نقشه دانش AI

توجه: این سند ترجمه خودکار نسخه اصلی انگلیسی است.

نقشه دانش AI

این صفحه راهنمای ناوبری همهٔ توضیح‌نامه‌های مرتبط با AI در ویکی DecAIHub است. برای تازه‌واردان طراحی شده — چه نخستین کارت پروژهٔ خود را می‌خوانید و چه می‌خواهید بفهمید «AI/Agents» در یک برچسب دسته یعنی چه. از آن به‌عنوان فهرست مطالب، درخت مفاهیم و مجموعه‌ای از مسیرهای خواندن پیشنهادی استفاده کنید.

خلاصه: این یک نقشه است، نه دانشنامه. هر عنوان در زیر به مقاله‌ای مستقل پیوند می‌دهد. از جایی شروع کنید که پرسشتان آنجاست، پیوندها را دنبال کنید و هر وقت به جهت‌یابی نیاز داشتید به اینجا برگردید.

اگر مرتب میان موضوعات راستی‌آزمایی (چه چیزی اثبات به شمار می‌آید) و موضوعات فناوری (مدل یا عامل چیست) جابه‌جا می‌شوید، این صفحه را نشانک کنید. بخش‌های زیر طوری مرتب شده‌اند که بتوانید از مفاهیم سطح بالا به صفحات خوشه‌ای تخصصی بروید بی‌آنکه جای خود را گم کنید.

از اینجا شروع کنید

اگر تازه با DecAIHub و راستی‌آزمایی کریپتو AI آشنا می‌شوید، اول این چهار مقاله را بخوانید:

1. هوش مصنوعی چیست — گسترده‌ترین نقطهٔ شروع.
2. AI component چیست — مفهوم محوری در هر کارت پروژه.
3. چگونه یک کارت پروژه را بخوانیم — هر فیلد یعنی چه و کجا نگاه کنیم.
4. DecAI Fit چیست — امتیاز 0-6 که راستی‌آزمایی‌پذیری پروژه را خلاصه می‌کند.

درخت مفاهیم

مقالات این ویکی سلسله‌مراتبی می‌سازند. تورفتگی در زیر روابط والد-فرزند را نشان می‌دهد.

• هوش مصنوعی چیست
  • مدل AI چیست
  • یادگیری ماشین چیست
  • مدل زبانی بزرگ (LLM) چیست
• AI component چیست
  • AI component در برابر use case
  • اتوماسیون در برابر AI component واقعی
  • اجزا بر اساس نوع: استنتاج | محاسبات | آموزش | داده | تحلیل | عامل‌ها
• دسته‌های AI (برچسب‌های ترکیبی به‌کاررفته در کارت‌های پروژه)
  • دسته‌های ترکیبی AI چگونه کار می‌کنند
  • AI/Agents | AI/Compute | AI/Inference | AI/Data | AI/Analytics | AI/Training
• راستی‌آزمایی و شواهد
  • چگونه بفهمیم پروژه واقعاً AI دارد
  • چه چیزی شواهد AI به شمار می‌آید
  • چه چیزی شواهد به شمار نمی‌آید
  • AI washing، Onchain washing، Token washing
  • شواهد Tier-1، Tier-2، Tier-3
• کهن‌الگوهای پروژه
  • عامل‌های AI | بازار محاسبات AI | بازار دادهٔ AI | معامله و تحلیل AI | DeFAI | روایت میم/AI

مسیرهای خواندن

«نخستین کارت پروژه‌ام را می‌خوانم»

1. AI component چیست — فیلد محوری را بفهمید.
2. AI component در برابر use case — یاد بگیرید چرا این دو جدا هستند.
3. دسته‌های ترکیبی AI چگونه کار می‌کنند — برچسب دسته را رمزگشایی کنید.
4. چگونه یک کارت پروژه را بخوانیم — مرور کامل همهٔ فیلدها.

«می‌خواهم بفهمم AI واقعی است یا نه»

1. چگونه بفهمیم پروژه واقعاً AI دارد — چارچوب راستی‌آزمایی.
2. چه چیزی شواهد AI به شمار می‌آید — چه چیزی اثبات محسوب می‌شود.
3. چه چیزی شواهد به شمار نمی‌آید — مثبت‌های کاذب رایج.
4. AI washing، Onchain washing، Token washing — پرچم‌های قرمز.

«می‌خواهم بدانم یک دستهٔ مشخص AI یعنی چه»

1. دسته را انتخاب کنید: AI/Agents | AI/Compute | AI/Inference | AI/Data | AI/Analytics | AI/Training.
2. مقالهٔ جزء متناظر را بخوانید: عامل‌ها | محاسبات | استنتاج | داده | تحلیل | آموزش.
3. برای ظرافت‌های ویژهٔ عامل‌ها: عامل AI چیست و دستیار، کمک‌خلبان، چت‌بات، عامل.

«می‌خواهم خودِ فناوری AI را بفهمم»

1. هوش مصنوعی چیست — نمای کلی این حوزه.
2. مدل AI چیست — بلوک سازندهٔ محوری.
3. یادگیری ماشین چیست — مدل‌ها چگونه از داده یاد می‌گیرند.
4. مدل زبانی بزرگ چیست — رایج‌ترین نوع مدل در کریپتو AI.
5. استنتاج چیست — مدل آموزش‌دیده چگونه خروجی تولید می‌کند.
6. بنچمارک‌ها و متریک‌های کیفیت — کیفیت مدل چگونه سنجیده می‌شود.

پرسش‌های متداول

آیا باید همهٔ مقالات پیوندشده را بخوانم؟

نه. از این صفحه برای انتخاب مسیر استفاده کنید؛ هر توضیح‌نامه مستقل است. هر وقت به یادآوری ارتباط موضوع‌ها نیاز داشتید برگردید — برای نمونه، اینکه سطوح شواهد چه ارتباطی با واژه‌بندی AI component دارند.

اگر مقاله‌ای اصطلاحی را به کار برد که نمی‌دانم، به کجا بروم؟

درخت مفاهیم بالا را باز کنید و مقالهٔ والد را دنبال کنید (برای نمونه از LLM بالا به هوش مصنوعی)، یا برای تعریف فیلدها به چگونه یک کارت پروژه را بخوانیم بروید.

منابع خارجی

• NIST — Artificial Intelligence Resource Center — مواد مرجع بی‌طرف دربارهٔ مفاهیم AI، مدیریت ریسک و اصطلاح‌شناسی که مکمل توضیح‌نامه‌های راستی‌آزمایی‌محور DecAIHub است.