Jakub Ćwirlej
Menu

ViaSanto

  1. Rozdział IIApps

  2. ViaSanto

    ViaSanto to aplikacja modlitewna, która powstała z prostej, życiowej obserwacji: w dzisiejszym świecie smartfony nieustannie odciągają nas od tego, co ważne. Zamiast z tym walczyć, postanowiłem zrobić z telefonu sprzymierzeńca modlitwy. Wiele osób chce modlić się regularnie, ale przegrywa z pośpiechem: różaniec zaczęty w tramwaju łatwo przerwać i zgubić, a wielodniową nowennę – porzucić po jednym opuszczonym dniu. Wielu, z powodu choroby, wieku, emigracji czy pracy, modli się w samotności i nie ma z kim dzielić swoich intencji. ViaSanto pozwala dyskretnie modlić się w drodze, pilnuje postępu i kolejnych dni nowenny, a ludzi modlących się w pojedynkę łączy we wspólnotę, która modli się w ich intencjach.

    ViaSanto

  3. Mechanika aplikacji opiera się na wirtualnym, interaktywnym różańcu na ekranie telefonu. ViaSanto krok po kroku prowadzi przez wybrane nabożeństwa, śledzi postępy i przypomina o intencjach. Nawyk wspiera łagodna gamifikacja: za wytrwałość użytkownicy odblokowują nowe, starannie zaprojektowane wzory koralików. Równie ważna jest przestrzeń społecznościowa – grupy, w których można zgłaszać intencje i wspierać się nawzajem modlitwą.

  4. Sprawdź, jak to działa

    W telefonie obok działa prawdziwa aplikacja. Kliknij w jej ekran, aby przejąć sterowanie.

    • Znajdź pierwszy koralik, który nie został jeszcze odmówiony (tuż nad tymi ze złotą poświatą) – przytrzymaj go i nie puszczaj: w boxie u góry ekranu popłynie tekst modlitwy, a pasek pokaże postęp.
    • Wygląd różańca zmienisz w Kolekcji (ikona książki na dolnym pasku): wybierz „Różańce” i inny wzór – aplikacja przyjmie jego barwy, tak samo ramka z tym tekstem.
    • W boxie kliknij „Czytanie na dziś”, aby otworzyć czytania z bieżącego dnia.

  5. Aplikacja jest napisana we Flutterze: jedna baza kodu działa natywnie na iOS i Androidzie oraz w przeglądarce. Logikę, dane i ich bezpieczeństwo obsługuje samodzielnie hostowany backend Supabase (PostgreSQL) na europejskich serwerach. Całość zaprojektowałem z myślą o niezawodności: ViaSanto działa także offline – zapisuje postępy w pamięci urządzenia i synchronizuje je z serwerem, gdy tylko wróci zasięg.

  6. OrsonAI

    OrsonAI to redakcyjny edytor tekstu z wbudowanym asystentem AI, który zbudowałem z myślą o dziennikarzach – zarówno o freelancerach, jak i o redakcjach, którym ma dawać kompleksowe wsparcie. Wyrósł z mojej własnej pracy: pisanie, research i weryfikacja dzieją się dziś równocześnie, a w praktyce oznaczają ciągłe przeskakiwanie między dokumentami, przeglądarką i notatkami. Tutaj wszystko dzieje się w jednym oknie. Wybrany fragment tekstu można skonsultować z czatem bez przeklejania całego kontekstu, do edytora trafiają transkrypcje nagranych wywiadów, a osobne tryby pomagają pisać na podstawie notatek, szukać informacji, sprawdzać tekst przed publikacją – od faktów po ryzyka prawne – i analizować dokumenty oraz nagrania. Zanim zapytanie trafi do modelu AI na zewnętrzne serwery, tekst można zanonimizować, tak by nazwiska rozmówców i inne dane osobowe nie opuszczały redakcji. Asystent pomaga dziennikarzowi, ale go nie wyręcza. Aplikacja nie jest obecnie dostępna w sprzedaży, ale działa i można ją wypróbować w trybie gościa. Jeśli pojawi się zainteresowanie ze strony redakcji, nie wykluczam dalszych prac nad nią.

    OrsonAI

  7. Najwięcej pracy włożyłem w warstwę zaufania. Każda interakcja z AI jest hashowana – cała ścieżka od projektu, przez dokument i rozmowę, po zapytanie i odpowiedź – a proces działający w tle co minutę sprawdza zebrane hashe i co 1000 zdarzeń kotwiczy je w Hedera Consensus Service. Na tej podstawie system może przyznać tekstowi certyfikat ludzkiego autorstwa: ocenia udział człowieka i jakość tekstu, a jeśli tekst przejdzie progi, zapisuje jego hash w publicznym rejestrze Hedera Hashgraph. Każda późniejsza edycja unieważnia certyfikat, a autentyczność sprawdza się, porównując skrót SHA-256 dokumentu z zapisem w rejestrze. Mechanizm audytu wydzieliłem jako osobną, otwartą bibliotekę HDK, od wersji 0.1.3 na licencji CC BY-NC 4.0 (darmowa biblioteka w wersji alfa z opcjonalnym kotwiczeniem w Hederze; wcześniejsze wersje — Apache 2.0). Backend to Python i FastAPI na Google Cloud w europejskim regionie; tekst obsługują głównie modele Gemini, Mistral jest dostawcą zapasowym, a modele OpenAI pracują przy transkrypcji.

    HDK na Hugging Face

  8. Orson Rec

    Orson Rec to webowa aplikacja do nagrywania wywiadów, którą można zainstalować na ekranie telefonu. Zrobiłem ją dla reporterów pracujących w terenie, żeby oszczędzić im godzin odsłuchiwania i spisywania nagrań. W ważnym momencie rozmowy naciskasz CUT – nagrany fragment od razu trafia do zamiany mowy na tekst, więc transkrypcja z kodami czasowymi pojawia się na ekranie fragment po fragmencie jeszcze w trakcie wywiadu. Ważne miejsca można zaznaczać znacznikami IN i OUT, a przygotowane pytania mieć pod ręką w prompterze. Tryb VO pozwala nagrać lektora z tekstu przygotowanego w edytorze OrsonAI, a wbudowany edytor audio – przyciąć nagranie. Plik eksportuje się do WAV, MP3 lub AAC, a transkrypcję jednym kliknięciem przenosi do edytora. Samo nagrywanie odbywa się w telefonie, ale transkrypcja wymaga połączenia z internetem.

    Orson Rec

  9. DalejAI

Opis technologii HDK

HDK (Hedera Detection Key) to niewielka, darmowa biblioteka w Pythonie, którą wydzieliłem z OrsonAI jako osobne, otwarte narzędzie. Od wersji 0.1.3 jest na licencji CC BY-NC 4.0 (wcześniejsze wersje, wydane na Apache 2.0, pozostają na tej licencji). Do pobrania jest darmowa biblioteka w wersji alfa 0.1.3 z opcjonalnym kotwiczeniem w Hederze (instalacja z pobranego pliku: pip install ./hdk-audit-0.1.3.zip). Przez pewien czas działała w aplikacji demonstracyjnej, kotwicząc zapisy w Hederze; aplikacja nie weszła do produkcji, więc HDK nie jest dziś używane produkcyjnie. Działa jako pośrednik między aplikacją a API modelu językowego i zapisuje każdą interakcję tak, że późniejsza manipulacja staje się wykrywalna. Nie zmienia zapytań ani odpowiedzi – dodaje do nich kryptograficzny dowód tego, o co zapytano, co wróciło, kiedy i z jakiego modelu.

Problem

Firmy i redakcje coraz częściej polegają na tekstach wygenerowanych przez AI, a nie mają weryfikowalnego dowodu, co model naprawdę wytworzył. Logi aplikacji leżą w bazach kontrolowanych przez operatora: można je zmienić albo usunąć, a nikt z zewnątrz nie sprawdzi, że tego nie zrobiono. Nawet tam, gdzie istnieją łańcuchy skrótów, zmianę wykrywa się dopiero przy ręcznym porównaniu zapisów – nic nie sprawia, że nieuprawniony dostęp ujawnia się sam w chwili, gdy do niego dochodzi.

Hierarchiczna genealogia skrótów

HDK liczy skrót SHA-256 każdego zdarzenia razem ze skrótami wszystkich jego przodków: projektu, dokumentu, rozmowy, zapytania i odpowiedzi. Skrót odpowiedzi zawiera więc całą ścieżkę aż do projektu. Wystarczy zmienić cokolwiek na dowolnym poziomie – jedno słowo w zapytaniu, jeden dokument – a zmieniają się skróty wszystkich potomków. Dla każdego projektu HDK wylicza korzeń Merkle'a: jeden skrót, który reprezentuje stan całego projektu w danej chwili.

Kanarek

Druga warstwa to „kanarek”: tajna, 256-bitowa wartość i licznik, który rośnie przy każdym odczycie. Ich skrót (zobowiązanie) jest wplatany w każdy zapis i okresowo utrwalany. Jeśli ktoś odczyta dane przez warstwę pośredniczącą bez aktualizacji licznika, licznik przestaje się zgadzać; jeśli zaktualizuje licznik, nie znając sekretu, przestaje się zgadzać zobowiązanie. W obu przypadkach weryfikacja kończy się wynikiem negatywnym. Pomysł przenosi na klasyczną infrastrukturę zasadę z mojej wcześniejszej, koncepcyjnej pracy o wykrywaniu naruszeń przy izolowaniu AI.

Kotwiczenie w Hederze

Co pewien czas – domyślnie po każdym 1000 nowych zdarzeń – HDK publikuje korzeń Merkle'a w Hedera Consensus Service, publicznym rejestrze, który dodaje znacznik czasu konsensusu i numer kolejny. Z systemu użytkownika wychodzą wyłącznie skróty; treści, tożsamości i zapytania zostają prywatne („dane prywatne, dowód publiczny”). Zapis może potem niezależnie sprawdzić każdy, np. w serwisie hashscan.io (kotwice OrsonAI z lutego–maja 2026: temat 0.0.10278996 w sieci głównej Hedery). Ponieważ łańcuchy przodków nowych zdarzeń sięgają w zakres poprzedniej kotwicy, każda kotwica pośrednio potwierdza wszystkie wcześniejsze: im dłużej system działa, tym trudniej niepostrzeżenie przepisać historię.

Narzut i koszt

W pomiarach opisanych w pracy, na standardowej infrastrukturze chmurowej x86, HDK dodaje poniżej milisekundy na zdarzenie. Jedna kotwica kosztuje 0,0001 dolara, więc przy domyślnym interwale 1000 zdarzeń kotwiczenie kosztuje 0,0000001 dolara na interakcję – około 0,0001% ceny typowego wywołania modelu (0,01–0,10 dolara). Kotwica dla każdego zdarzenia, dla najwyższego poziomu bezpieczeństwa, to 0,0001 dolara.

Dlaczego to ważne: AI Act

Unijny AI Act wymaga od systemów AI wysokiego ryzyka prowadzenia rejestrów zdarzeń (art. 12) i przejrzystości (art. 13). HDK daje ślad audytowy, który strona trzecia może zweryfikować bez wglądu w jakiekolwiek prywatne treści. W OrsonAI ten mechanizm był podstawą certyfikatu ludzkiego autorstwa tekstu.

Ograniczenia

Gwarancje HDK są obliczeniowe – wynikają z odporności SHA-256 i z zewnętrznego kotwiczenia – a nie absolutne. Kanarek działa na poziomie aplikacji: wykrywa dostęp przez warstwę pośredniczącą HDK, ale nie bierne kopiowanie danych na poziomie systemu operacyjnego czy infrastruktury, bo skopiowane bity nie zostawiają śladu. Kopia nie pozwala jednak sfałszować historii: zmiana dowolnego dawnego zdarzenia łamie genealogię, a kotwice w Hederze przechowują stan pierwotny. Losowe kontrole integralności wyłapują masowe zmiany, ale nie pojedynczą, chirurgiczną modyfikację – przed nią chronią genealogia i kotwiczenie. Bezpieczeństwo zakłada, że nienaruszona pozostaje co najmniej jedna z trzech warstw: dane po stronie użytkownika, zakotwiczony zapis w Hederze albo materiał tajny. Dalsze kroki to formalna weryfikacja własności łańcucha skrótów (Coq/Lean), federacja systemów na wspólnych tematach HCS i certyfikaty pochodzenia treści z selektywnym ujawnianiem.

Przeczytaj pracę na ResearchGateHDK na Hugging Face