क्रिप्टो प्रोजेक्ट में AI component क्या है

नोट: यह दस्तावेज़ मूल अंग्रेजी संस्करण का स्वचालित अनुवाद है।

क्रिप्टो प्रोजेक्ट में AI component क्या है

AI component किसी प्रोजेक्ट का वह विशिष्ट हिस्सा है जहाँ वास्तविक AI कार्य होता है — विश्लेषण, जनरेशन, भविष्यवाणी, रैंकिंग या निर्णय-निर्माण। यह कोई मार्केटिंग लेबल या ब्रांड-उल्लेख नहीं है। DecAIHub प्रोजेक्ट कार्डों में AI component फ़ील्ड एक ही प्रश्न का उत्तर देती है: यहाँ AI वास्तव में क्या करता है?

संक्षेप में: AI component वह ठोस तंत्र है जहाँ डेटा अंदर जाता है और AI-चालित परिणाम बाहर आता है — न कि कोई लोगो, टैगलाइन या रोडमैप का वादा।

शुरुआती लोगों के लिए सादृश्य

किसी प्रोजेक्ट को रेस्तराँ की तरह सोचें। उपयोग-मामला मेन्यू है — जो ग्राहक देखता और ऑर्डर करता है। AI component रसोई है — वास्तविक उपकरण और तकनीक जो कच्ची सामग्री को व्यंजन में बदलती है। किसी रेस्तराँ का मेन्यू सुंदर (उपयोग-मामला) हो सकता है, लेकिन कार्यशील रसोई (AI component) न हो। जब DecAIHub किसी प्रोजेक्ट की समीक्षा करता है, तो वह रसोई में जाकर जाँचता है कि चूल्हा असली है या नहीं, कोई खाना बना रहा है या नहीं, और असली व्यंजन-विधियाँ मौजूद हैं या नहीं — न कि केवल बाहर लगे साइनबोर्ड पर छपी खाने की तस्वीरें।

यह क्या है

AI component एक कार्यात्मक मॉड्यूल या उप-प्रणाली है, जो आमतौर पर कृत्रिम बुद्धिमत्ता या मशीन लर्निंग से जुड़ा कार्य करती है। इसमें शामिल हैं:

• इनफेरेंस इंजन — आउटपुट (भविष्यवाणियाँ, वर्गीकरण, उत्पन्न पाठ या छवियाँ) देने के लिए प्रशिक्षित मॉडल चलाना
• प्रशिक्षण पाइपलाइनें — नए डेटा पर मॉडल वेट अद्यतन करना
• एनालिटिक्स मॉडल — डेटा से पैटर्न, स्कोर या संकेत निकालना (बाज़ार विश्लेषण, जोखिम स्कोरिंग, भावना विश्लेषण)
• एजेंट फ़्रेमवर्क — स्वायत्त निर्णय-निर्माण, टूल उपयोग और बहु-चरणीय तर्क का ऑर्केस्ट्रेशन
• डेटा लेबलिंग प्रणालियाँ — डेटासेट बनाने के लिए मानव या स्वचालित एनोटेशन का प्रबंधन
• कंप्यूट ऑर्केस्ट्रेशन — नोडों या GPU पर AI कार्यभार वितरित करना

मुख्य अंतर: किसी प्रोजेक्ट के पास AI component है यदि उसमें ऐसी उप-प्रणाली हो जो मॉडलों, एल्गोरिथ्मों या सीखे गए प्रतिनिधित्वों से डेटा संसाधित करती है। किसी प्रोजेक्ट में AI component का अभाव है यदि "AI" केवल उसके नाम, मार्केटिंग सामग्री या भावी योजनाओं में दिखे — बिना किसी सत्यापन-योग्य तकनीकी कार्यान्वयन के।

AI component का शून्य से कस्टम-निर्मित होना ज़रूरी नहीं। जो प्रोजेक्ट किसी ओपन-सोर्स मॉडल को फ़ाइन-ट्यून करता है, इनफेरेंस API को सार्थक पूर्व- और पश्च-प्रसंस्करण के साथ लपेटता है, या स्वामित्व-आधारित डेटा पर अपना वर्गीकारक प्रशिक्षित करता है — उसके पास भी AI component है, जब तक AI परत साधारण पास-थ्रू से आगे कोई सत्यापन-योग्य कार्य जोड़ती है।

स्पेक्ट्रम: अनुपस्थित से पूर्ण सत्यापन-योग्य तक

सभी AI component समान नहीं हैं। वे परिपक्वता और सत्यापनीयता के एक स्पेक्ट्रम पर मौजूद हैं:

स्तर	विवरण	क्या अपेक्षित है
अनुपस्थित	प्रोजेक्ट में कोई AI नहीं मिला	ai_component फ़ील्ड में none या unknown लिखा है
Positioning only	मार्केटिंग में AI का दावा, लेकिन कोई तकनीकी साक्ष्य नहीं	फ़ील्ड में positioning only लिखा है; ai_score 0 है
घोषित	आधिकारिक दस्तावेज़ों या रोडमैप में AI का उल्लेख है, लेकिन कोई कार्यशील कलाकृतियाँ नहीं	AI_0 = 1, शेष AI फ़्लैग 0 हैं
प्रदर्शित	कार्यशील डेमो, प्रोटोटाइप या दस्तावेज़ीकृत पाइपलाइन मौजूद है	AI_1 और AI_2 1 हैं; आंशिक साक्ष्य
सत्यापित	बेंचमार्क, तकनीकी दस्तावेज़ीकरण, मॉडल संस्करण और पुनरुत्पादन-योग्य परिणाम उपलब्ध हैं	AI_3 और AI_4 1 हैं; मज़बूत Tier-1 साक्ष्य

यह स्पेक्ट्रम इसलिए महत्वपूर्ण है क्योंकि व्यवहार में "AI होना" द्विआधारी नहीं है। किसी प्रोजेक्ट के पास प्रशिक्षित मॉडल हो सकता है लेकिन बेंचमार्क नहीं, या कार्यशील डेमो हो लेकिन प्रकाशित आर्किटेक्चर नहीं। AI component फ़ील्ड वह दर्ज करती है जो मौजूद है, न कि जो भविष्य में हो सकता है।

DecAIHub में AI component के सामान्य मान

रजिस्ट्री के प्रोजेक्ट कार्डों से वास्तविक मान:

• AI agent platform (workflows/tools/KB) — टूल और नॉलेज बेस वाली एजेंट अवसंरचना
• AI data labeling + model evaluation (human experts) — मानव-सहभागी पाइपलाइन वाली लेबलिंग
• AI/ML crypto market analytics (app) — बाज़ार डेटा पर लागू मशीन लर्निंग मॉडल
• compute orchestration — AI कंप्यूट कार्यों की रूटिंग और शेड्यूलिंग
• AI trading signals — डेटा से ट्रेडिंग-संबंधी संकेत उत्पन्न करने वाले मॉडल
• agentic framework (memory/actions/plugins) — स्मृति और टूल इंटीग्रेशन वाला एजेंट रनटाइम
• AI summaries + crypto intelligence terminal — NLP-आधारित सारांश और डेटा विश्लेषण
• inference engine — मॉडल इनफेरेंस चलाने के लिए समर्पित प्रणाली

हर मान बताता है कि AI वास्तव में क्या करता है — न कि प्रोजेक्ट क्या बनने का वादा करता है। ये मान प्रोजेक्ट कार्डों में एकरूपता सुनिश्चित करने के लिए दोहराई जाने वाली फ़ील्डों की सामान्यीकृत रजिस्ट्री से लिए जाते हैं। जब कोई समीक्षक AI component फ़ील्ड भरता है, तो वह देखे गए मानों में से चुनता है या एक नया मान जोड़ता है जो तकनीकी तंत्र को सटीक रूप से दर्ज करे।

DecAIHub प्रोजेक्ट कार्डों में यह कहाँ दिखता है

AI component (ai_component) फ़ील्ड Project Passport तालिका का हिस्सा है। यह Use case फ़ील्ड के बग़ल में स्थित है। साथ मिलकर वे तकनीकी तंत्र को उत्पाद विवरण से अलग करती हैं।

यदि फ़ील्ड में positioning only, none या unknown लिखा है, तो इसका अर्थ है कि सत्यापन तिथि तक कार्यशील AI component के साक्ष्य की पुष्टि नहीं हुई। ये तकनीकें नहीं हैं — ये साक्ष्य-पठन मोड हैं।

AI component फ़ील्ड उन पहली चीज़ों में से है जिसे अनुभवी पाठक जाँचता है। यह तुरंत संकेत देती है: यह प्रोजेक्ट AI के साथ कुछ करता है, या केवल कहता है कि करता है? Evidence तालिका और सत्यापन तिथि के साथ मिलकर यह प्रोजेक्ट के तकनीकी सार-तत्व की तेज़ तस्वीर बनाती है।

AI component का सत्यापन कैसे होता है

सत्यापन Tier-1/2/3 साक्ष्य पदानुक्रम का पालन करता है। AI component को positioning only से आगे ले जाने के लिए समीक्षक देखते हैं:

• Tier-1 कलाकृतियाँ — सार्वजनिक रिपॉज़िटरी में स्रोत कोड, मॉडल वेट या आर्किटेक्चर विवरण, कार्यप्रणाली सहित बेंचमार्क रिपोर्टें, इनफेरेंस एंडपॉइंट दिखाने वाला API दस्तावेज़ीकरण, टीम द्वारा प्रकाशित तकनीकी शोध पत्र।
• Tier-2 संदर्भ — AI पाइपलाइन का उल्लेख करने वाली तृतीय-पक्ष समीक्षाएँ, AI आउटपुट पर निर्भर इकोसिस्टम इंटीग्रेशन, विशिष्ट AI कार्यक्षमता का उल्लेख करने वाले एग्रीगेटर विवरण।
• Tier-3 संकेत — मार्केटिंग दावे, इन्फ्लुएंसर उल्लेख, तकनीकी विवरण रहित प्रेस विज्ञप्तियाँ। इन्हें दर्ज किया जाता है, लेकिन वे अकेले AI स्कोर नहीं बढ़ाते।

समीक्षा सामान्य एंटी-पैटर्नों की भी जाँच करती है: "AI कोड" के रूप में सूचीबद्ध खाली GitHub रिपॉज़िटरी, किसी अन्य प्रोजेक्ट से नक़ल किए गए बेंचमार्क, या स्वामित्व-आधारित मॉडल के रूप में प्रस्तुत API रैपर। ये लाल झंडे सत्यापन-योग्य साक्ष्य आने तक ai_score को 0 पर रखते हैं।

DecAI Fit के लिए AI component का क्या अर्थ है

AI component सीधे DecAI Fit स्कोर के AI reality अक्ष में योगदान देता है। कार्यशील AI component के Tier-1 साक्ष्य के बिना प्रोजेक्ट का ai_score 0 है — और उसका समग्र DecAI Fit 0 से ऊपर नहीं उठ सकता।

यह स्कोरिंग प्रणाली का सबसे कठोर नियम है: AI reality नहीं, तो DecAI Fit 0 से ऊपर नहीं। भले ही किसी प्रोजेक्ट की ऑन-चेन अवसंरचना मज़बूत और टोकन अच्छी तरह डिज़ाइन किया गया हो, सत्यापन-योग्य AI component के बिना वह शून्य से ऊपर स्कोर नहीं कर सकता। यह DecAIHub की मूल थीसिस को दर्शाता है — रजिस्ट्री "Decentralized AI" थीसिस से संरेखण का मूल्यांकन करती है, और AI उसका अपरिहार्य प्रारंभिक बिंदु है।

इसका अर्थ यह नहीं कि प्रोजेक्ट बुरा या बेकार है। इसका अर्थ है कि समीक्षा के समय साक्ष्य उपलब्ध नहीं थे। जब सत्यापन-योग्य कलाकृतियाँ (कोड, बेंचमार्क, डेमो, तकनीकी दस्तावेज़ीकरण) सामने आती हैं, तो कार्ड अद्यतन किया जाता है।

केवल यह शब्द क्या सिद्ध नहीं करता

• AI component होना यह सिद्ध नहीं करता कि उत्पाद उपयोगी है, टोकन आवश्यक है या ऑन-चेन एकीकरण सार्थक है।
• AI component फ़ील्ड केवल तंत्र का वर्णन करती है। गुणवत्ता, परिपक्वता और पैमाने का आकलन Evidence तालिका और AI reality फ़्लैगों के माध्यम से अलग से होता है।
• प्रोजेक्ट के पास वास्तविक लेकिन तुच्छ AI component हो सकता है — उदाहरण के लिए, बाहरी API कॉल करने वाला सरल भावना वर्गीकारक। वास्तविक का अर्थ महत्वपूर्ण नहीं है।
• इसके विपरीत, परिष्कृत AI component वाला प्रोजेक्ट भी DecAI Fit पर कम स्कोर कर सकता है, यदि उसका ऑन-चेन एकीकरण सतही हो या टोकन का कोई कार्य न हो।

भ्रमित न हों

• उपयोग-मामला बताता है कि उपयोगकर्ता को उत्पाद से क्या मिलता है। AI component बताता है कि AI अंदर क्या करता है। देखें AI component बनाम उपयोग-मामला।
• श्रेणी (जैसे AI/Agents) प्रोजेक्ट को उच्चतर स्तर पर वर्गीकृत करती है। AI component अधिक विशिष्ट है: वास्तविक तकनीक।
• ऑटोमेशन हमेशा AI नहीं होता। सरल नियम-आधारित स्क्रिप्ट या if/then वर्कफ़्लो AI component नहीं हैं। देखें ऑटोमेशन बनाम वास्तविक AI component।
• AI मॉडल प्रशिक्षित कलाकृति (वेट, आर्किटेक्चर) को संदर्भित करता है। AI component व्यापक है: इसमें मॉडल के साथ-साथ उसके इर्द-गिर्द की पाइपलाइन भी शामिल है (डेटा इंजेस्शन, पूर्व-प्रसंस्करण, इनफेरेंस सर्विंग, पश्च-प्रसंस्करण)।
• API रैपर — ऐसा प्रोजेक्ट जो केवल अनुरोधों को किसी तृतीय-पक्ष AI API (जैसे होस्टेड LLM) को अग्रेषित करता है, बिना सार्थक प्रसंस्करण जोड़े। एकीकरण के स्तर और जोड़े गए मूल्य के आधार पर यह AI component माना भी जा सकता है और नहीं भी।

अक्सर पूछे जाने वाले प्रश्न

AI component और उपयोग-मामले में क्या अंतर है?

AI component तकनीकी तंत्र है — AI क्या करता है (जैसे इनफेरेंस चलाता है, मॉडल प्रशिक्षित करता है, डेटा स्कोर करता है)। उपयोग-मामला उत्पाद-परिणाम है — उपयोगकर्ता को क्या मिलता है (जैसे DeFi कोपायलट, पोर्टफ़ोलियो ट्रैकर, जोखिम चेतावनियाँ)। एक ही AI component वाले प्रोजेक्ट के अलग-अलग उपयोग-मामले हो सकते हैं, या एक ही उपयोग-मामला पूरी तरह भिन्न AI component से संचालित हो सकता है। DecAIHub प्रोजेक्ट कार्डों में ये जान-बूझकर अलग फ़ील्डें हैं, ताकि पाठक तकनीक और उत्पाद का स्वतंत्र मूल्यांकन कर सकें। विस्तृत तुलना के लिए AI component बनाम उपयोग-मामला देखें।

क्या किसी प्रोजेक्ट के पास AI component के बिना AI हो सकता है?

नहीं — DecAIHub की शब्दावली में, यदि प्रोजेक्ट के पास AI है, तो उसके पास AI component है। प्रश्न यह है कि वह घटक सत्यापन-योग्य है या नहीं। कोई प्रोजेक्ट आंतरिक रूप से वास्तव में AI उपयोग कर सकता है, लेकिन कोई सार्वजनिक साक्ष्य न दे: न कोड, न दस्तावेज़ीकरण, न बेंचमार्क, न डेमो। उस स्थिति में AI component फ़ील्ड में unknown लिखा होगा और ai_score 0 रहेगा। इसका अर्थ यह नहीं कि AI अनुपस्थित है — इसका अर्थ है कि साक्ष्य अनुपस्थित है। साक्ष्य आने पर कार्ड अद्यतन होता है।

"positioning only" का क्या अर्थ है?

इसका अर्थ है कि प्रोजेक्ट अपनी मार्केटिंग, ब्रांडिंग या पोज़िशनिंग में AI भाषा का उपयोग करता है — लेकिन कार्यशील AI component का कोई Tier-1 या Tier-2 साक्ष्य नहीं मिला। "AI" शब्द प्रोजेक्ट के नाम, वेबसाइट टैगलाइन या पिच डेक में हो सकता है, फिर भी कोई कोड रिपॉज़िटरी, मॉडल दस्तावेज़ीकरण, डेमो या इसका तकनीकी विवरण नहीं कि AI वास्तव में क्या करता है। "Positioning only" तथ्यात्मक अवलोकन है, निर्णय नहीं। इस स्थिति के कुछ प्रोजेक्ट लॉन्च-पूर्व हो सकते हैं, जिनके AI component विकास में हैं; अन्य कभी नहीं बना सकते।

क्या उच्च ai_score का अर्थ बेहतर प्रोजेक्ट है?

नहीं। ai_score AI component की सत्यापनीयता मापता है, न कि उत्पाद की गुणवत्ता या तकनीक की उपयोगिता। ai_score = 3 वाले प्रोजेक्ट के पास मज़बूत साक्ष्य है कि उसका AI वास्तविक और दस्तावेज़ीकृत है। ai_score = 1 वाले प्रोजेक्ट के पास सीमित साक्ष्य है। कोई भी स्कोर यह नहीं बताता कि उत्पाद वास्तविक समस्या हल करता है, उपयोगकर्ताओं को उसकी ज़रूरत है या टोकन मॉडल तर्कसंगत है। DecAI Fit अधिक पूर्ण तस्वीर के लिए चार आयाम — AI reality, Onchain necessity, Token necessity और Evidence — जोड़ता है।

बाहरी संदर्भ

• Machine Learning Glossary — Google Developers — उद्योग-भर में प्रयुक्त ML और AI शब्दावली की संदर्भ परिभाषाएँ।
• The promises and challenges of crypto + AI applications — Vitalik Buterin — यह सोचने का फ़्रेमवर्क कि AI और ब्लॉकचेन वास्तव में एक-दूसरे के पूरक कहाँ हैं।
• Stanford HAI — AI Index Report — कृत्रिम बुद्धिमत्ता की स्थिति पर वार्षिक डेटा, जिसमें अपनाना, अनुसंधान और तकनीकी प्रगति शामिल है।

यह भी देखें

• AI component बनाम उपयोग-मामला
• AI एजेंट क्या है
• कैसे पता करें कि प्रोजेक्ट में वास्तव में AI है
• AI का साक्ष्य क्या माना जाता है
• DecAI Fit क्या है
• ऑटोमेशन बनाम वास्तविक AI component
• API रैपर क्या है