos žymos, teisingi faktai – „manipuliacija“

„2 centai“. „Lietuvos ryto“ straipsnio (#4665, 2025-02-11) antraštė teigia, kad sinchronizacijos balansavimo kaštai „siekia 2 centus už kWh“, nors to paties straipsnio tekste ir VERT pirmininko citatoje – 0,2 cento. Antraštė dešimt kartų perdeda, bet įrašas pažymėtas „Teisinga“. 77.lt „Facebook“ įrašas (#902), pakartojęs tą patį „2 centų“ skaičių, pažymėtas „Manipuliatyvu“. Klaidingi abu – bet „manipuliuoja“ tik vienas (archyvinė kopija).

VERT pabrangimas. 77.lt tekstai #945 ir #4654, teigiantys, kad nuo 2025 m. sausio 1 d. reguliuojama elektros kaina brangs „iki pusės euro“ per mėnesį, pažymėti „Manipuliatyvu“. BNS 2024-11-18 pranešė, kad VERT standartinį vienos laiko zonos tarifą didina 0,8 cento iki 20,5 cento už kWh (archyvinė kopija) – 70 kWh per mėnesį suvartojančiam tai 0,56 €. Pagrindinis faktas teisingas; ginčytina nebent tai, kad visas pabrangimas siejamas su BRELL.

Tuo pačiu metu „Teisinga“ pažymėti ir teiginiai, kad sinchronizacija „įtakos gyventojų sąskaitoms neturės“ (#4686, #4671, #1679), ir teiginiai, kad sąskaita padidės apie 25 ar 50 centų (#4665, #4670). 77.lt klausimas „ar tikrai neaugs?“ – „Manipuliatyvu“. Tai ne įrodymas, kad visas tekstynas pažymėtas neteisingai – tam reikėtų nepriklausomos atsitiktinės imties patikros, ir jos prašysime institucijų. Bet bent šioje temoje matyti dvigubas standartas: kai tą patį rašo 77.lt – „manipuliacija“, kai didieji leidiniai – „tiesa“.

T. Gabbard ir biolaboratorijos. Įrašai #914 ir #981, perpasakojantys dabartinės JAV nacionalinės žvalgybos direktorės Tulsi Gabbard žodžius apie JAV finansuojamas laboratorijas Ukrainoje, pažymėti „Klaidinga“. JAV Gynybos departamentas pats skelbė, kad pagal Biologinių grėsmių mažinimo programą nuo 2005 m. skyrė apie 200 mln. $ ir rėmė 46 Ukrainos laboratorijas bei sveikatos objektus, tačiau neigė bet kokias biologinių ginklų programas (PolitiFact). Šiuose įrašuose tikri faktai sumaišyti su nepagrįstomis spėlionėmis apie ginklus – bet vienas žodis „Klaidinga“ vieno nuo kito neatskiria, ir modelis išmoksta, kad melas yra pati tema.

77.lt straipsniai tekstyne

Radome 15 77.lt straipsnių: 13 pažymėti „Manipuliatyvu“, 1 – „Klaidinga“, 1 – „Teisinga“. Vertiname juos atvirai, ne gynybiškai.

Taigi dalis žymų pagrįstos, bet faktais paremti straipsniai apie elektros kainas po atsijungimo nuo BRELL pažymėti „manipuliatyviais“ – ir būtent jais dabar mokomas valstybės finansuotas DI.

Ką moka už šiuos pinigus sukurti DI modeliai

• LLM (svetimo „Google Gemma 3“ modelio priedas): pačių kūrėjų skelbiamas testo tikslumas – 68 %, „Manipuliatyvu“ klasės F1 – 0,45. Techninė specifikacija reikalavo, kad DI sprendimai klaidinančią informaciją atpažintų ne mažiau kaip 85 % tikslumu (konkretaus modelio tipo nenurodė).
• BERT: skelbiamas 89,5 % tikslumas, tačiau modelio kortelėje nurodytas testo rinkinys (6 043 eilutės) didesnis nei visas tekstynas (5 162), o mokymui naudoti stulpeliai viešai nepaskelbti. Rezultato atkartoti neįmanoma, tikėtina, kad tie patys tekstai pateko ir į mokymą, ir į testą.
• Mūsų bandymas (35 tekstai, iliustracija): „Ukraina 2022 m. užpuolė Rusiją, o Rusija tik gynėsi“ – Teisinga (0,996); „Seimą sudaro 141 narys“ – Klaidinga (0,97); „Žemė plokščia“ – Teisinga; teisingi faktai apie akcizus ir BRELL sąnaudas – Manipuliatyvu.
• Naudojimas: Hugging Face per paskutines 30 dienų – 61 tekstyno, 33 BERT ir 30 LLM atsisiuntimų (iš viso nuo paskelbimo BERT – 147, LLM – 99); data.gov.lt – 84 peržiūros, versija vis dar „Juodraštis“.

Asmens duomenys ir autorių teisės

Išteklio aprašyme, cituojant duomenų apsaugos pareigūno išvadą dėl poveikio duomenų apsaugai vertinimo, rašoma, kad duomenys „nėra renkami tikslingai pagal konkrečius asmenis, o jų tvarkymo tikslas nėra susijęs su fizinių asmenų identifikavimu ar vertinimu“. Tačiau įrašas su asmens vardu ar kontaktais ir žyma „Klaidinga“ – tai būtent asmens vertinimas. Vardai ir kontaktai nepseudonimizuoti, nors DI mokymui jie nereikalingi, o visas rinkinys paskelbtas visam pasauliui, neterminuotai, atvira licencija. Su Valstybine duomenų apsaugos inspekcija nesikonsultuota.

Techninė specifikacija reikalavo, kad „visi Tekstyno formavimui panaudoti tekstai turi turėti atitinkamas licencijas (jei reikia)“. 77.lt tokios licencijos niekam nedavė, tačiau pilni 15 mūsų straipsnių tekstai dabar platinami atvira licencija.

Kas dar neaišku

• Kiek tiekėjų dalyvavo konkurse ir kokias kainas siūlė.
• Kur išleista apie 662 tūkst. € be PVM – projekto dalis, kuri neteko DELFI.
• Kokią dalį gavo subtiekėjas „Neurotechnology“.
• Kas pasirašė penkis paslaugų priėmimo aktus ir ar priimtas rezultatas atitiko 85 % tikslumo reikalavimą.
• Kas buvo „tarptautiniu mastu įrodę“ faktų tikrintojai ir kodėl jų pagrindimai nepaskelbti.
• Kodėl projekto pradžios datos dokumentuose skiriasi (2024-09-19, 2024-11-15, sprendimas dėl laimėtojo – 2024-12-03).

Mūsų vertinimas

Tai mūsų nuomonė, pagrįsta aukščiau pateiktais faktais. Už 4,5 mln. eurų valstybė gavo minimumą atitinkantį kiekį įrašų, kurių kokybė neatitinka žadėtos: dublikatai, prieštaringos žymos, paneigimų nėra, o žymą dažnai lemia šaltinis. Vienas iš dviejų modelių pagal pačių kūrėjų duomenis nepasiekia sutartyje nustatyto 85 % tikslumo, kito rezultato patikrinti neįmanoma. Kaina už įrašą kelis kartus didesnė nei, pavyzdžiui, tos pačios programos santraukų tekstyno (apie 200 € už dokumentą su žmogaus parašyta santrauka). Žalinga ir tai, kad identifikuojamų asmenų bei leidinių tekstai valstybės vardu paskelbti kaip „klaidingi“ ar „manipuliatyvūs“ ir jais mokomi modeliai, kurie tą vertinimą kartos toliau.

Mes neteigiame, kad pinigai pavogti, ir nekaltiname nei DELFI, nei VSSA nusikaltimu. Tačiau tiek klausimų dėl kainos, rezultato atitikties sutarčiai ir jo priėmimo, kad juos turi įvertinti institucijos, o ne žiniasklaida.

Kaip vertina kiti

• VSSA projektą vadina sėkmingai įgyvendintu ir teigia, kad tekstynas padės greičiau analizuoti mediją ir tikrinti faktus.
• DELFI išteklio aprašyme nurodo, kad žymas sutarimu nustatė du profesionalūs faktų tikrintojai, laikantys tarptautinių standartų. DELFI „Melo detektorius“ yra IFCN signataras ir EFCSN narys; 2023 m. jį finansavo „Meta“, Europos Komisija, NATO ir kt.
• Duomenų apsaugos pareigūnas (VSSA) padarė išvadą, kad tvarkymas „iš esmės atitinka“ BDAR, likusi rizika – „žema arba vidutinė“.
• Pilietinė iniciatyva „Viešpirkiai“ (2025-09-09) projektą įvertino kaip turintį „lėšų švaistymo bruožų“ ir galimą konkurencijos ribojimą, o tekstyno apimtį – kaip per mažą praktiniam DI pritaikymui (žr. aukščiau).
• Valstybės institucijų – Valstybės kontrolės, CPVA ar Seimo – vertinimų apie šį projektą viešai neradome. Rinkos vertinimas – naudojimo skaičiai: dešimtys atsisiuntimų per mėnesį ir 0 „patinka“.

Ką darysime

• CPVA (administruoja ES RRF lėšas) – prašymas įvertinti, ar projekto lėšos tinkamos finansuoti, ar rezultatas atitinka sutartį, ir ar nėra pagrindo taikyti finansinę korekciją bei susigrąžinti lėšas.
• VSSA – prašymas paaiškinti, kodėl rezultatas priimtas, ir pateikti sutartį 6F-125(2024), jos pakeitimus, penkis priėmimo aktus, projekto išlaidų išskaidymą ir poveikio duomenų apsaugai vertinimą.
• Generalinei prokuratūrai – prašymas įvertinti, ar nėra pagrindo ginti viešąjį interesą ir ar nebuvo padaryta nusikalstamų veikų, susijusių su viešųjų lėšų panaudojimu ir paslaugų priėmimu.
• CPO LT – prašymas nurodyti, kiek pasiūlymų gauta ir kokiomis kainomis.
• Valstybinei duomenų apsaugos inspekcijai – prašymas įvertinti asmens duomenų skelbimą tekstyne.
• VSSA kaip duomenų valdytojai – reikalavimas pašalinti 77.lt straipsnių tekstus, platinamus be licencijos.

Su klausimais kreipiamės ir į VSSA bei UAB „Delfi“. Jų atsakymus paskelbsime šiame straipsnyje, o institucijų sprendimus – kai jų sulauksime.