Skip to main content

AI/Data

Not: Bu belge orijinal İngilizce versiyonun otomatik bir çevirisidir.

AI/Data

AI/Data, AI eğitimi ve işlemesi için veri toplayan, derleyen, etiketleyen veya sağlayan projeleri gruplar. Veri, her AI sisteminin temel girdisidir — yapılandırılmış, yüksek kaliteli veri kümeleri olmadan modeller eğitilemez, ince ayar yapılamaz veya iyileştirilemez.

DecAIHub kayıt defterinde AI/Data projeleri, merkeziyetsiz veri pazaryerlerinden ve etiketleme platformlarından eğitim ve çıkarım iş akışlarını besleyen uzmanlaşmış veri hatlarına kadar uzanır. Kategori, yalnızca zincir üstünde veri depolayan projelerden ayrıdır; vurgu, özellikle AI için hazırlanmış veya AI tarafından tüketilen veridedir.

Gizlilik, rıza ve veri hakları giderek daha önemli hale gelmektedir: katkı sağlayanlar hassas veya tescilli bilgi sunabilir ve protokoller, kaynak gösterme ve kullanımı belgeleme biçimlerinde farklılık gösterir. AI/Data etiketi, genel dosya depolamayı değil AI odaklı veri ürünlerini yansıtır.

Kısaca: AI/Data, AI sistemleri için veri temin eden, işleyen veya dağıtan projeleri kapsar.

Ne anlama gelir

AI bağlamında bir veri kümesi (dataset), bir modeli öğretmek veya değerlendirmek için kullanılan yapılandırılmış bilgi koleksiyonudur — etiketli görüntüler, metin derlemleri, sensör okumaları, zincir üstü işlem geçmişleri. Faydalı veri kümeleri oluşturmak; toplama (ham verinin bir araya getirilmesi), derleme (filtreleme ve düzenleme), etiketleme (her veri noktasının neyi temsil ettiğini modele söyleyen açıklamaların eklenmesi) ve kalite kontrolünü içerir.

Kripto AI'da veri projeleri, katkı sağlayanları motive etmek için sıklıkla token teşvikleri kullanır: katılımcılar görüntü etiketler, sensör verisi gönderir veya tescilli veri kümelerini paylaşır ve karşılığında token kazanır. Blok zinciri; bir koordinasyon ve ödeme katmanı, bir menşe (provenance) defteri veya veri tedarikçilerini veri tüketicileriyle eşleştiren bir pazaryeri işlevi görebilir.

Gerçek bir veri projesini pazarlamadan ayıran şey ölçülebilir kanıttır: belgelenmiş şemalara sahip gerçek veri kümeleri, aktif katkı sağlayanlar veya veri kaynakları, doğrulanabilir aktarım hızı metrikleri ve verinin nereden geldiğini ve nasıl işlendiğini herkesin izleyebilmesini sağlayan zincir üstü menşe kayıtları.

AI/Data projelerinde bulunan tipik AI bileşenleri arasında veri toplama ve etiketleme hatları, veri ön işleme motorları, veri kümesi kayıt defterleri, veri kalitesi puanlaması ve veri pazaryeri protokolleri yer alır. Bazı projeler yalnızca tek bir veri türüne (ör. tıbbi görüntüler veya coğrafi konum) odaklanır; diğerleri genel amaçlı veri altyapısı kurar.

Yaygın alt kombinasyonlar

DecAIHub bileşik kategoriler kullanır. Aşağıda AI/Data içindeki en sık kombinasyonlar yer alır. Infra eşleştirmeleri yaygındır; DePIN ile AI/Training veya AI/Agents çapraz etiketleri fiziksel toplamayı, eğitim hatlarını veya ajan odaklı akışları tanımlar.

Alt kombinasyon Ne anlama gelir
AI/Data | Infra Veri altyapısı, veri pazaryerleri ve veri hatları — veriyi kaynaklardan tüketicilere taşıyan tesisat.
AI/Data | DePIN Token teşvikleri kullanan fiziksel veri toplama ağları — gerçek dünya verisi toplayan cihazlar, sensörler veya katkı sağlayanlar.
AI/Data | AI/Training | Infra Özellikle eğitim hatları için paketlenmiş veri — ham veri ile model eğitimi arasındaki boşluğu kapatan projeler.
AI/Data | AI/Agents Ajan sistemleri için tasarlanmış veri hizmetleri — otonom ajanlara bağlam, bellek veya bilgi akışları sağlama.

Tek bir proje birden çok alan etiketi taşıyabilir (ör. AI/Data | Infra | DePIN).

Proje kartında nelere bakmalı

DecAIHub'da bir AI/Data kartını okurken şunlara dikkat edin:

  • AI component — kart somut bir AI bileşeni mi listeliyor (veri etiketleme, veri toplama, veri kümesi derleme, veri ön işleme), yoksa yalnızca genel "veri platformu" mesajı mı veriyor?
  • Çalışan hat — ölçülebilir aktarım hızına sahip işleyen bir veri pazaryeri veya hattı var mı, yoksa proje hâlâ konumlandırma aşamasında mı?
  • Veri kümesi doğrulanabilirliği — veri kümeleri incelenebilir, örneklenebilir veya denetlenebilir mi? Veri kalitesi metrikleri yayımlanıyor mu?
  • Kanıt katmanı — herkese açık veri kümesi depoları, veri hattı dokümantasyonu veya zincir üstü menşe kayıtları gibi Tier-1 eserler var mı?
  • AI reality puanı (ai_score) — veri toplamak tek başına AI değildir. Proje kendi veri hattında AI uyguluyor mu (ör. otomatik etiketleme, kalite puanlama), yoksa yalnızca başkalarının kullanması için veri mi üretiyor? Bkz. AI reality.

Bu kategori tek başına neyi kanıtlamaz

AI/Data etiketli bir proje, konumlandırması ve mevcut eserleri temelinde veri odaklı olarak sınıflandırılmıştır. Etiket tek başına şunları doğrulamaz:

  • veri kümelerinin yüksek kaliteli, doğrulanmış veya AI modelleri tarafından aktif olarak kullanıldığını;
  • veri hattının çalıştığını ve ölçülebilir hacimler işlediğini;
  • bu veriyle inşa edilen AI'nın gerçek, doğru veya tescilli olduğunu;
  • token teşvik modelinin alternatiflerden daha iyi veri ürettiğini;
  • zincir üstü entegrasyonun token ihracının ötesinde anlamlı olduğunu.

Her zaman tam DecAI Fit puanını ve proje kartındaki kanıt bloğunu kontrol edin.

Karıştırmayın

  • AI/Training — veriden model oluşturmaya odaklanır; AI/Data, model oluşturma sürecine değil verinin kendisine odaklanır. Bkz. AI/Training.
  • AI/Analytics — veriyi analiz etmek ve içgörü üretmek için AI kullanır; AI/Data, veriyi yorumlamakla değil, sağlamak ve hazırlamakla ilgilidir. Bkz. AI/Analytics.
  • AI/Compute — ham hesaplama kaynakları sağlar; veri projeleri işlem gücü değil bilgi sunar. Bkz. AI/Compute.
  • Zincir üstü veri depolama — bir blok zincirinde yalnızca dosya veya kayıt depolamak, AI eğitimi ve işlemesi için yapılandırılmış veri kümeleri sağlamakla aynı şey değildir.

Sık sorulan sorular

"AI/Data" projenin model eğittiği anlamına mı gelir?

Şart değil. Kategori AI için veri üzerine odaklanır — toplama, etiketleme, pazaryerleri ve veri hatları. Model eğitimi birincil odak olduğunda AI/Training altında ele alınır; bir proje veri ve eğitim altyapısını birlikte kapsıyorsa birçok kart her iki etiketi de taşır.

Yoğun kullanılan bir veri pazaryerinde ai_score neden mütevazı olabilir?

Veri listelemek veya satmak, ürünün içinde ML çalıştırmakla aynı şey değildir. Protokol, otomatik kalite modelleri veya benzeri AI bileşenleri olmadan esas olarak insan etiketleyicileri koordine ediyorsa, AI reality puanı yığında doğrulanabilir olanı yansıtır.

Veri altyapısını genel bir depolama projesinden nasıl ayırt ederim?

Materyallerin yalnızca "dosyaları zincire yükleyin" ifadesini değil; şemaları, etiketlemeyi, AI tüketici iş akışlarını veya ML için menşeyi tanımlayıp tanımlamadığını kontrol edin. Karttaki AI component alanı birincil kılavuzdur.

Dış kaynaklar

Ayrıca bakınız

No comments to display

Back to top