استنتاج (Inference) چیست

توجه: این سند ترجمه خودکار نسخه اصلی انگلیسی است.

استنتاج (Inference) چیست

استنتاج (Inference) فرایند اجرای یک مدل AI آموزش‌دیده روی دادهٔ جدید برای گرفتن نتیجه است. وقتی مدلی تصویری را طبقه‌بندی می‌کند، پاراگرافی متن تولید می‌کند، امتیاز ریسکی را پیش‌بینی می‌کند یا اقدامی را توصیه می‌کند، در حال انجام استنتاج است. اگر آموزش روش یادگیری مدل باشد، استنتاج روش کار کردن آن است.

تشبیه مفید: آموزش مثل درس خواندن برای امتحان است — خواندن کتاب‌های درسی، حل تمرین، جذب الگوها. استنتاج مثل دادن امتحان است — به‌کارگیری آموخته‌ها روی پرسش‌های جدید در شرایط واقعی. هر بار که یک سیستم AI در محیط تولید خروجی‌ای تولید می‌کند، آن استنتاج است.

خلاصه: آموزش، درس خواندن برای امتحان است؛ استنتاج، دادن امتحان. هر بار که سیستم AI در محیط تولید خروجی می‌دهد، آن استنتاج است.

استنتاج گام‌به‌گام چگونه کار می‌کند

هرچند استنتاج برای کاربر نهایی لحظه‌ای به نظر می‌رسد («سؤالی نوشتم و جواب گرفتم»)، هر بار که مدل خروجی تولید می‌کند، خط لوله‌ای مشخص پشت صحنه اجرا می‌شود.

ورودی

همه‌چیز با دادهٔ ورودی شروع می‌شود — یک پرامپت متنی، یک تصویر، مجموعه‌ای از اعداد، هش یک تراکنش بلاکچینی، یک کلیپ صوتی، یا هر دادهٔ ساخت‌یافته یا بدون ساختار دیگری که مدل برای پردازش آن طراحی شده است.

پیش‌پردازش

ورودی خام به‌ندرت مستقیم به مدل داده می‌شود. مرحلهٔ پیش‌پردازش آن را به قالبی تبدیل می‌کند که مدل انتظار دارد. برای مدل متنی، این یعنی توکنیزه‌سازی — شکستن متن به توکن‌ها (واحدهای زیرکلمه‌ای) و تبدیل آن‌ها به شناسه‌های عددی. برای مدل تصویری، یعنی تغییر اندازه، نرمال‌سازی مقادیر پیکسل و گاهی افزونه‌سازی تصویر. پیش‌پردازش باید دقیقاً با گام‌های به‌کاررفته در آموزش مطابقت داشته باشد؛ در غیر این صورت، مدل داده‌ای دریافت می‌کند که هرگز برای پردازش آن قالب آموزش ندیده است.

گذر رو به جلو (forward pass)

ورودی پیش‌پردازش‌شده از معماری مدل عبور می‌کند — لایه به لایه، از میان تمام وزن‌های یادگرفته‌شده و توابع فعال‌سازی. این را forward pass می‌نامند. در این گام، مدل الگوهایی را که در آموزش یاد گرفته روی ورودی جدید اعمال می‌کند. هیچ وزنی به‌روزرسانی نمی‌شود؛ هیچ یادگیری‌ای رخ نمی‌دهد. مدل صرفاً با دانش موجود خود، خروجی‌ای از ورودی محاسبه می‌کند.

برای یک مدل زبانی بزرگ، گذر رو به جلو یک توزیع احتمال روی توکن‌های بعدی ممکن تولید می‌کند. برای یک طبقه‌بند، احتمال‌هایی برای هر کلاس. برای مدل مولد تصویر، تصویری که گام‌به‌گام نویز‌زدایی می‌شود.

خروجی

گذر رو به جلو یک خروجی خام تولید می‌کند — اغلب برداری از اعداد، احتمال‌ها یا دنباله‌ای از توکن‌ها. این خروجی خام برای مفید شدن باید تفسیر شود.

پس‌پردازش

پس‌پردازش خروجی خام را به نتیجه‌ای خوانا برای انسان یا قابل استفاده برای سیستم تبدیل می‌کند. برای LLM، یعنی رمزگشایی شناسه‌های توکن به متن. برای طبقه‌بند، یعنی نگاشت امتیازهای احتمال به برچسب‌های کلاس («اسپم» در برابر «غیر اسپم»). برای مدل امتیازدهی، یعنی تبدیل مقدار خام به بازهٔ امتیازی که اپلیکیشن انتظار دارد.

به‌طور خلاصه:

گام	چه اتفاقی می‌افتد	مثال (مدل متنی)
ورودی	دادهٔ خام می‌رسد	کاربر سؤالی تایپ می‌کند
پیش‌پردازش	داده به قالب مدل تبدیل می‌شود	متن به شناسه‌های عددی توکنیزه می‌شود
گذر رو به جلو	مدل با وزن‌های یادگرفته از ورودی خروجی محاسبه می‌کند	توزیع احتمال روی واژگان
خروجی خام	نتیجهٔ عددی تولید می‌شود	احتمال‌های توکن
پس‌پردازش	خروجی به شکل قابل استفاده تبدیل می‌شود	شناسه‌های توکن به متن رمزگشایی می‌شوند

انواع استنتاج

همهٔ استنتاج‌ها یکسان نیستند. سناریوهای متفاوت استقرار، الزامات فنی و بده‌بستان‌های متفاوتی ایجاد می‌کنند.

استنتاج بلادرنگ در برابر دسته‌ای

بُعد	استنتاج بلادرنگ	استنتاج دسته‌ای
کی اجرا می‌شود	بنا به تقاضا، به‌ازای هر درخواست	طبق زمان‌بندی یا وقتی دسته‌ای انباشته شود
الزام تأخیر	پایین (میلی‌ثانیه تا ثانیه)	انعطاف‌پذیر (دقیقه تا ساعت پذیرفتنی است)
کاربرد	چت‌بات‌ها، امتیازدهی زنده، ایجنت‌های تعاملی	تولید گزارش، طبقه‌بندی انبوه، تحلیل دوره‌ای
پروفایل هزینه	به‌ازای هر درخواست بالاتر (سخت‌افزار باید همیشه آماده باشد)	به‌ازای هر قلم پایین‌تر (سخت‌افزار در بازه‌ها بهینه استفاده می‌شود)

استنتاج بلادرنگ همان چیزی است که کاربران نهایی معمولاً تجربه می‌کنند — پرسمانی می‌فرستند و بلافاصله پاسخ می‌گیرند. استنتاج دسته‌ای در خطوط لولهٔ بک‌اند رایج است؛ جایی که مدل هزاران نقطهٔ داده را یک‌جا پردازش می‌کند (مثلاً امتیازدهی همهٔ تراکنش‌های ساعت گذشته از نظر ریسک تقلب).

استنتاج لبه در برابر ابری

• استنتاج ابری روی سرورهای متمرکز (یا خوشه‌های سرور) در مرکز داده اجرا می‌شود. سخت‌افزار قدرتمندی ارائه می‌دهد (GPUهای رده‌بالا، حافظهٔ زیاد) اما تأخیر شبکه و وابستگی به یک ارائه‌دهندهٔ مرکزی را وارد می‌کند.
• استنتاج لبه روی دستگاه‌های محلی اجرا می‌شود — گوشی‌های هوشمند، حسگرهای IoT، سخت‌افزار توکار. تأخیر را کاهش می‌دهد و داده را روی دستگاه نگه می‌دارد اما به توان محاسباتی و حافظهٔ دستگاه محدود است.

بسیاری از سیستم‌های تولیدی هر دو را ترکیب می‌کنند: مدل‌های سبک برای پاسخ‌های اولیهٔ سریع روی لبه اجرا می‌شوند، در حالی که پرسمان‌های پیچیده به مدل‌های ابری فرستاده می‌شوند.

استنتاج on-chain در برابر off-chain

این تمایز مختص کریپتو AI است و در نحوهٔ ارزیابی پروژه‌ها توسط DecAIHub نقش محوری دارد:

• استنتاج off-chain — مدل روی سرورهای سنتی یا خوشه‌های GPU اجرا می‌شود. نتایج ممکن است بعداً روی بلاکچین ثبت شوند یا نشوند. این رایج‌ترین چیدمان در پروژه‌های کریپتو AI است، چون اجرای مدل‌های بزرگ مستقیماً روی بلاکچین از نظر محاسباتی غیرعملی است.
• استنتاج on-chain — مدل (یا اثبات قابل‌تأییدی از محاسبهٔ آن) درون محیط اجرایی بلاکچین اجرا می‌شود. استنتاج on-chain واقعی برای مدل‌های غیربدیهی به‌دلیل محدودیت‌های محاسباتی محیط‌های قرارداد هوشمند بسیار نادر است. پروژه‌هایی که ادعای استنتاج on-chain دارند معمولاً از یکی از این رویکردها استفاده می‌کنند: اجرای مدلی بسیار کوچک درون قرارداد هوشمند، ثبت اثباتی رمزنگارانه (مانند zkML) که استنتاج به‌درستی off-chain انجام شده، یا استفاده از سازوکاری شبیه اوراکل که در آن نتایج استنتاج off-chain گواهی و روی زنجیره ثبت می‌شوند.

تمایز میان استنتاج on-chain و off-chain مستقیماً به محور Onchain necessity در DecAI Fit مربوط است.

چرا استنتاج در کریپتو AI مهم است

اگر پروژه‌ای ادعا می‌کند از هوش مصنوعی استفاده می‌کند، استنتاج باید جایی در حال رخ دادن باشد. مدلی که آموزش دیده اما هرگز استنتاج اجرا نمی‌کند، نه خروجی تولید می‌کند و نه ارزشی به کاربران می‌رساند. استنتاج نقطه‌ای است که AI از مفهوم بودن دست می‌کشد و به محصول تبدیل می‌شود.

در کارت‌های پروژهٔ DecAIHub، فیلد AI component اغلب سازوکارهای مرتبط با استنتاج را ذکر می‌کند: موتورهای استنتاج، استنتاج غیرمتمرکز، نقاط پایانی استنتاج LLM، سرویس‌دهی مدل. این‌ها شاخص‌های مشخصی هستند که مدلی واقعاً استفاده می‌شود — نه اینکه فقط ادعا شده است.

هزینه، سرعت و پیوند با محاسبات

استنتاج رایگان نیست. اجرای مدل به منابع محاسباتی نیاز دارد — معمولاً GPUها یا شتاب‌دهنده‌های تخصصی مانند TPUها و ASICهای سفارشی. هزینهٔ استنتاج به چند عامل بستگی دارد:

عامل	اثر بر هزینه و سرعت
اندازهٔ مدل (تعداد پارامترها)	مدل‌های بزرگ‌تر به‌ازای هر درخواست حافظه و محاسبات بیشتری می‌خواهند
طول ورودی	ورودی‌های طولانی‌تر (مثلاً پرامپت‌های متنی بلند) زمان پردازش را افزایش می‌دهند
طول خروجی	برای مدل‌های خودبازگشتی (LLMها)، هر توکن خروجی یک گذر رو به جلو می‌خواهد
اندازهٔ دسته	پردازش هم‌زمان چند درخواست می‌تواند توان عملیاتی را بهبود دهد اما تأخیر می‌افزاید
سخت‌افزار	GPUهای قدرتمندتر زمان را کاهش می‌دهند اما گران‌ترند
کوانتیزه‌سازی	کاهش دقت عددی (مثلاً از ۳۲ بیت به ۸ بیت) حافظه و محاسبات را به بهای اندکی دقت کم می‌کند

پروژه‌ها استنتاج را با چند تکنیک بهینه می‌کنند:

• کوانتیزه‌سازی — کاهش دقت عددی وزن‌ها برای مصرف حافظه و محاسبات کمتر.
• تقطیر (distillation) — آموزش یک مدل «شاگرد» کوچک‌تر برای تقلید از مدل «معلم» بزرگ‌تر، که مدلی سریع‌تر با افت کیفیت پذیرفتنی می‌دهد.
• دسته‌بندی (batching) — گروه کردن چند درخواست برای پردازش هم‌زمان و تقسیم سربار محاسباتی.
• کش کردن — ذخیره و استفادهٔ مجدد از نتایج برای پرسمان‌های تکراری یا مشابه.
• انتخاب سخت‌افزار — گزینش GPU، TPU یا شتاب‌دهندهٔ مناسب برای بار کاری.

زیرساخت محاسباتی که استنتاج را تغذیه می‌کند حوزهٔ مهمی در کریپتو AI است. بسیاری از پروژه‌ها شبکه‌های GPU را مشخصاً برای سرویس‌دهی بارهای کاری استنتاج می‌سازند یا هماهنگ می‌کنند و در دسته‌بندی‌های AI/Compute یا AI/Inference قرار می‌گیرند.

استنتاج غیرمتمرکز

در AI سنتی، استنتاج روی سرورهای متمرکز تحت کنترل یک شرکت اجرا می‌شود. استنتاج غیرمتمرکز سرویس‌دهی مدل را میان شبکه‌ای از ارائه‌دهندگان مستقل توزیع می‌کند. این الگویی محوری در دسته‌بندی AI/Inference پروژه‌های کریپتو AI است.

استنتاج غیرمتمرکز مجموعه‌ای از چالش‌ها را وارد می‌کند که در سیستم‌های متمرکز وجود ندارند:

• سازگاری خروجی — ارائه‌دهندگان مختلف باید برای ورودی یکسان خروجی‌های یکسان (یا به‌قدر کافی مشابه) تولید کنند. تفاوت‌های سخت‌افزاری، نسخه‌های نرم‌افزار و دقت عددی می‌توانند واگرایی ایجاد کنند.
• تأیید — چگونه اثبات کنید مدل درست واقعاً استفاده شده، ورودی دست‌کاری نشده و خروجی صادقانه محاسبه شده است؟ رویکردها شامل اجماع چند ارائه‌دهنده (اجرای پرسمان یکسان روی چند نود و مقایسهٔ نتایج)، محیط‌های اجرای امن (TEE) با تضمین‌های سطح سخت‌افزار، و اثبات‌های دانش صفر (zkML) است که محاسبهٔ درست را بدون افشای وزن‌های مدل یا دادهٔ ورودی اثبات می‌کنند.
• تأخیر — مسیریابی درخواست‌ها به ارائه‌دهندگان توزیع‌شده در مقایسه با سرورهای متمرکز سربار شبکه می‌افزاید.
• هماهنگی پرداخت — ارائه‌دهندگان باید منصفانه جبران شوند، که اغلب سازوکارهای پرداخت on-chain وابسته به کار استنتاج تأییدشده را در بر می‌گیرد.

این سازوکارها با جزئیات در صفحهٔ استنتاج به‌عنوان جزء AI توصیف شده‌اند.

کجا در کارت‌های پروژهٔ DecAIHub دیده می‌شود

استنتاج در چند بخش از کارت پروژهٔ DecAIHub ظاهر می‌شود:

• AI component — مقادیر مرتبط با استنتاج مانند «inference»، «model serving»، «LLM inference» یا «decentralized inference» نشان می‌دهند کارکرد اصلی AI پروژه اجرای مدل‌ها در محیط تولید است.
• دسته‌بندی (Category) — پروژه‌های دسته‌بندی AI/Inference به‌طور خاص بر فراهم کردن زیرساخت یا خدمات استنتاج تمرکز دارند.
• جدول شواهد — شواهد Tier-1 برای استنتاج شامل نقاط پایانی API عمومی، بنچمارک‌های استنتاج، اندازه‌گیری‌های تأخیر و لاگ‌های محاسباتی قابل‌تأیید است.
• ai_score — پروژه‌ای که استنتاج کارآمد را با شواهد منتشرشده نشان می‌دهد، ai_score بالاتری می‌گیرد تا پروژه‌ای که فقط مدلی را توصیف می‌کند بدون آنکه اجرای آن را نشان دهد.

پروژه می‌تواند ادعا کند مدل دارد، اما اگر شاهدی نباشد که استنتاج در محیط تولید رخ می‌دهد، مدل هیچ ارزشی به کاربران نهایی نمی‌رساند.

استنتاج به‌تنهایی چه چیزی را اثبات نمی‌کند

• اجرای استنتاج روی مدل ثالث از طریق API (مثلاً فراخوانی GPT یا Claude) از نظر فنی استنتاج است اما قابلیت AI اختصاصی را نشان نمی‌دهد. ببینید رپر API چیست.
• استنتاج اثبات می‌کند مدلی اجرا می‌شود — اثبات نمی‌کند مدل باکیفیت یا مناسب وظیفه است. کیفیت به بنچمارک‌ها و متریک‌ها نیاز دارد.
• استنتاج اثبات نمی‌کند توکن ضروری است تا خط لوله کار کند یا پروژه باید on-chain باشد. این‌ها محورهای جداگانه در DecAI Fit هستند.
• ادعاهای سرعت بدون بنچمارک یا روش‌شناسی منتشرشده قابل‌تأیید نیستند. ادعای «سریع‌ترین استنتاج» شواهد تکرارپذیر می‌خواهد.
• وجود یک نقطهٔ پایانی استنتاج اثبات نمی‌کند مدل پشت آن را خود پروژه ساخته و نه اینکه نسخه‌ای میزبانی‌شده از یک مدل متن‌باز باشد.

همیشه جدول شواهد و شواهد Tier-1/2/3 را برای آرتیفکت‌های پشتیبان بررسی کنید.

اشتباه نگیرید با

• آموزش مدل را تولید می‌کند. استنتاج از آن استفاده می‌کند. این‌ها مراحل متوالی چرخهٔ عمر AI هستند.
• استنتاج به‌عنوان جزء AI توصیف می‌کند استنتاج مشخصاً چگونه در کارت‌های پروژهٔ DecAIHub ظاهر می‌شود. این صفحه خود مفهوم را توضیح می‌دهد.
• دسته‌بندی AI/Inference پروژه‌های متمرکز بر زیرساخت استنتاج را طبقه‌بندی می‌کند. مفهوم استنتاج به هر پروژه‌ای که مدل اجرا می‌کند اعمال می‌شود، فارغ از دسته‌بندی آن.
• محاسبات سخت‌افزار را فراهم می‌کند. استنتاج بار کاری‌ای است که روی آن سخت‌افزار اجرا می‌شود. یک شبکهٔ محاسباتی می‌تواند هم بارهای کاری آموزش و هم استنتاج را سرویس دهد.
• مدل AI آرتیفکت است (وزن‌های آموزش‌دیده). استنتاج فرایند استفاده از آن آرتیفکت برای تولید خروجی است.

پرسش‌های متداول

تفاوت آموزش و استنتاج چیست؟

آموزش فرایند یاد دادن به مدل است؛ با نشان دادن داده و تنظیم وزن‌ها برای کمینه کردن خطا. از نظر محاسباتی گران است و معمولاً یک بار (یا دوره‌ای برای بازآموزی) رخ می‌دهد. استنتاج فرایند استفاده از مدل آموزش‌دیده برای تولید خروجی روی دادهٔ جدید است. هر بار که کاربری با مدل تعامل می‌کند رخ می‌دهد. آموزش مدل را می‌سازد؛ استنتاج از آن استفاده می‌کند.

چرا سرعت استنتاج مهم است؟

سرعت، تجربهٔ کاربر و هزینهٔ عملیاتی را تعیین می‌کند. چت‌باتی که ۳۰ ثانیه طول می‌کشد جواب دهد در عمل غیرقابل استفاده است. سیستم تشخیص تقلبی که دقیقه‌ها برای امتیازدهی یک تراکنش وقت می‌گذارد، پنجرهٔ اقدام را از دست می‌دهد. استنتاج سریع‌تر یعنی هزینهٔ محاسباتی کمتر به‌ازای هر درخواست، که مستقیماً بر دوام اقتصادی سرویس اثر می‌گذارد — به‌ویژه برای شبکه‌های غیرمتمرکزی که ارائه‌دهندگان هزینهٔ سخت‌افزار را متحمل می‌شوند.

استنتاج غیرمتمرکز چیست؟

استنتاج غیرمتمرکز، سرویس‌دهی مدل را به‌جای اتکا به سرورهای یک شرکت واحد، میان شبکه‌ای از ارائه‌دهندگان محاسباتی مستقل توزیع می‌کند. چالش‌های کلیدی عبارت‌اند از تضمین سازگاری خروجی، تأیید اینکه مدل درست واقعاً استفاده شده، مدیریت تأخیر و هماهنگی پرداخت‌ها. پروژه‌های کریپتو AI در دسته‌بندی AI/Inference اغلب زیرساختی مشخصاً برای همین هدف می‌سازند.

چگونه می‌توان تأیید کرد استنتاج واقعاً رخ می‌دهد؟

به‌دنبال شواهد Tier-1 باشید: نقاط پایانی API عمومی که قابل آزمایش‌اند، بنچمارک‌های تأخیر استنتاج، لاگ‌های محاسباتی، سوابق on-chain از درخواست‌ها و نتایج استنتاج، یا اثبات‌های قابل‌تأیید (مانند گواهی‌های TEE یا اثبات‌های zkML). ادعاهای بازاریابی مثل «مبتنی بر AI» بدون هیچ‌یک از این آرتیفکت‌ها شاهدی بر استنتاج واقعی نیستند.

هزینهٔ اجرای استنتاج چقدر است؟

هزینه به اندازهٔ مدل، طول ورودی/خروجی، سخت‌افزار و تکنیک‌های بهینه‌سازی بستگی دارد. عبور یک پرسمان از یک مدل زبانی بزرگ بسته به ارائه‌دهنده و اندازهٔ مدل می‌تواند از کسری از سنت تا چند سنت هزینه داشته باشد. در شبکه‌های استنتاج غیرمتمرکز، هزینه‌ها معمولاً به‌ازای هر پرسمان یا هر واحد محاسباتی پرداخت می‌شوند، اغلب با توکن بومی شبکه یا استیبل‌کوین. اقتصاد استنتاج عامل کلیدی‌ای است در اینکه خط لولهٔ AI یک پروژه در مقیاس پایدار باشد یا نه.

همچنین ببینید

• آموزش چیست
• مدل AI چیست
• استنتاج به‌عنوان جزء AI
• محاسبات به‌عنوان جزء AI
• دسته‌بندی AI/Inference
• چگونه بفهمیم پروژه واقعاً AI دارد
• DecAI Fit چیست
• رپر API چیست
• جزء AI چیست

منابع خارجی

• Hugging Face — Inference Endpoints — زیرساخت مدیریت‌شده برای استقرار و اجرای مدل‌ها در محیط تولید.
• Papers With Code — Inference — نتایج بنچمارک و روش‌های استنتاج کارآمد برای انواع مدل.
• Stanford HAI — گزارش شاخص AI — دادهٔ سالانه دربارهٔ هزینه‌های استنتاج، روندهای سخت‌افزار و الگوهای استقرار.
• Google AI Blog — Efficient ML — پژوهش دربارهٔ کوانتیزه‌سازی، تقطیر و دیگر تکنیک‌های بهینه‌سازی استنتاج.
• Wikipedia — Statistical inference — پیش‌زمینه‌ای دربارهٔ بنیادهای آماری استنتاج در یادگیری ماشین.