Что не является доказательством ИИ
Что не является доказательством ИИ
Проект может представить множество артефактов, которые выглядят как подтверждение работающего ИИ‑компонента, но при ближайшем рассмотрении таковыми не являются. Эта страница перечисляет наиболее распространённые антипаттерны: сигналы, которые заявляют о наличии ИИ без предоставления верифицируемых доказательств. Это страница-компаньон к Что считается доказательством ИИ‑компонента.
Коротко: маркетинговые тексты, пустые репозитории, метрики без методологии, API-обёртки без собственной логики и «AI» в названии токена не являются доказательством работающего ИИ‑компонента.
Почему важно распознавать ложные сигналы
Граница между «доказательством» и «не-доказательством» — фундамент подхода DecAIHub к AI-washing. Распознавание перечисленных ниже паттернов не является обвинением в адрес проекта — это означает, что конкретный артефакт не продвигает верификацию AI reality и не должен путаться с доказательством Tier-1.
Распространённые антипаттерны
«Мы используем ИИ» в маркетинговых текстах
Слова «AI-powered», «built with machine learning» или «neural network-driven» на лендинге или в питч-деке — это позиционирование, а не доказательство. Без артефактов Tier-1 (код, документация, демо) эти слова не несут верифицируемого веса.
DecAIHub не штрафует проекты за использование слова — но и не засчитывает его как доказательство. Наличие «AI» в маркетинге повышает планку: если проект громко заявляет об ИИ, отсутствие подтверждающих артефактов становится более заметным.
Пустой или нерелевантный репозиторий
Репозиторий на GitHub, который существует, но не содержит кода AI/ML — или содержит только README, шаблонный код или несвязанные скрипты — является тревожным сигналом. Содержательный репозиторий имеет коммиты, релизы, тесты и код, соответствующий заявлениям в whitepaper или документации.
Распространённые паттерны: репозиторий, созданный недавно с одним начальным коммитом; форк популярного фреймворка без модификаций; коллекция конфигурационных файлов без кода модели; репозиторий без коммитов более года, в то время как проект продолжает заявлять об активной разработке ИИ.
Метрики без методологии
Заявление «95 % accuracy» или «state-of-the-art performance» ничего не значит без контекста: что было измерено, на каких данных, когда и с какой версией модели. Метрики без методологии не являются доказательством Tier-1.
«Наша модель достигает 0,92 F1 на бенчмарке XYZ, оценка проведена на версии 2.1 в январе 2026 года» — это метрика. «Мы достигаем 92 % accuracy» — это заявление. DecAIHub фиксирует заявления как отмеченные утверждения, но не устанавливает флаг AI_3 на их основании.
API-обёртка без собственной логики
Вызов API OpenAI, Anthropic или другого стороннего провайдера и возврат результата — не доказательство собственного ИИ проекта. API-обёртка может быть валидным продуктом, но она не делает проект ИИ-проектом в том смысле, в котором его оценивает DecAIHub. ИИ принадлежит провайдеру, а не проекту.
Если проект применяет собственный файн-тюнинг, комбинирует стороннюю генерацию с собственными моделями или добавляет измеримую постобработку, картина меняется. Ключевой вопрос — добавляет ли проект верифицируемую ценность на уровне ИИ сверх того, что даёт голый API. Если весь «ИИ‑компонент» — это один вызов API с системным промптом, AI reality принадлежит провайдеру.
«AI» в названии токена или брендинге
Если единственная связь проекта с ИИ — слово «AI» в тикере токена, доменном имени или брендинге, без технической реализации за этим, — это позиционирование, а не доказательство.
Тикер токена — это название, а не функция. DecAIHub рассматривает нейминг как нейтральный сигнал — он не засчитывается и не вычитается при оценке доказательств. Важно, существуют ли артефакты за названием.
Партнёрство с ИИ-компанией
Анонс партнёрства (например, «партнёрство с NVIDIA» или «интеграция с OpenAI») — это максимум Tier-2. Он показывает ассоциацию, а не работающий ИИ‑компонент внутри проекта. Партнёрства не заменяют код, документацию или демо.
Партнёрства варьируются от глубоких технических коллабораций (совместные исследования, совместно разработанные модели) до слабых аффилиаций (участие в акселераторе, упоминание в каталоге партнёров). Большинство объявленных партнёрств в крипто-ИИ-пространстве относятся к более слабому концу спектра. Только партнёрства с верифицируемым техническим результатом вносят вклад в доказательную картину — и то как контекст Tier-2, а не доказательство Tier-1.
«ИИ в дорожной карте» или намерение ИИ без реализации
Пункт дорожной карты «функции ИИ в Q3» показывает намерение (AI_0), а не работающий ИИ‑компонент. Намерение фиксируется одним флагом, но само по себе не указывает на работающий ИИ‑компонент. Формула ai_score ограничена 3, поэтому AI_0 сам по себе вносит минимальный вклад.
Планы меняются, задерживаются или отменяются. DecAIHub фиксирует официальное намерение в области ИИ через флаг AI_0, чтобы отличить проекты, заявившие об ИИ-амбициях, от тех, которые этого не сделали. Но флаг — это нижняя граница, а не верхняя: он добавляет максимум ai_score = 1, и только если намерение исходит из источника Tier-1.
Демо без верифицируемого ИИ-бэкенда
Красивый фронтенд, заявляющий о демонстрации результатов ИИ, но не предоставляющий способа проверить, что за ним работает ИИ-модель, — нет документации API, нет версии модели, нет воспроизводимых результатов — не является достаточным доказательством.
Верифицируемое демо принимает различные входные данные и выдаёт контекстно различные результаты. Оно может предоставлять API-эндпоинт, отображать информацию о версии модели или предлагать режим песочницы. Постановочная демонстрация, напротив, следует заскриптованному сценарию или выдаёт идентичные результаты вне зависимости от ввода. DecAIHub ищет первое; второе отмечается, но не засчитывается для флагов доказательств за пределами AI_0.
«Дообученная модель» без конкретики
Заявление о наличии дообученной модели не является доказательством, если проект не указывает: базовую модель, датасет, использованный для файн-тюнинга, улучшение по сравнению с базовой моделью и метрики качества с методологией.
Убедительное заявление о файн-тюнинге называет базовую модель, описывает данные для обучения и показывает измеримое улучшение на определённой задаче. Без этой конкретики «мы дообучили модель» неотличимо от «мы использовали модель».
Справочная таблица антипаттернов
| Антипаттерн | Что заявляется | Что это фактически доказывает |
|---|---|---|
| «AI-powered» на сайте | У проекта есть ИИ | Ничего без артефактов Tier-1 |
| Пустой репозиторий на GitHub | Открытый код ИИ | Репозиторий существует; код ИИ — нет |
| «95 % accuracy» без контекста | Высококачественный ИИ | Число было названо; валидность неизвестна |
| Обёртка над API OpenAI | Проект «использует ИИ» | Проект вызывает чужой ИИ |
| «AI» в названии токена | Проект связан с ИИ | Сделан выбор названия |
| Партнёрство с ИИ-лабораторией | Наличие ИИ-возможностей | Существует ассоциация |
| «ИИ в Q3 дорожной карты» | Будущий ИИ‑компонент | Только намерение (AI_0) |
| Красивое демо, нет подтверждения бэкенда | Работающий ИИ | Построен фронтенд |
| «Дообученная LLM» без деталей | Собственная модель | Сделано заявление |
Как отличить ложные сигналы от слабых, но реальных доказательств
Не каждый артефакт, не прошедший стандарт Tier-1, бесполезен. Некоторые артефакты являются подлинно слабым доказательством — недостаточным самостоятельно, но значимым в сочетании. Таблица ниже уточняет границу:
| Артефакт | Ложный сигнал (нет доказательной ценности) | Слабое, но реальное доказательство |
|---|---|---|
| Репозиторий | Пустой или только шаблонный код | Содержит некоторый код ИИ, но без тестов или релизов |
| Метрика | Число без методологии | Число с частичной методологией (отсутствует один из четырёх контекстных вопросов) |
| Демо | Постановочная демонстрация с фиксированными результатами | Интерактивное демо без документации API или версии модели |
| Партнёрство | Логотип на странице партнёров | Совместный технический результат (совместная статья, общий репозиторий) |
| Документация | Маркетинговый whitepaper без технической глубины | Технический whitepaper, описывающий архитектуру, но без деталей версионирования |
Слабые доказательства могут засчитываться для установки отдельных флагов при подтверждении другими артефактами. Ложные сигналы не засчитываются вне зависимости от количества — десять пустых репозиториев не сильнее одного.
Как DecAIHub фиксирует эти случаи
Когда доказательства Tier-1 работающего ИИ‑компонента не найдены, ai_score проекта остаётся на уровне 0 или 1. Если ИИ активно продвигается в маркетинге при отсутствии доказательств, на карточке может быть установлен флаг AI-washing.
Это не обвинение — это фиксация разрыва между заявлениями и артефактами на дату верификации. Когда появляются новые доказательства, карточка обновляется.
ai_score суммирует бинарные флаги AI_0–AI_4 (с ограничением 3). Проект, демонстрирующий только антипаттерны из этой страницы, обычно имеет ai_score = 0 или ai_score = 1 (если AI_0 установлен через официальную дорожную карту), что напрямую ограничивает его максимальный DecAI Fit.
Что этот перечень сам по себе не доказывает
- Наличие одного или нескольких антипаттернов не является обвинением в адрес проекта. Многие проекты на ранней стадии не имеют артефактов просто потому, что технология ещё не опубликована.
- Отсутствие антипаттернов не доказывает, что ИИ реален. Проект может избежать каждого тревожного сигнала из этого списка и по-прежнему не иметь работающего ИИ‑компонента.
- Этот перечень — снимок; антипаттерны могут разрешиться по мере развития проекта и публикации новых артефактов.
Часто задаваемые вопросы
Почему наличие «AI» в названии токена не считается доказательством?
Название токена — это решение по брендингу, а не технический артефакт. Любой проект может выбрать тикер с «AI» без создания какой-либо технологии. DecAIHub оценивает доказательства на основе проверяемых артефактов — кода, документации, демо, метрик с методологией. Название не удовлетворяет ни одному из этих критериев. Название токена фиксируется в карточке проекта как метаданные, но не влияет ни на один из пяти флагов AI reality (AI_0–AI_4).
Является ли партнёрство с NVIDIA (или другой ИИ-компанией) доказательством ИИ?
Нет. Анонс партнёрства классифицируется как максимум Tier-2 — он даёт контекст, но не доказывает наличие работающего ИИ‑компонента внутри проекта. Партнёрства сильно различаются по глубине: от глубокого совместного инжиниринга до простого упоминания в списке «участников экосистемы». Если партнёрство не привело к верифицируемому техническому результату (совместная кодовая база, совместная публикация, совместно поддерживаемый деплой), оно остаётся ассоциацией, а не доказательством. Оно может подкрепить находку Tier-1, если таковая существует, но не может её заменить.
Что насчёт проектов, обещающих функции ИИ в дорожной карте?
Пункт дорожной карты из официального источника Tier-1 (собственный блог проекта, документация или предложение по управлению) фиксируется через флаг AI_0, который отражает «заявленное намерение в области ИИ». Это устанавливает ai_score минимум в 1, отличая проект от тех, где ИИ вообще не упоминается. Однако дорожная карта — это план, а не реализация. Флаг AI_0 — самый низкий возможный положительный сигнал, и сам по себе он ограничивает DecAI Fit максимумом 3 из 6 из-за правил ограничения ai_score. Когда заявленные этапы дорожной карты реализованы и верифицируемые артефакты появляются, карточка обновляется и могут быть установлены более высокие флаги.
Может ли проект демонстрировать несколько антипаттернов и при этом иметь реальный ИИ‑компонент?
Да. Антипаттерны указывают, что конкретные артефакты не являются доказательством — они не доказывают отсутствие технологии. Проект может иметь неудачные маркетинговые практики и расплывчатые заявления о метриках, одновременно используя реальную ИИ-систему, которая плохо задокументирована публично. DecAIHub оценивает то, что верифицируемо на момент проверки. Если базовая технология существует, но не доступна для внешней проверки, она не может быть оценена — и проекту рекомендуется опубликовать артефакты, необходимые для обновления карточки.
Внешние источники
- OECD AI Policy Observatory — AI classification framework — международный ресурс для понимания того, как ИИ-системы определяются, классифицируются и регулируются в различных юрисдикциях.
- Papers With Code — state-of-the-art benchmarks — общественный ресурс, отслеживающий результаты бенчмарков ИИ со ссылками на код и методологию; полезен для понимания того, как на практике выглядят «метрики с методологией».
- Stanford HAI — AI Index Report — ежегодный отчёт, отслеживающий тренды в исследованиях, разработке и развёртывании ИИ; даёт контекст для оценки заявлений об ИИ в более широком ландшафте.
No comments to display
No comments to display