ما الذي يُعدّ دليلاً على AI component

ملاحظة: هذا المستند هو ترجمة آلية للنسخة الإنجليزية الأصلية.

ما الذي يُعدّ دليلاً على AI component

عندما يقيّم DecAIHub ما إذا كان لمشروع AI component عامل، فإنه يبحث عن قطع أثرية قابلة للتحقق — لا نسخة تسويقية، ولا وعوداً، ولا ارتباطات بعلامات تجارية. تسرد هذه الصفحة أنواع الأدلة التي تقوّي محور AI reality في درجة DecAI Fit، مرتّبة من الأقوى إلى الأضعف.

باختصار: دليل الذكاء الاصطناعي يعني قطعاً أثرية يمكنك فحصها أو اختبارها أو التحقق منها بشكل مستقل — كود، توثيق، مقاييس بمنهجية، عروض توضيحية عاملة، وتقييمات أطراف ثالثة.

دليل Tier-1 (الأقوى)

مصادر Tier-1 هي قطع أثرية ينشرها المشروع نفسه أو يتحكم بها. بالنسبة لمحور AI reality، يشمل أقوى دليل Tier-1:

• مستودع عام يحتوي على كود AI/ML — سكربتات تدريب النماذج، منطق الاستدلال، خطوط معالجة البيانات، خطوات المعالجة المسبقة. المستودع ذو الالتزامات (commits) والإصدارات والاختبارات أقوى بكثير من مستودع وهمي يحتوي على README فقط.
• توثيق تقني — أوصاف لبنية النموذج، صيغ المدخلات/المخرجات، إصدارات النموذج، وسجل التحديثات. هذا يجيب عن "أي نموذج، كيف يعمل، وأي إصدار يعمل".
• مقاييس جودة بمنهجية — معايير قياسية أو نتائج تقييم منشورة تحدّد ما قيس، وعلى أي بيانات، ومتى، وبأي إصدار من النموذج. المقاييس دون هذا السياق ليست دليلاً.
• عروض توضيحية أو نقاط نهاية عاملة — واجهة أو API أو بيئة اختبار متاحة علناً حيث يمكن اختبار AI component. العرض التوضيحي الذي يعالج مدخلات حقيقية ويُرجع مخرجات مدفوعة بالذكاء الاصطناعي دليل مباشر.
• تقارير تدقيق أو تقييمات أطراف ثالثة — تقييمات مستقلة لجودة النموذج أو عدالته أو أمانه أو أدائه من جهة معترف بها.

أنماط تقوّي دليل Tier-1

ليست كل قطع Tier-1 الأثرية مقنعة بالتساوي. تجعل عدة أنماط ملحوظة الدليل أكثر مصداقية:

• عمق سجل الالتزامات. المستودع الذي يحتوي على شهور أو سنوات من الالتزامات التدريجية وطلبات السحب ومراجعات الكود والإصدارات المنسوخة يُظهر جهداً هندسياً مستداماً. أما الرفع الجماعي الواحد فيحمل وزناً أقل بكثير.
• تغطية الاختبارات وخطوط CI. الاختبارات الآلية لاستدلال النموذج والتحقق من البيانات ونقاط نهاية التكامل تشير إلى نظام بمستوى إنتاجي بدلاً من إثبات مفهوم.
• النماذج المنسوخة وسجلات التغييرات. عندما يتتبع التوثيق أي إصدار نموذج منشور، وما الذي تغيّر بين الإصدارات ولماذا، فإنه يشير إلى نظام حي بدورة تطوير نشطة.
• مخرجات قابلة لإعادة الإنتاج. إذا أرجع عرض توضيحي أو API نتائج متسقة وقابلة للتفسير لنفس المدخلات عبر الجلسات، فهذا أقوى من عرض لمرة واحدة.
• فصل منطق الذكاء الاصطناعي عن الكود النمطي. قاعدة الكود التي تكون فيها وحدات AI/ML قابلة للتمييز بوضوح — متميّزة عن سقالات الواجهة الأمامية أو سكربتات النشر أو عقود الرموز — تجعل من الأسهل التحقق مما يفعله AI component فعلاً.

دليل Tier-2 (سياق، لا برهان)

توفّر مصادر Tier-2 سياقاً لكنها لا تثبت AI component عاملاً بمفردها:

• مقابلات أو جلسات AMA يصف فيها الفريق نهج الذكاء الاصطناعي أو البنية أو عملية التدريب.
• أوصاف المجمِّعات (CoinGecko، DeFiLlama، إلخ) التي تذكر قدرات الذكاء الاصطناعي.
• إعلانات شراكات مع مزوّدي ذكاء اصطناعي أو مختبرات أبحاث.

يمكن لدليل Tier-2 أن يدعم نتيجة Tier-1 لكنه لا يستطيع أن يحلّ محلّها. الشراكة مع شركة ذكاء اصطناعي لا تثبت أن المشروع لديه ذكاؤه الاصطناعي العامل الخاص.

متى يهمّ دليل Tier-2

تصبح مصادر Tier-2 ذات صلة عندما تؤكد قطع Tier-1 الأثرية أو تملأ فجوات يتركها Tier-1 وحده غامضة:

• مقابلة تقنية يشرح فيها الفريق البنية الموصوفة في توثيقهم تضيف مصداقية لمستندات Tier-1.
• إدراج في مجمِّع يطابق القدرات الموصوفة في ورقة المشروع البيضاء يشير إلى الاتساق.
• محادثة في مؤتمر مع عرض توضيحي حي يحاكي سلوك API العام للمشروع يعزّز أن العرض ليس مكتوباً مسبقاً.

لكن دون قطع أثرية كامنة من Tier-1، تبقى حتى مصادر Tier-2 المقنعة سياقاً — قيّمة للفهم، غير كافية للتحقق.

ما الذي لا يُحتسب

تبدو بعض القطع الأثرية كدليل لكنها لا تُظهر AI component عاملاً. تشمل الإشارات الكاذبة الشائعة النسخة التسويقية، والمستودعات الفارغة، والمقاييس دون منهجية، وواجهات API بلا منطق مملوك. لقائمة مفصّلة، انظر ما الذي لا يُعدّ دليلاً على الذكاء الاصطناعي.

كيف يسجّل DecAIHub دليل الذكاء الاصطناعي: العلامات من AI_0 إلى AI_4

يستخدم محور AI reality خمس علامات ثنائية لالتقاط ما عُثر عليه من أدلة:

العلامة	ماذا تفحص	القيمة
AI_0	هل يوجد على الأقل إعلان Tier-1 عن نيّة الذكاء الاصطناعي (خارطة طريق، تحديث رسمي)	1 / 0
AI_1	هل يوجد وصف لما يفعله الذكاء الاصطناعي	1 / 0
AI_2	هل توجد عروض توضيحية أو أمثلة عاملة	1 / 0
AI_3	هل توجد مقاييس جودة بسياق (ماذا، على أي بيانات، متى)	1 / 0
AI_4	هل يوجد وصف تقني أو بنية أو إصدارات نموذج	1 / 0

كلما زاد عدد العلامات المساوية لـ 1، ارتفعت ai_score، وتحسّن DecAI Fit للمشروع. إذا لم تُضبط أيٌّ من العلامات، فإن ai_score = 0 ولا يمكن لـ DecAI Fit أن يتجاوز 0.

كيف تترجم مجموعات العلامات إلى ثقة

تجيب العلامات الفردية عن أسئلة ضيّقة، لكن مجموعتها ترسم صورة أكمل:

العلامات المضبوطة	التفسير النموذجي
AI_0 فقط	النية معلنة؛ لا ذكاء اصطناعي عامل متحقَّق منه بعد
AI_0 + AI_1	الذكاء الاصطناعي موصوف بالكلمات؛ لا عرض توضيحي، ولا مقاييس، ولا بنية
AI_0 + AI_1 + AI_2	يوجد عرض توضيحي عامل؛ ما زال بلا مقاييس أو عمق تقني
AI_0 + AI_1 + AI_2 + AI_4	العرض التوضيحي والبنية موجودان؛ قياس الجودة مفقود
الخمسة جميعاً (AI_0 حتى AI_4)	أقوى ملف أدلة: نية، وصف، عرض توضيحي، مقاييس، وبنية

لا يحتاج المشروع إلى استيفاء العلامات الخمس جميعاً ليحصل على ai_score غير صفري. حتى AI_0 وحدها (نية بمصدر Tier-1) تضبط ai_score = 1. لكن العلامات الأعلى تساهم في سقف أعلى لـ DecAI Fit.

لماذا تهمّ المنهجية للمقاييس

الرقم القائم بذاته — "95% دقة"، "زمن استجابة منخفض"، "أحدث التقنيات" — ليس دليلاً دون سياق. يعتبر DecAIHub المقاييس ذات معنى فقط عندما تجيب عن أربعة أسئلة: ماذا قيس (الدقة، F1، زمن الاستجابة، الحيرة)، على أي بيانات (معيار قياسي عام، مجموعة اختبار مملوكة، حركة مرور إنتاجية)، متى (تاريخ التقييم)، وأي إصدار من النموذج أنتج النتيجة. بدون هذه، يكون المقياس ادعاءً، لا دليلاً.

اختبار الأسئلة الأربعة

عند تقييم أي مقياس منشور، طبّق هذه القائمة المرجعية:

1. ماذا — هل المقياس مسمّى ومعرَّف؟ "الدقة" غامضة؛ أما "دقة التصنيف top-1" فمحددة.
2. على أي بيانات — هل مجموعة بيانات التقييم محدَّدة؟ المعيار القياسي العام يسمح بإعادة الإنتاج المستقل؛ ومجموعة الاختبار المملوكة لا تسمح، لكن تسميتها أفضل من الصمت.
3. متى — هل يوجد تاريخ أو وسم إصدار؟ تتغير النماذج عبر الزمن؛ وقد لا يعكس مقياس بلا طابع زمني النظام الحالي.
4. أي إصدار — هل أُعلن عن إصدار النموذج أو النظام؟ إذا أطلق المشروع عدة تكرارات للنموذج، فيجب ربط المقياس بإصدار محدد.

إذا نقص أيٌّ من هذه الأربعة، يهبط المقياس من "دليل" إلى "ادعاء" في تقييم DecAIHub. وقد يظهر مع ذلك في بطاقة المشروع كادعاء مدوَّن، لكنه لن يساهم في ضبط العلامة AI_3 على 1.

كيفية استخدام هذه القائمة المرجعية

عند قراءة بطاقة مشروع، تحقّق مما إذا كان جدول الأدلة يشير إلى قطع أثرية من قائمة Tier-1 أعلاه. إذا أظهرت البطاقة ai_score = 0 أو علّمت قلقاً من AI-washing، فهذا يعني أن هذه القطع الأثرية لم يُعثر عليها حتى تاريخ التحقق — وهذا ليس اتهاماً للمشروع.

عندما تظهر قطع أثرية جديدة من Tier-1، تُحدَّث البطاقة وقد تتغير الدرجة.

خطوات عملية للقراء

• ابدأ بجدول الأدلة. ابحث عن روابط لمستودعات أو توثيق أو عروض توضيحية. إذا كان جدول الأدلة فارغاً أو يشير فقط إلى مصادر Tier-2/3، فإن ادعاء AI reality غير متحقَّق منه.
• انقر للوصول إلى القطع الأثرية. رابط المستودع جيد بقدر ما بداخله. افتحه وابحث عن كود AI/ML، لا مجرد README أو سكربتات نشر.
• تحقّق من تاريخ التحقق. الدليل لقطة. البطاقة المتحقَّق منها قبل ستة أشهر قد لا تعكس الحالة الحالية للمشروع، ولهذا يطبّق DecAIHub عقوبة قِدَم بعد 550 يوماً.
• قارن مرجعياً بقائمة الأنماط المضادة. إذا رأيت أنماطاً من ما الذي لا يُعدّ دليلاً على الذكاء الاصطناعي، فوزّن الدليل وفقاً لذلك.

ما لا تثبته هذه القائمة المرجعية وحدها

• استيفاء جميع معايير الأدلة لا يثبت أن الذكاء الاصطناعي عالي الجودة أو مفيد للمستخدمين النهائيين. بل يثبت أن القطع الأثرية موجودة ويمكن فحصها.
• دليل Tier-1 من المشروع نفسه لا يثبت الاستقلالية. ينبغي مثالياً تأكيد البيانات ذاتية الإبلاغ بتقييم طرف ثالث.
• سجل أدلة كامل لا يثبت أن الرمز ضروري. AI reality محور واحد من DecAI Fit؛ وضرورة الرمز محور آخر.

أسئلة شائعة

ما الذي يُعدّ الدليل الأكمل على الذكاء الاصطناعي في مشروع كريبتو؟

مستودع عام يحتوي على كود AI/ML بسجل التزامات ذي معنى، مقترن بمقاييس جودة منشورة تتضمن المنهجية الكاملة (ماذا قيس، على أي بيانات، متى، وأي إصدار نموذج). عندما يوجد كلاهما ويدعمهما عرض توضيحي عامل أو نقطة نهاية API، يكون ملف الأدلة في أكمل حالاته. لا توجد قطعة أثرية واحدة قاطعة بمفردها — مزيج الكود والمقاييس والمخرجات القابلة للاختبار هو ما يميّز الذكاء الاصطناعي المتحقَّق منه عن الادعاءات غير المتحقَّق منها.

هل يمكن أن يمتلك مشروع ذكاءً اصطناعياً حقيقياً دون كود مفتوح المصدر؟

نعم. الكود مفتوح المصدر هو أكثر أشكال الأدلة شفافية، لكنه ليس الوحيد. قد يُظهر مشروع الذكاء الاصطناعي عبر توثيق تقني مفصّل، أو معايير قياسية منشورة بمنهجية، أو واجهات API عاملة تُرجع مخرجات مدفوعة بالذكاء الاصطناعي قابلة للتحقق، أو تقييمات أطراف ثالثة مستقلة. لكن دون قطعة أثرية واحدة قابلة للفحص على الأقل — كود أو عرض توضيحي أو تقييم — لا يوجد شيء لـ DecAIHub (أو لأي شخص آخر) ليتحقق منه. كلما كان المشروع أكثر انغلاقاً، اعتمد أكثر على تأكيد Tier-2 (مقابلات، بيانات مجمِّعات، عروض في مؤتمرات) لبناء المصداقية.

هل يثبت العرض التوضيحي العامل أن الذكاء الاصطناعي حقيقي؟

العرض التوضيحي العامل دليل قوي، لكنه ليس برهاناً قاطعاً بمفرده. يمكن لواجهة أمامية مصمَّمة جيداً أن تحاكي سلوكاً شبيهاً بالذكاء الاصطناعي باستخدام ردود مكتوبة مسبقاً، أو نتائج محسوبة مسبقاً، أو استدعاءات خفية لـ API طرف ثالث. يعامل DecAIHub العروض التوضيحية كدليل أقوى عندما تكون مصحوبة بتوثيق API، أو معرّفات إصدار النموذج، أو مخرجات قابلة لإعادة الإنتاج. العرض التوضيحي الذي يقبل مدخلات مستخدم اعتباطية ويُرجع مخرجات متنوعة وملائمة للسياق أكثر إقناعاً من عرض موجَّه بأمثلة محدَّدة مسبقاً.

ما الحد الأدنى من الأدلة اللازم لـ ai_score غير صفري؟

الحد الأدنى هو إعلان Tier-1 عن نية الذكاء الاصطناعي — مدخل في خارطة طريق، أو منشور مدوّنة رسمي، أو صفحة توثيق تذكر صراحةً خططاً متعلقة بالذكاء الاصطناعي. هذا يضبط العلامة AI_0 على 1 وينتج ai_score = 1. ومع أن هذه أدنى درجة غير صفرية ممكنة، فإنها تميّز المشاريع التي التزمت رسمياً باتجاه ذكاء اصطناعي عن تلك التي لم تذكر الذكاء الاصطناعي إطلاقاً. للوصول إلى درجات أعلى، يحتاج المشروع إلى تقديم قطع أثرية إضافية: أوصاف لـ AI component (AI_1)، عروض توضيحية (AI_2)، مقاييس بمنهجية (AI_3)، وتفاصيل بنية تقنية (AI_4).

مراجع خارجية

• مواصفة CommonMark — معيار الترميز المستخدم عبر جميع صفحات ويكي DecAIHub، بما في ذلك بطاقات المشاريع وصفحات الشرح.
• Model Cards for Model Reporting (Mitchell et al., 2019) — إطار تأسيسي لتوثيق أداء نموذج الذكاء الاصطناعي واستخدامه المقصود وحدوده؛ متوائم بشكل وثيق مع مبادئ الشفافية وراء معايير الأدلة في DecAIHub.
• إطار إدارة مخاطر الذكاء الاصطناعي من NIST — إطار حكومي أمريكي لتحديد وإدارة مخاطر الذكاء الاصطناعي، بما في ذلك إرشادات حول التوثيق والاختبار ومنهجية التقييم.

انظر أيضًا

• ما الذي لا يُعدّ دليلاً على الذكاء الاصطناعي
• ما هو Tier-1 وTier-2 وTier-3
• AI reality وOnchain necessity وToken necessity
• كيفية معرفة ما إذا كان المشروع يمتلك ذكاءً اصطناعياً حقاً
• AI-washing وonchain-washing وtoken-washing
• لماذا غياب الدليل ليس غياباً للتقنية
• ما هو DecAI Fit