AI का साक्ष्य क्या नहीं माना जाता
नोट: यह दस्तावेज़ मूल अंग्रेजी संस्करण का स्वचालित अनुवाद है।
AI का साक्ष्य क्या नहीं माना जाता
प्रोजेक्ट ऐसे कई आर्टिफ़ैक्ट प्रस्तुत कर सकता है जो कार्यशील AI component के प्रमाण जैसे दिखते हैं — लेकिन नज़दीक से देखने पर वास्तव में उसे प्रदर्शित नहीं करते। यह पृष्ठ सबसे सामान्य एंटी-पैटर्नों की सूची देता है: ऐसे संकेत जो सत्यापन-योग्य साक्ष्य दिए बिना AI क्षमता का दावा करते हैं। यह AI component के साक्ष्य के रूप में क्या मान्य है का साथी पृष्ठ है।
संक्षेप में: मार्केटिंग पाठ, खाली रिपॉज़िटरी, कार्यप्रणाली के बिना मेट्रिक्स, बिना स्वामित्व वाले लॉजिक के API रैपर और टोकन के नाम में "AI" — ये कार्यशील AI component के साक्ष्य नहीं हैं।
झूठे संकेतों को पहचानना क्यों महत्वपूर्ण है
"साक्ष्य" और "गैर-साक्ष्य" के बीच की सीमा AI-washing के प्रति DecAIHub के दृष्टिकोण की नींव है। नीचे दिए पैटर्नों को पहचानना प्रोजेक्ट पर आरोप नहीं है — इसका अर्थ है कि विशिष्ट आर्टिफ़ैक्ट सत्यापन-योग्य AI reality में कोई बदलाव नहीं लाता और उसे Tier-1 साक्ष्य समझने की भूल नहीं करनी चाहिए।
सामान्य एंटी-पैटर्न
मार्केटिंग पाठ में "हम AI उपयोग करते हैं"
लैंडिंग पेज या पिच डेक पर "AI-powered," "built with machine learning" या "neural network-driven" कहना पोज़िशनिंग का कथन है, साक्ष्य नहीं। Tier-1 आर्टिफ़ैक्ट (कोड, दस्तावेज़ीकरण, डेमो) के बिना इन शब्दों का कोई सत्यापन-योग्य वज़न नहीं है।
DecAIHub इस शब्द के उपयोग के लिए प्रोजेक्टों को दंडित नहीं करता — लेकिन इसे साक्ष्य भी नहीं मानता। मार्केटिंग में "AI" की उपस्थिति स्तर ऊँचा कर देती है: यदि प्रोजेक्ट प्रमुखता से AI का दावा करता है, तो समर्थक आर्टिफ़ैक्टों की अनुपस्थिति और भी उल्लेखनीय हो जाती है।
खाली या असंबंधित रिपॉज़िटरी
GitHub रिपॉज़िटरी जो मौजूद तो है लेकिन जिसमें कोई AI/ML कोड नहीं है — या केवल README, बॉयलरप्लेट या असंबंधित स्क्रिप्ट हैं — एक चेतावनी संकेत है। सार्थक रिपॉज़िटरी में कमिट, रिलीज़, टेस्ट और ऐसा कोड होता है जो व्हाइटपेपर या दस्तावेज़ीकरण के दावों से मेल खाता है।
सामान्य पैटर्न: हाल ही में एक ही प्रारंभिक कमिट के साथ बनाई गई रिपॉज़िटरी; बिना संशोधनों के किसी लोकप्रिय फ्रेमवर्क का फ़ोर्क; बिना मॉडल कोड के कॉन्फ़िगरेशन फ़ाइलों का संग्रह; ऐसी रिपॉज़िटरी जिसमें एक साल से अधिक समय से कोई कमिट नहीं, जबकि प्रोजेक्ट सक्रिय AI विकास का दावा करता रहता है।
कार्यप्रणाली के बिना मेट्रिक्स
"95% सटीकता" या "स्टेट-ऑफ़-द-आर्ट प्रदर्शन" का दावा संदर्भ के बिना कुछ नहीं कहता: क्या मापा गया, किस डेटा पर, कब और मॉडल के किस संस्करण के साथ। कार्यप्रणाली के बिना मेट्रिक्स Tier-1 साक्ष्य नहीं हैं।
"हमारा मॉडल XYZ बेंचमार्क पर 0.92 F1 प्राप्त करता है, संस्करण 2.1 पर जनवरी 2026 में मूल्यांकित" एक मेट्रिक है। "हम 92% सटीकता प्राप्त करते हैं" एक दावा है। DecAIHub दावों को दर्ज कथनों के रूप में रिकॉर्ड करता है, लेकिन उनके आधार पर AI_3 फ़्लैग सेट नहीं करता।
बिना स्वामित्व वाले लॉजिक का API रैपर
OpenAI, Anthropic या किसी अन्य तृतीय-पक्ष API को कॉल करना और परिणाम लौटाना प्रोजेक्ट के अपने AI का साक्ष्य नहीं है। API रैपर वैध उत्पाद हो सकता है, लेकिन वह प्रोजेक्ट को उस अर्थ में AI प्रोजेक्ट नहीं बनाता जिसमें DecAIHub मूल्यांकन करता है। AI प्रदाता का है, प्रोजेक्ट का नहीं।
यदि प्रोजेक्ट अपनी फ़ाइन-ट्यूनिंग लागू करता है, तृतीय-पक्ष आउटपुट को स्वामित्व वाले मॉडलों के साथ जोड़ता है या मापने योग्य पोस्ट-प्रोसेसिंग जोड़ता है, तो तस्वीर बदल जाती है। मुख्य सवाल यह है कि क्या प्रोजेक्ट कच्चे API से आगे सत्यापन-योग्य AI-स्तरीय मूल्य जोड़ता है। यदि पूरा "AI component" सिस्टम प्रॉम्प्ट के साथ एक API कॉल है, तो AI reality प्रदाता की है।
केवल टोकन के नाम या ब्रांडिंग में "AI"
यदि प्रोजेक्ट का AI से एकमात्र संबंध उसके टोकन टिकर, डोमेन नाम या ब्रांडिंग में "AI" शब्द है — बिना किसी तकनीकी कार्यान्वयन के — तो यह पोज़िशनिंग है, साक्ष्य नहीं।
टोकन टिकर एक लेबल है, फ़ीचर नहीं। DecAIHub नामकरण को तटस्थ संकेत मानता है — यह साक्ष्य आकलन में न योगदान देता है, न उससे घटाता है। महत्वपूर्ण यह है कि नाम के पीछे आर्टिफ़ैक्ट मौजूद हैं या नहीं।
AI कंपनी के साथ साझेदारी
साझेदारी की घोषणा (जैसे "NVIDIA के साथ साझेदारी" या "OpenAI के साथ एकीकृत") अधिकतम Tier-2 है। यह जुड़ाव दिखाती है, प्रोजेक्ट के भीतर कार्यशील AI component नहीं। साझेदारियाँ कोड, दस्तावेज़ीकरण या डेमो का स्थान नहीं लेतीं।
साझेदारियाँ गहरे तकनीकी सहयोग (संयुक्त शोध, सह-विकसित मॉडल) से लेकर ढीले जुड़ावों (एक्सेलेरेटर सदस्यता, पार्टनर सूची में उल्लेख) तक होती हैं। क्रिप्टो-AI क्षेत्र की अधिकांश घोषित साझेदारियाँ ढीले सिरे की ओर हैं। केवल सत्यापन-योग्य तकनीकी परिणाम वाली साझेदारियाँ साक्ष्य की तस्वीर में योगदान देती हैं, और तब भी Tier-1 प्रमाण के बजाय Tier-2 संदर्भ के रूप में।
कार्यान्वयन के बिना "AI रोडमैप" या AI इरादा
"Q3 में AI फ़ीचर आ रहे हैं" कहने वाली रोडमैप प्रविष्टि इरादा (AI_0) दिखाती है, कार्यशील AI component नहीं। इरादा एक ही फ़्लैग के रूप में दर्ज होता है, लेकिन अपने आप में कार्यशील AI component का संकेत नहीं देता। ai_score सूत्र की सीमा 3 है, इसलिए अकेला AI_0 न्यूनतम योगदान देता है।
योजनाएँ बदलती हैं, टलती हैं या रद्द होती हैं। DecAIHub आधिकारिक AI इरादे को AI_0 फ़्लैग के माध्यम से दर्ज करता है, ताकि AI महत्वाकांक्षाएँ घोषित करने वाले प्रोजेक्ट उनसे अलग हों जिन्होंने ऐसा नहीं किया। लेकिन यह फ़्लैग फ़र्श है, छत नहीं — यह अधिकतम ai_score = 1 देता है, और वह भी केवल तब जब इरादा Tier-1 स्रोत से आया हो।
सत्यापन-योग्य AI बैकएंड के बिना डेमो
चमकदार फ्रंटएंड जो AI परिणाम दिखाने का दावा करता है लेकिन यह सत्यापित करने का कोई तरीका नहीं देता कि उसके पीछे AI मॉडल चल रहा है — न API दस्तावेज़ीकरण, न मॉडल संस्करण, न पुनरुत्पादन-योग्य आउटपुट — पर्याप्त साक्ष्य नहीं है।
सत्यापन-योग्य डेमो विभिन्न इनपुट की अनुमति देता है और संदर्भ के अनुसार भिन्न आउटपुट देता है। वह API एंडपॉइंट उजागर कर सकता है, मॉडल संस्करण की जानकारी दिखा सकता है या सैंडबॉक्स मोड दे सकता है। इसके विपरीत, शोकेस स्क्रिप्टेड मार्ग का पालन करता है या इनपुट चाहे जो हो, समान आउटपुट देता है। DecAIHub पहले वाले की तलाश करता है; दूसरा दर्ज होता है, लेकिन AI_0 से आगे साक्ष्य फ़्लैगों में योगदान नहीं देता।
बिना विशिष्टताओं के "फ़ाइन-ट्यून किया गया मॉडल"
फ़ाइन-ट्यून किए गए मॉडल का दावा साक्ष्य नहीं है, जब तक प्रोजेक्ट यह न बताए: बेस मॉडल, फ़ाइन-ट्यूनिंग के लिए उपयोग किया गया डेटासेट, बेस मॉडल की तुलना में सुधार और कार्यप्रणाली सहित गुणवत्ता मेट्रिक्स।
विश्वसनीय फ़ाइन-ट्यूनिंग दावा बेस मॉडल का नाम बताता है, प्रशिक्षण डेटा का वर्णन करता है और परिभाषित कार्य पर मापने योग्य सुधार दिखाता है। इन विशिष्टताओं के बिना "हमने मॉडल फ़ाइन-ट्यून किया" "हमने मॉडल उपयोग किया" से अभिन्न है।
एंटी-पैटर्न संदर्भ तालिका
| एंटी-पैटर्न | यह क्या दावा करता है | यह वास्तव में क्या सिद्ध करता है |
|---|---|---|
| वेबसाइट पर "AI-powered" | प्रोजेक्ट के पास AI है | Tier-1 आर्टिफ़ैक्ट के बिना कुछ नहीं |
| खाली GitHub रिपॉज़िटरी | ओपन-सोर्स AI कोड | रिपॉज़िटरी मौजूद है; AI कोड नहीं |
| संदर्भहीन "95% सटीकता" | उच्च-गुणवत्ता का AI | एक संख्या बताई गई; वैधता अज्ञात है |
| OpenAI API रैपर | प्रोजेक्ट "AI उपयोग करता है" | प्रोजेक्ट किसी और के AI को कॉल करता है |
| टोकन के नाम में "AI" | AI से जुड़ा प्रोजेक्ट | नामकरण का चुनाव किया गया |
| AI लैब के साथ साझेदारी | AI क्षमता | एक जुड़ाव मौजूद है |
| "Q3 रोडमैप में AI" | भविष्य का AI component | केवल इरादा (AI_0) |
| चमकदार डेमो, बैकएंड साक्ष्य नहीं | कार्यशील AI | एक फ्रंटएंड बनाया गया |
| बिना विवरण के "फ़ाइन-ट्यून किया गया LLM" | स्वामित्व वाला मॉडल | एक दावा किया गया |
झूठे संकेतों को कमज़ोर-पर-वास्तविक साक्ष्य से कैसे अलग करें
Tier-1 मानक पर विफल हर आर्टिफ़ैक्ट व्यर्थ नहीं है। कुछ आर्टिफ़ैक्ट वास्तव में कमज़ोर साक्ष्य हैं — अपने आप में अपर्याप्त, लेकिन संयोजन में सार्थक। नीचे दी तालिका सीमा को स्पष्ट करती है:
| आर्टिफ़ैक्ट | झूठा संकेत (कोई साक्ष्य मूल्य नहीं) | कमज़ोर पर वास्तविक साक्ष्य |
|---|---|---|
| रिपॉज़िटरी | खाली या केवल बॉयलरप्लेट | कुछ AI कोड है, लेकिन टेस्ट या रिलीज़ नहीं |
| मेट्रिक | बिना कार्यप्रणाली की संख्या | आंशिक कार्यप्रणाली वाली संख्या (चार संदर्भ सवालों में से एक अनुपस्थित) |
| डेमो | निश्चित आउटपुट वाला स्क्रिप्टेड शोकेस | बिना API दस्तावेज़ या मॉडल संस्करण का इंटरैक्टिव डेमो |
| साझेदारी | पार्टनर पेज पर लोगो | संयुक्त तकनीकी परिणाम (सह-लेखित शोधपत्र, साझा रिपॉज़िटरी) |
| दस्तावेज़ीकरण | बिना तकनीकी गहराई का मार्केटिंग व्हाइटपेपर | आर्किटेक्चर का वर्णन करने वाला तकनीकी व्हाइटपेपर, जिसमें संस्करण विवरण नहीं |
कमज़ोर साक्ष्य अन्य आर्टिफ़ैक्टों से पुष्टि होने पर व्यक्तिगत फ़्लैग सेट करने में योगदान दे सकता है। झूठे संकेत मात्रा चाहे जो हो, योगदान नहीं देते — दस खाली रिपॉज़िटरी एक से अधिक मज़बूत नहीं हैं।
DecAIHub इन मामलों को कैसे दर्ज करता है
जब कार्यशील AI component का कोई Tier-1 साक्ष्य नहीं मिलता, तो प्रोजेक्ट का ai_score 0 या 1 पर रहता है। यदि साक्ष्य की अनुपस्थिति में मार्केटिंग में AI का सक्रिय प्रचार होता है, तो कार्ड पर AI-washing फ़्लैग सेट किया जा सकता है।
यह आरोप नहीं है — यह सत्यापन तिथि तक दावों और आर्टिफ़ैक्टों के बीच के अंतर का रिकॉर्ड है। नए साक्ष्य दिखाई देने पर कार्ड अपडेट किया जाता है।
ai_score बाइनरी फ़्लैगों AI_0 से AI_4 का योग करता है (अधिकतम 3)। इस पृष्ठ के केवल एंटी-पैटर्न दिखाने वाले प्रोजेक्ट का आमतौर पर ai_score = 0 या ai_score = 1 होगा (यदि AI_0 आधिकारिक रोडमैप से सेट हुआ हो), जो सीधे उसके अधिकतम DecAI Fit को सीमित करता है।
यह सूची अकेले क्या सिद्ध नहीं करती
- एक या अधिक एंटी-पैटर्न दिखाना प्रोजेक्ट पर आरोप नहीं है। कई प्रारंभिक चरण के प्रोजेक्टों में आर्टिफ़ैक्ट इसलिए नहीं हैं क्योंकि तकनीक अभी सार्वजनिक नहीं है।
- एंटी-पैटर्नों की अनुपस्थिति यह सिद्ध नहीं करती कि AI वास्तविक है। प्रोजेक्ट इस सूची के हर चेतावनी संकेत से बच सकता है और फिर भी उसके पास कोई कार्यशील AI component न हो।
- यह सूची एक स्नैपशॉट है — प्रोजेक्टों के परिपक्व होने और नए आर्टिफ़ैक्ट प्रकाशित करने पर एंटी-पैटर्न हल हो सकते हैं।
अक्सर पूछे जाने वाले प्रश्न
टोकन के नाम में "AI" होना साक्ष्य क्यों नहीं माना जाता?
टोकन का नाम ब्रांडिंग का निर्णय है, तकनीकी आर्टिफ़ैक्ट नहीं। कोई भी प्रोजेक्ट बिना कोई तकनीक बनाए "AI" वाला टिकर चुन सकता है। DecAIHub निरीक्षण-योग्य, सत्यापन-योग्य आर्टिफ़ैक्टों — कोड, दस्तावेज़ीकरण, डेमो, कार्यप्रणाली सहित मेट्रिक्स — के आधार पर साक्ष्य का आकलन करता है। नाम इनमें से किसी भी मानदंड को पूरा नहीं करता। टोकन का नाम प्रोजेक्ट कार्ड में मेटाडेटा के रूप में दर्ज होता है, लेकिन पाँच AI reality फ़्लैगों (AI_0 से AI_4) में से किसी को प्रभावित नहीं करता।
क्या NVIDIA (या किसी अन्य AI कंपनी) के साथ साझेदारी AI का साक्ष्य है?
नहीं। साझेदारी की घोषणा अधिकतम Tier-2 के रूप में वर्गीकृत होती है — वह संदर्भ देती है, लेकिन यह सिद्ध नहीं करती कि प्रोजेक्ट के भीतर कार्यशील AI component मौजूद है। साझेदारियाँ गहराई में बहुत भिन्न होती हैं: गहरे सह-इंजीनियरिंग प्रयासों से लेकर साधारण "इकोसिस्टम सदस्य" सूचियों तक। जब तक साझेदारी ने सत्यापन-योग्य तकनीकी परिणाम (साझा कोडबेस, सह-प्रकाशित शोध, संयुक्त रूप से बनाए रखी गई तैनाती) न दिया हो, वह साक्ष्य नहीं, जुड़ाव ही रहती है। वह मौजूद Tier-1 निष्कर्ष का समर्थन कर सकती है, लेकिन उसका स्थान नहीं ले सकती।
उन प्रोजेक्टों का क्या जो रोडमैप में AI फ़ीचरों का वादा करते हैं?
आधिकारिक Tier-1 स्रोत (प्रोजेक्ट का अपना ब्लॉग, दस्तावेज़ीकरण या गवर्नेंस प्रस्ताव) से रोडमैप प्रविष्टि AI_0 फ़्लैग के माध्यम से दर्ज होती है, जो "घोषित AI इरादे" को पकड़ता है। यह ai_score को कम से कम 1 पर सेट करता है, जो प्रोजेक्ट को AI का बिल्कुल उल्लेख न करने वालों से अलग करता है। हालाँकि रोडमैप योजना है, कार्यान्वयन नहीं। AI_0 फ़्लैग न्यूनतम संभव सकारात्मक संकेत है, और ai_score सीलिंग नियमों के कारण अकेला वह DecAI Fit को 6 में से अधिकतम 3 तक सीमित करता है। जब रोडमैप के मील के पत्थर पूरे होते हैं और सत्यापन-योग्य आर्टिफ़ैक्ट दिखाई देते हैं, तो कार्ड अपडेट किया जाता है और ऊँचे फ़्लैग सेट हो सकते हैं।
क्या प्रोजेक्ट कई एंटी-पैटर्न दिखाकर भी वास्तविक AI component रख सकता है?
हाँ। एंटी-पैटर्न संकेत देते हैं कि विशिष्ट आर्टिफ़ैक्ट साक्ष्य नहीं हैं — वे तकनीक की अनुपस्थिति सिद्ध नहीं करते। किसी प्रोजेक्ट की मार्केटिंग प्रथाएँ खराब और मेट्रिक दावे अस्पष्ट हो सकते हैं, जबकि वह साथ ही ऐसी वैध AI प्रणाली चला रहा हो जो सार्वजनिक रूप से अच्छी तरह प्रलेखित नहीं है। DecAIHub समीक्षा के समय जो सत्यापन-योग्य है, उसका मूल्यांकन करता है। यदि अंतर्निहित तकनीक मौजूद है लेकिन बाहर से निरीक्षण-योग्य नहीं है, तो उसे स्कोर नहीं किया जा सकता — और प्रोजेक्ट को अपना कार्ड अपडेट कराने के लिए आवश्यक आर्टिफ़ैक्ट प्रकाशित करने के लिए प्रोत्साहित किया जाता है।
बाहरी संदर्भ
- OECD AI Policy Observatory — AI classification framework — यह समझने का अंतरराष्ट्रीय संसाधन कि विभिन्न क्षेत्राधिकारों में AI प्रणालियों को कैसे परिभाषित, वर्गीकृत और शासित किया जाता है।
- Papers With Code — state-of-the-art benchmarks — संबद्ध कोड और कार्यप्रणाली के साथ AI बेंचमार्क परिणामों को ट्रैक करने वाला सामुदायिक संसाधन; यह समझने में उपयोगी कि व्यवहार में "कार्यप्रणाली सहित मेट्रिक्स" कैसे दिखते हैं।
- Stanford HAI — AI Index Report — AI शोध, विकास और तैनाती के रुझानों को ट्रैक करने वाली वार्षिक रिपोर्ट; व्यापक परिदृश्य के सापेक्ष AI दावों के मूल्यांकन का संदर्भ देती है।
No comments to display
No comments to display