AI/Inference
ملاحظة: هذا المستند هو ترجمة آلية للنسخة الإنجليزية الأصلية.
AI/Inference
تجمع فئة الذكاء الاصطناعي/الاستدلال المشاريع التي تركّز على تشغيل نماذج الذكاء الاصطناعي المدرَّبة في الإنتاج — أي المرحلة التي يتلقّى فيها النموذج بيانات إدخال وينتج نتيجة (تنبؤاً، أو تصنيفاً، أو صورة مولَّدة، أو استجابة نصية). هذا هو «الميل الأخير» للذكاء الاصطناعي: اللحظة التي يفعل فيها النموذج شيئاً مفيداً فعلاً.
في سجلّ DecAIHub، كثيراً ما تتداخل المشاريع التي تركّز على الاستدلال مع مزوّدي الحوسبة وطبقات البنية التحتية. والعامل المميِّز هو التركيز: مشروع الذكاء الاصطناعي/الاستدلال معنيّ تحديداً بـكيفية خدمة النماذج، والتحقق منها، وإيصالها إلى المستخدمين، لا بمجرد توفير قدرة GPU خام.
يُعدّ الكمون، والمعالجة الدفعية، وإدارة الإصدارات، والقابلية للمراقبة (تسجيل المدخلات والمخرجات للتدقيق) من المواضيع المتكررة في هذه الفئة. وقد تستهدف المشاريع المطورين الذين يدمجون واجهات API، أو المستخدمين النهائيين الذين يستهلكون المحتوى المولَّد — والخيط المشترك هو الاستخدام الإنتاجي لنموذج مدرَّب، لا مرحلة التدريب نفسها.
باختصار: تغطّي فئة الذكاء الاصطناعي/الاستدلال المشاريع التي تخدم مخرجات نماذج الذكاء الاصطناعي أو تنفّذها أو تتحقق منها في الإنتاج.
ماذا يعني ذلك
الاستدلال هو عملية تغذية نموذج مدرَّب ببيانات والحصول على نتيجة. فعندما تكتب مطالبةً في روبوت دردشة وتتلقّى رداً، يكون ذلك الرد ناتج الاستدلال. وعندما يستدعي بروتوكول DeFi نموذجاً للتنبؤ بالأسعار، تكون التوقّعات المُرجَعة ناتج استدلال.
وهذا يختلف عن التدريب (بناء النموذج وتحسينه عبر التعلّم من البيانات) وعن الحوسبة (توفير العتاد الخام). يحدث التدريب قبل النشر؛ والحوسبة هي المورد؛ والاستدلال هو فعل استخدام النموذج المكتمل.
من التحديات الأساسية في الكريبتو الاستدلال القابل للتحقق: كيف تثبت أن نموذجاً محدداً عالج مدخلاً محدداً وأنتج مخرجاً محدداً، دون الثقة بخادم واحد؟ توجد عدة مقاربات:
- إجماع متعدد المزوّدين — يُرسَل المدخل نفسه إلى عدة مزوّدين مستقلين، وتُقارَن المخرجات؛ ويزيد التوافق من الثقة.
- zkML — تُولَّد إثباتات المعرفة الصفرية إلى جانب نتيجة الاستدلال، بما يتيح لأي شخص التحقق من الصحة دون إعادة تشغيل النموذج.
- TEE (بيئة التنفيذ الموثوقة) — يعمل النموذج داخل حاوية عتادية تشهد على الشيفرة والبيانات التي عالجتها.
تشمل مكوّنات الذكاء الاصطناعي النموذجية الموجودة في مشاريع الذكاء الاصطناعي/الاستدلال نقاط نهاية الاستدلال، وبوابات خدمة النماذج، وطبقات التحقق من النتائج، وموجِّهات الكمون، وسجلّات النماذج التي تتتبّع الإصدارات والمصدر.
التركيبات الفرعية الشائعة
يستخدم DecAIHub الفئات المركّبة. فيما يلي أكثر التركيبات تواتراً ضمن الذكاء الاصطناعي/الاستدلال.
| التركيبة الفرعية | ماذا تعني |
|---|---|
| الذكاء الاصطناعي/الاستدلال | البنية التحتية | شبكات استدلال لامركزية ومنصات خدمة — بنية تحتية لتوجيه الطلبات إلى مزوّدي النماذج. |
| الذكاء الاصطناعي/الاستدلال | الذكاء الاصطناعي/الحوسبة | البنية التحتية | بنية تحتية للاستدلال تتضمن أيضاً طبقة الحوسبة الخاصة بها — مشاريع توفّر وحدات GPU وتتخصص في خدمة النماذج معاً. |
| الذكاء الاصطناعي/الاستدلال | الذكاء الاصطناعي/الوكلاء | مشاريع يُغلَّف فيها الاستدلال بوصفه خدمة يستهلكها الوكلاء المستقلون. |
ما الذي تبحث عنه في بطاقة المشروع
عند قراءة بطاقة الذكاء الاصطناعي/الاستدلال في DecAIHub، انتبه إلى:
- AI component — هل تُدرج البطاقة مكوّن ذكاء اصطناعي ملموساً (نقاط نهاية الاستدلال، خدمة النماذج، التحقق من النتائج، مكوّن الاستدلال)، أم مجرد لغة «بنية تحتية للذكاء الاصطناعي» غامضة؟
- آلية التحقق — هل يصف المشروع كيفية التحقق من نتائج الاستدلال؟ ابحث عن إشارات إلى الإجماع، أو zkML، أو TEE، أو ضمانات قابلية إعادة الإنتاج.
- شفافية النموذج — هل يمكنك معرفة أي نموذج يعمل، وما إصداره، وكيف تبدو المدخلات والمخرجات؟ المشروع الذي يخفي كل تفاصيل النموذج يجعل التحقق صعباً.
- مستوى الدليل — هل توجد مصنوعات Tier-1 مثل واجهات API استدلال عامة، أو نتائج معايير قياسية، أو سجلّات إثبات على السلسلة؟
- درجة AI reality (
ai_score) — تشغيل نموذج مفتوح لشخص آخر استدلال صالح، لكن ينبغي أن توضّح البطاقة ما إذا كان الذكاء الاصطناعي خاصاً أم تابعاً لطرف ثالث. انظر AI reality.
ما الذي لا تثبته هذه الفئة وحدها
المشروع المصنَّف بوصفه ذكاءً اصطناعياً/استدلالاً قد صُنِّف بوصفه يركّز على الاستدلال بناءً على موضعته والمصنوعات المتاحة. والملصق وحده لا يؤكّد أن:
- النموذج الذي تُقدَّم خدمته عالي الجودة، أو خاصّ، أو مبنيّ لغرض محدد؛
- نتائج الاستدلال يجري التحقق منها فعلاً على السلسلة أو عبر إثباتات تشفيرية؛
- المشروع بنى أو درّب النموذج الذي يخدمه؛
- هناك طلب ذو معنى على خدمة الاستدلال؛
- الرمز ضروري لكي يعمل خط أنابيب الاستدلال.
تحقّق دائماً من درجة DecAI Fit الكاملة وكتلة الأدلة في بطاقة المشروع.
لا تخلط بين
- الذكاء الاصطناعي/الحوسبة — يوفّر موارد حسابية خام؛ يستخدم الاستدلال الحوسبة، لكن الفئتين تعالجان شواغل مختلفة (خدمة النماذج مقابل توفير العتاد). انظر الذكاء الاصطناعي/الحوسبة.
- الذكاء الاصطناعي/التدريب — يبني النماذج ويحسّنها عبر التعلّم من البيانات؛ التدريب ينتج النموذج الذي يشغّله الاستدلال بعدئذٍ. انظر الذكاء الاصطناعي/التدريب.
- الذكاء الاصطناعي/الوكلاء — برمجيات مستقلة تدرك وتقرر وتتصرّف؛ قد يستدعي الوكيل نقطة نهاية استدلال داخلياً، لكن فئة الوكلاء تتعلق بالسلوك، لا بتنفيذ النموذج. انظر الذكاء الاصطناعي/الوكلاء.
- API wrapper — مشروع يكتفي بتمرير الاستدعاءات إلى نموذج تابع لطرف ثالث (مثل OpenAI) دون إضافة منطق الاستدلال أو التحقق أو بنية الخدمة الخاصة به. انظر الأتمتة مقابل الذكاء الاصطناعي الحقيقي.
الأسئلة المتكررة
هل تظل استضافة نموذج مفتوح الأوزان لشخص آخر «ذكاءً اصطناعياً/استدلالاً» في DecAIHub؟
نعم، إذا كان المنتج معنياً بوضوح بـخدمة أو توجيه أو التحقق من الاستدلال في الإنتاج. ومع ذلك ينبغي أن توضّح البطاقة المصدر — أي نموذج، وأي إصدار، وما الذي يضيفه المشروع بما يتجاوز الوسيط السطحي. انظر AI reality.
لماذا كثيراً ما تظهر علامتا الاستدلال والحوسبة معاً؟
يحتاج الاستدلال إلى آلات. والمشاريع التي تمتلك العرض (الذكاء الاصطناعي/الحوسبة) والخدمة (هذه الفئة) كثيراً ما تحمل علامات مركّبة. استخدم قائمة AI component لمعرفة ما إذا كان التركيز على تأجير العتاد، أو تنفيذ النموذج، أو كليهما.
ما الذي ينبغي أن أتحقق منه أولاً بشأن الادعاءات «القابلة للتحقق»؟
ابحث عن آليات تحقق موثّقة (الإجماع، zkML، TEE) ومصنوعات Tier-1 مثل واجهات API، أو السجلّات، أو المعايير القياسية القابلة لإعادة الإنتاج — لا الشعارات وحدها.
مراجع خارجية
- Inference (machine learning) — ملخّص محايد لكيفية اندراج الاستدلال في دورة حياة ML إلى جانب التدريب.
- NIST Artificial Intelligence Risk Management Framework (AI RMF 1.0) — خلفية عن النشر الجدير بالثقة ومراقبة أنظمة الذكاء الاصطناعي في البيئات الواقعية.
No comments to display
No comments to display