Yapay zeka güncel bilgiyi bilmiyor çünkü bir büyük dil modeli, pretraining sırasında belirli bir tarihe kadar toplanmış eğitim verisiyle eğitilir ve o tarihten sonra dünyada olan hiçbir şeyi kendiliğinden öğrenmez. Bu tarihe “bilgi kesim tarihi” (knowledge cutoff) denir — model, tıpkı belirli bir yılda basılmış bir ansiklopedi gibi, o andan sonrasını bilmez.
Bunun nedeni modelin çalışma biçiminde saklı: pretraining, aylar süren ve çok maliyetli tek seferlik bir süreçtir; model bu süreçte gördüğü metinlerden dil kalıplarını ve dünya bilgisini “ezberler”, sonrasında bu bilgi model parametrelerine sabit biçimde gömülür. İnternet gibi sürekli güncellenen bir kaynağa canlı erişimi yoktur — her yeni gün için modeli yeniden eğitmek pratik ve ekonomik olarak mümkün değildir.
Bu sınırı aşmanın iki ana yolu var. Modeli sık sık yeniden eğitmek yerine, ona soruyu cevaplamadan önce güncel kaynaklardan bilgi arama imkânı vermek — web araması ya da RAG (Retrieval-Augmented Generation) mimarisi bunu sağlar: model cevap üretmeden önce ilgili, güncel belgeleri bulur ve bunlara dayanarak yanıt yazar. İkinci yol tamamen yeni bir model sürümü çıkarmaktır — bu da yeni bir pretraining ve dolayısıyla yeni, daha yakın bir kesim tarihi anlamına gelir.
Pratik sonuç: bir modele “bugün ne oldu” ya da yakın zamanlı bir olay sorulduğunda, model web araması veya RAG gibi bir araca erişemiyorsa, ya bilmediğini söylemesi ya da kesim tarihinden önceki en yakın bilgiye dayanarak tahmin yürütmesi beklenir — ikincisi halüsinasyon riskini artırır.