Skip to main content

AI のエビデンスとみなされないもの

注：この文書は英語の原文からの自動翻訳です。

AI のエビデンスとみなされないもの

プロジェクトは、稼働中の AI component の証明のように見える多くのアーティファクトを提示することがあります——しかし、よく調べると実際にはそれを示していません。このページは、最も一般的なアンチパターンを列挙します：検証可能なエビデンスを提供せずに AI 能力を主張するシグナルです。これは AI component のエビデンスとみなされるもの の対となるページです。

要約： マーケティング文面、空のリポジトリ、方法論のないメトリクス、独自ロジックのない API ラッパー、そしてトークン名の中の「AI」は、稼働中の AI component のエビデンスではありません。

なぜ誤シグナルを認識することが重要か

「エビデンス」と「非エビデンス」の境界は、AI-washing に対する DecAIHub のアプローチの基盤です。以下のパターンを認識することはプロジェクトへの非難ではありません——その特定のアーティファクトが検証可能な AI reality を前進させず、Tier-1 エビデンス と取り違えられるべきではないことを意味します。

一般的なアンチパターン

マーケティング文面の「我々は AI を使う」

ランディングページやピッチデッキで「AI 駆動」「機械学習で構築」「ニューラルネットワーク駆動」と言うことは、ポジショニングの言明であってエビデンスではありません。Tier-1 アーティファクト（コード、ドキュメント、デモ）がなければ、これらの言葉に検証可能な重みはありません。

DecAIHub はその語を使うことでプロジェクトを罰しません——しかし、それをエビデンスとして扱うこともありません。マーケティングにおける「AI」の存在はハードルを上げます：プロジェクトが AI を目立って主張するなら、それを支えるアーティファクトの不在はいっそう目立つようになります。

空の、または無関係なリポジトリ

存在はするが AI/ML コードを含まない——あるいは README、ボイラープレート、無関係なスクリプトだけを含む——GitHub リポジトリは危険信号です。意味のあるリポジトリには、コミット、リリース、テスト、そしてホワイトペーパーやドキュメントの主張と整合するコードがあります。

一般的なパターン：単一の初期コミットだけで最近作られたリポジトリ。人気のフレームワークを改変なしにフォークしたもの。モデルコードのない設定ファイルの寄せ集め。プロジェクトが活発な AI 開発を主張し続ける一方で 1 年以上コミットのないリポジトリ。

方法論のないメトリクス

「95% の精度」や「最先端の性能」を主張することは、文脈——何が測定されたか、どのデータで、いつ、どのバージョンのモデルで——なしには何も意味しません。方法論のないメトリクスは Tier-1 エビデンス ではありません。

「我々のモデルは XYZ ベンチマークで 0.92 の F1 を達成、2026 年 1 月にバージョン 2.1 で評価」はメトリクスです。「我々は 92% の精度を達成する」は主張です。DecAIHub は主張を記載された言明として記録しますが、それに基づいて AI_3 フラグを設定することはしません。

独自ロジックのない API ラッパー

OpenAI、Anthropic、または別のサードパーティ API を呼び出して結果を返すことは、プロジェクト自身の AI のエビデンスではありません。API wrapper は妥当な製品ではあり得ますが、DecAIHub が評価する意味でプロジェクトを AI プロジェクトにするわけではありません。その AI はプロバイダーのものであり、プロジェクトのものではありません。

プロジェクトが自前のファインチューニングを施す、サードパーティの出力を独自モデルと組み合わせる、または測定可能な後処理を加える場合、状況は変わります。鍵となる問いは、プロジェクトが生の API が提供する以上の検証可能な AI レベルの価値を加えているかどうかです。「AI component」全体が、システムプロンプト付きの単一の API 呼び出しに過ぎないなら、AI reality はプロバイダーのものです。

トークン名やブランディングだけの「AI」

プロジェクトの AI への唯一の結びつきが、トークンのティッカー、ドメイン名、ブランディングの中の「AI」という語——その背後に技術的な実装がないもの——であるなら、これはエビデンスではなくポジショニングです。

トークンのティッカーはラベルであって機能ではありません。DecAIHub は命名を中立的なシグナルとして扱います——エビデンスの評価に寄与もしなければ損なうこともありません。重要なのは、名前の背後にアーティファクトが存在するかどうかです。

AI 企業とのパートナーシップ

パートナーシップの発表（例：「NVIDIA と提携」や「OpenAI と統合」）は 良くても Tier-2 です。それは関連を示すのであって、プロジェクト内部の稼働する AI component を示すのではありません。パートナーシップはコード、ドキュメント、デモの代わりにはなりません。

パートナーシップは、深い技術的協働（共同研究、共同開発されたモデル）から緩い提携（アクセラレータへの参加、パートナーディレクトリへの掲載）まで多岐にわたります。crypto-AI 領域で発表されるパートナーシップの大半は、緩い側に寄っています。検証可能な技術的成果を伴うパートナーシップのみがエビデンスの像に寄与し、それでも Tier-1 の証明ではなく Tier-2 の文脈としてです。

実装のない「AI ロードマップ」や AI 意図

「AI 機能は Q3 に登場」と述べるロードマップ項目は、意図（AI_0）を示すのであって、稼働する AI component を示すのではありません。意図は単一のフラグとして記録されますが、それ自体では稼働する AI component を示しません。ai_score の式は 3 で頭打ちになるため、AI_0 単独の寄与はわずかです。

計画は変わり、遅れ、あるいは中止されます。DecAIHub は、AI の野心を宣言したプロジェクトをそうでないものから区別するために、公式の AI 意図を AI_0 フラグを通じて記録します。しかし、このフラグは天井ではなく床です——せいぜい ai_score = 1 に寄与するだけで、しかもその意図が Tier-1 ソース から来る場合に限ります。

検証可能な AI バックエンドのないデモ

AI の結果を見せると謳いながら、その背後で AI モデルが動いていることを検証する手段——API ドキュメント、モデルバージョン、再現可能な出力——を提供しない、洗練されたフロントエンドは、十分なエビデンスではありません。

検証可能なデモは、異なる入力を許し、文脈的に多様な出力を生み出します。それは API エンドポイントを公開したり、モデルバージョン情報を表示したり、サンドボックスモードを提供したりするかもしれません。対照的にショーケースは、スクリプト化された経路に従うか、入力に関わらず同一の出力を生みます。DecAIHub は前者を探します。後者は記載されますが、AI_0 を超えてエビデンスフラグに寄与することはありません。

詳細のない「ファインチューニング済みモデル」

ファインチューニング済みモデルを持っていると主張することは、プロジェクトが次を明示しない限りエビデンスではありません：ベースモデル、ファインチューニングに使われた データセット、ベースモデルに対する改善、そして方法論を伴う 品質メトリクス。

信頼できるファインチューニングの主張は、ベースモデルを名指しし、訓練データを記述し、定義されたタスクでの測定可能な改善を示します。これらの詳細がなければ、「我々はモデルをファインチューニングした」は「我々はモデルを使った」と区別できません。

アンチパターン参照表

アンチパターン 何を主張するか 実際に何を証明するか
ウェブサイトの「AI 駆動」 プロジェクトに AI がある Tier-1 アーティファクトがなければ何も
空の GitHub リポジトリ オープンソースの AI コード リポジトリは存在するが AI コードは存在しない
文脈のない「95% の精度」 高品質な AI 数値が述べられた。妥当性は不明
OpenAI API ラッパー プロジェクトが「AI を使う」 プロジェクトは他者の AI を呼び出す
トークン名の「AI」 AI 関連のプロジェクト 命名の選択がなされた
AI ラボとのパートナーシップ AI 能力 関連が存在する
「Q3 ロードマップの AI」 将来の AI component 意図（AI_0）のみ
洗練されたデモ、バックエンドのエビデンスなし 稼働する AI フロントエンドが作られた
詳細のない「ファインチューニング済み LLM」 独自モデル 主張がなされた

誤シグナルと弱いが本物のエビデンスをどう区別するか

Tier-1 の基準に満たないアーティファクトのすべてが無価値なわけではありません。一部のアーティファクトは本当に弱いエビデンス——それ自体では不十分だが、組み合わせると意味を持つ——です。下の表は境界を明確にします：

アーティファクト 誤シグナル（エビデンスの価値なし） 弱いが本物のエビデンス
リポジトリ 空、またはボイラープレートのみ 一部の AI コードを含むが、テストやリリースを欠く
メトリクス 方法論のない数値 部分的な方法論を伴う数値（四つの文脈の問いのうち一つを欠く）
デモ 固定出力のスクリプト化されたショーケース API ドキュメントやモデルバージョンのないインタラクティブなデモ
パートナーシップ パートナーページのロゴ 共同の技術的成果（共著論文、共有リポジトリ）
ドキュメント 技術的な深さのないマーケティングホワイトペーパー アーキテクチャを記述するがバージョンの詳細を欠く技術ホワイトペーパー

弱いエビデンスは、他のアーティファクトによって裏付けられるとき、個々のフラグの設定に寄与し得ます。誤シグナルは量に関わらず寄与しません——10 個の空のリポジトリは 1 個より強くなりません。

DecAIHub はこれらのケースをどう記録するか

稼働中の AI component の Tier-1 エビデンスが見つからないとき、プロジェクトの ai_score は 0 または 1 のままです。エビデンスが不在のままマーケティングで AI が積極的に宣伝されている場合、カードに AI-washing フラグが設定されることがあります。

これは非難ではありません——検証日時点での、主張とアーティファクトのあいだのギャップの記録です。新しいエビデンスが現れれば、カードは更新されます。

ai_score は二値フラグ AI_0 から AI_4 を合計します（3 で頭打ち）。このページのアンチパターンしか示さないプロジェクトは、通常 ai_score = 0 または ai_score = 1（公式ロードマップ経由で AI_0 が設定された場合）となり、それが最大の DecAI Fit を直接制限します。

このリストだけでは証明されないこと

  • 一つ以上のアンチパターンを示すことは プロジェクトへの非難ではありません。多くの初期段階のプロジェクトは、技術がまだ公開されていないという理由だけでアーティファクトを欠いています。
  • アンチパターンの不在は、AI が本物であることを 証明しません。プロジェクトはこのリストのあらゆる危険信号を避けつつ、なお稼働する AI component を持たないことがあり得ます。
  • このリストはスナップショットです——アンチパターンは、プロジェクトが成熟して新しいアーティファクトを公開するにつれて解消され得ます。

よくある質問

なぜトークン名に「AI」があることはエビデンスとみなされないのですか？

トークン名はブランディングの決定であって、技術的なアーティファクトではありません。どのプロジェクトも、何の技術も構築せずに「AI」を含むティッカーを選べます。DecAIHub は、検査可能で検証可能なアーティファクト——コード、ドキュメント、デモ、方法論を伴うメトリクス——に基づいてエビデンスを評価します。名前はこれらの基準のいずれも満たしません。トークン名はメタデータとしてプロジェクトカードに記録されますが、五つの AI reality フラグ（AI_0 から AI_4）のいずれにも影響しません。

NVIDIA（または別の AI 企業）とのパートナーシップは AI のエビデンスですか？

いいえ。パートナーシップの発表は良くても Tier-2 に分類されます——それは文脈を提供しますが、プロジェクト内部に稼働する AI component が存在することを証明しません。パートナーシップはその深さが大きく異なります：深い共同エンジニアリングの取り組みから単純な「エコシステムメンバー」の掲載まで。パートナーシップが検証可能な技術的成果（共有コードベース、共同公開された研究、共同で維持されるデプロイメント）を生み出していない限り、それはエビデンスではなく関連にとどまります。それは Tier-1 の所見が存在すればそれを支え得ますが、置き換えることはできません。

ロードマップで AI 機能を約束するプロジェクトについてはどうですか？

公式の Tier-1 ソース（プロジェクト自身のブログ、ドキュメント、ガバナンス提案）からのロードマップ項目は、「宣言された AI 意図」を捉える AI_0 フラグを通じて記録されます。これは ai_score を少なくとも 1 に設定し、AI に一切言及していないプロジェクトからそれを区別します。しかし、ロードマップは計画であって実装ではありません。AI_0 フラグは可能な最低の肯定的シグナルであり、それ単独では、ai_score の上限ルールにより DecAI Fit を最大 6 点中 3 点に制限します。ロードマップのマイルストーンが達成され検証可能なアーティファクトが現れれば、カードは更新され、より高いフラグが設定され得ます。

プロジェクトは複数のアンチパターンを示しつつ、なお本物の AI component を持てますか？

はい。アンチパターンは、特定のアーティファクトがエビデンスを構成しないことを示すのであって、技術の不在を証明するのではありません。プロジェクトは、貧弱なマーケティングの慣行や曖昧なメトリクスの主張を持ちながら、同時に公開には十分に文書化されていない正当な AI システムを運用しているかもしれません。DecAIHub はレビュー時点で検証可能なものを評価します。基盤となる技術が存在するが外部から検査できないなら、それはスコア化できません——そしてプロジェクトは、カードを更新するために必要なアーティファクトを公開するよう奨励されます。

外部リンク

関連ページ

No comments to display

Back to top