Skip to main content

Otomasyon ve gerçek AI component farkı

Not: Bu belge orijinal İngilizce versiyonun otomatik bir çevirisidir.

Otomasyon ve gerçek AI component farkı

Birçok kripto projesi basit otomasyonu "AI" olarak etiketler. Önceden belirlenmiş kuralları izleyen bir alım satım botu, işlemleri gaz fiyatına göre yönlendiren bir akıllı sözleşme, eşiklerde tetiklenen bir bildirim sistemi — bunlar otomasyondur, yapay zekâ değil. Bu sayfa ikisini ayırt etmeye yardımcı olur.

Kısaca: otomasyon sabit kuralları izler; gerçek bir AI component verilerden öğrenir ve olasılıksal çıktılar üretir. Fark önemlidir, çünkü DecAIHub AI iddialarının doğrulanabilir olup olmadığını değerlendirir — ve kural tabanlı mantık AI değildir.

Yeni başlayanlar için benzetme

İki termostat düşünün. İlki geleneksel bir termostattır: 22 dereceye ayarlarsınız; sıcaklık 22'nin altına düştüğünde ısıtıcıyı açar, üzerine çıktığında kapatır. Bu otomasyondur — güvenilir biçimde çalışan sabit bir kural. İkinci termostat programınızı öğrenir, evden çıktığınızı algılar, hava tahminlerine göre ayar yapar ve sizi rahat tutarken enerji kullanımını azaltmak için zamanla optimize eder. Bu AI'dır — verilerden öğrenen ve davranışını uyarlayan bir sistem. İkisi de sıcaklığı düzenler. Ancak yalnızca ikincisinde, sabit bir kurallar kümesinin öngöremeyeceği kararlar veren eğitilmiş bir model vardır.

Kripto AI alanında birçok proje ilk termostat gibidir: güvenilir, işlevsel ve kural tabanlı. DecAIHub'ın işi, hangi projelerin gerçekten ikincisi gibi çalıştığını belirlemektir.

Otomasyon nedir

Otomasyon, öğrenmeden veya uyum sağlamadan önceden tanımlanmış kuralları yürüten bir sistemdir. Davranışı deterministiktir: aynı girdi verildiğinde her zaman aynı çıktıyı üretir.

  • "Token fiyatı X doların altına düşerse sat." — koşullu bir kural.
  • "İşlemi en düşük gaz ücretine sahip zincire yönlendir." — deterministik bir karşılaştırma.
  • "TVL yüzde 5'ten fazla değiştiğinde uyarı gönder." — bir eşik tetikleyicisi.
  • "Portföyü her gün 60/40 dağılıma yeniden dengele." — sabit bir formüllü sabit bir program.

Bunlar yararlı mühendislik desenleridir. AI değildirler.

Otomasyonun açık güçlü yanları vardır: öngörülebilir, denetlenebilir, hızlıdır ve üzerine akıl yürütmesi kolaydır. Bir sistemin her seferinde aynı şekilde davranması gerektiğinde — örneğin bir akıllı sözleşmeyi belirtilen koşullara göre yürütmek — deterministik otomasyon doğru araçtır. Sorun otomasyonun var olması değil, bazı projelerin algılanan teknik gelişmişliklerini şişirmek için onu AI olarak etiketlemesidir.

Gerçek bir AI component nedir

Gerçek bir AI component, verilerden öğrenen, tahminler yapan veya sabit bir kurallar kümesiyle tam olarak tanımlanamayan yeni çıktılar üreten bir sistemdir. Davranışı olasılıksaldır: aynı girdi verildiğinde, öğrendiklerine bağlı olarak farklı çıktılar üretebilir.

  • Geçmiş işlem verileriyle eğitilmiş, fiyat hareket yönünü tahmin eden bir model.
  • Bir teknik raporu okuyup özet üreten bir NLP sistemi.
  • Öğrenilmiş örüntülere dayanarak zincir üstü işlemleri şüpheli veya normal olarak etiketleyen bir sınıflandırıcı.
  • Çok adımlı DeFi stratejileri üzerine akıl yürütmek için bir LLM kullanan bir ajan.

Temel fark: sistemin, bir geliştirici tarafından yazılmamış, verilerle şekillendirilmiş bir eğitilmiş modeli — ağırlıkları, parametreleri veya öğrenilmiş bir temsili — vardır.

Gerçek bir AI component bir eğitim süreci gerektirir: model veriye maruz kalır, iç parametrelerini ayarlar ve eğitildiği belirli örneklerin ötesine genelleme yeteneği geliştirir. Geliştirici bilgiyi kural olarak kodlar; AI modeli ise verilerden, herhangi bir geliştiricinin tek başına ifade edebileceğini aşabilecek örüntüler çıkarır.

Gri alan

Bazı sistemler net otomasyon ile net AI arasına düşer:

  • Sezgisel (heuristic) puanlama — uzmanlar tarafından tasarlanmış ağırlıklı kurallar. Öğrenme gerçekleşmez, ancak mantık bir modeli andıracak kadar karmaşıktır. Ağırlıklar, optimizasyon yoluyla verilerden türetilmemiş, insanlar tarafından belirlenmiştir.
  • İstatistiksel eşikler — veri analizinden türetilmiş ancak sabit kurallar olarak uygulanan değerler. Türetme veriyi kullanmıştır; yürütme öğrenmez. Örneğin, istatistiksel olarak türetilmiş bir eşiğin üzerindeki işlemleri işaretleyen bir dolandırıcılık tespit sistemi, öğrenen bir model değil, veriyle bilgilendirilmiş otomasyon kullanır.
  • Prompt sarmalayıcıları — bir proje, kullanıcı girdisini sabit bir istem şablonuyla üçüncü taraf bir LLM API'sine gönderir. LLM gerçek AI'dır, ancak projenin kendi katkısı otomasyona daha yakın olabilir. Bkz. API wrapper.
  • Manuel bölünmeli karar ağaçları — bir proje, mantığı bir koşullar ağacı olarak düzenleyebilir. Bölünmeler verilerden öğrenilmek yerine bir geliştirici tarafından tanımlanmışsa, bu yapılandırılmış otomasyondur, makine öğrenmesi değil.

Belirsiz durumlarda DecAIHub, harici bir sağlayıcının sunduğunu değil, projenin kendisinin inşa edip kontrol ettiğini değerlendirir. Değerlendirme artefaktları inceler: eğitilmiş bir model dosyası var mı? Eğitim günlükleri var mı? Değerlendirme sonuçları var mı? Bunların hiçbiri yoksa ve sistemin davranışı tamamen if/else koşullarıyla tanımlanabiliyorsa, pazarlama ne derse desin sistem otomasyondur.

Fark nasıl anlaşılır

Soru Evet ise Hayır ise
Sistem yeni verilerden öğreniyor mu? Muhtemelen AI Muhtemelen otomasyon
Aynı girdiyle sonuçlar deterministik mi? Muhtemelen otomasyon Muhtemelen AI
Eğitilmiş bir model (ağırlıklar, parametreler) var mı? Muhtemelen AI Muhtemelen otomasyon
Aynı sonuç if/else kurallarıyla elde edilebilir mi? Muhtemelen otomasyon Muhtemelen AI
Proje eğitim, ince ayar veya değerlendirme tanımlıyor mu? Muhtemelen AI Daha fazla kontrol edin
Sistem manuel kod değişiklikleri olmadan zamanla iyileşiyor mu? Muhtemelen AI Muhtemelen otomasyon
Sistemin davranışı tamamen yapılandırma dosyalarında mı belirtilmiş? Muhtemelen otomasyon Muhtemelen AI

Hiçbir soru tek başına belirleyici değildir. Ancak tüm yanıtlar otomasyona işaret ediyorsa, "AI" etiketi muhtemelen pazarlamadır.

Pratik bir test: sistemin ne yaptığını bir geliştiriciye anlatın. Geliştirici bunu herhangi bir model eğitimi olmadan, koşullu mantık ve basit karşılaştırmalar kullanarak bir günde uygulayabiliyorsa, sistem büyük olasılıkla otomasyondur. Uygulama; veri toplamayı, bir model eğitmeyi, doğruluğunu değerlendirmeyi ve yinelemeyi gerektiriyorsa — büyük olasılıkla AI'dır.

Bu neden DecAIHub için önemli

DecAIHub'daki AI_1 bayrağı, projenin "AI'nın tam olarak ne yaptığını tanımlayıp tanımlamadığını" sorar. Tanımlanan "AI" aslında kural tabanlı otomasyonsa, gerçek bir AI component olarak nitelendirilemez ve AI_1 = 1 puanı almamalıdır.

Bu bir kalite yargısı değildir. Otomasyon etkili, güvenilir ve değerli olabilir. Ancak otomasyona "AI" demek, bir AI-washing biçimidir — dikkat çekmek veya token değerlemelerini gerekçelendirmek için teknolojik iddiaları şişirmek.

DecAIHub'ın rolü netlik sağlamaktır. Bir proje kartı AI bileşeninin "kural tabanlı otomasyon" olduğunu belirttiğinde, bu eleştiri değil, doğru dokümantasyondur. Okuyucular daha sonra projenin teknolojisinin beklentilerini karşılayıp karşılamadığına kendileri karar verebilir.

Tek başına bu ayrım neyi kanıtlamaz

  • "Gerçek AI" olarak sınıflandırılmak, AI'nın yüksek kaliteli olduğunu kanıtlamaz. Gerçek bir AI component yine de kötü eğitilmiş veya isabetsiz olabilir.
  • "Otomasyon" olarak sınıflandırılmak, projenin daha düşük seviyede olduğunu kanıtlamaz. Otomasyon son derece etkili ve güvenilir olabilir.
  • AI'ya karşı otomasyon testini geçmek, projenin tam Tier-1 kanıtına sahip olduğunu kanıtlamaz. Ek artefaktlar (dokümantasyon, benchmark'lar, demolar) hâlâ gereklidir. Bkz. Ne AI kanıtı sayılır.
  • Gerçek AI'yı otomasyonla birleştiren bir proje, otomasyon bileşenleri nedeniyle cezalandırılmaz. DecAIHub, tüm teknoloji yığınını değil, özellikle AI iddiasını değerlendirir.

Örnekler

Proje iddiası Gerçekte ne olduğu Kategori
Önceden belirlenmiş kâr al/zarar durdur kurallarını izleyen "AI destekli alım satım botu" Koşullu mantık Otomasyon
Piyasa verilerine dayalı olarak stratejileri uyarlamak için ML modelleri kullanan alım satım sistemi Makine öğrenmesi Gerçek AI
En ucuz gaz yolunu seçen "AI yönlendirici" Deterministik karşılaştırma Otomasyon
Geçmiş verileri kullanarak en uygun yürütme rotalarını tahmin eden yönlendirici Tahmin modeli Gerçek AI
Fiyat bir eşiği geçtiğinde "AI uyarıları" Eşik tetikleyicisi Otomasyon
Normal örüntüleri öğrenip sapmaları işaretleyen anomali tespit sistemi Eğitilmiş sınıflandırıcı Gerçek AI
Bir programa göre sabit yüzdelere yeniden dengeleyen "AI portföy yöneticisi" Sabit formül Otomasyon
Risk tercihlerini öğrenen ve dağılımı piyasa koşullarına uyarlayan portföy sistemi Uyarlanabilir model Gerçek AI

Proje kartlarında nelere bakılmalı

Bir DecAIHub kartını okurken AI component alanını kontrol edin. Gerçek bir AI component tipik olarak öğrenmeyi, tahmini, üretimi veya sınıflandırmayı tanımlar. Açıklama koşullu mantık gibi geliyorsa — "en ucuza yönlendirir", "şu olduğunda tetiklenir", "kuralları izler" — AI değil, otomasyon olabilir.

Ayrıca kanıt tablosunu kontrol edin. Gerçek AI bileşenleri doğrulanabilir artefaktlar üretir: model açıklamaları, eğitim verileri, benchmark'lar, çıkarım günlükleri. Otomasyon kod üretir — bu geçerli bir mühendislik kanıtıdır, ancak AI kanıtı değildir.

AI_1 ile AI_5 arasındaki bayraklara birlikte bakın. AI_1 = 0 (net AI açıklaması yok) ancak güçlü ürün iddiaları olan bir proje daha yakından okunmayı gerektirmelidir. AI_1 = 1 ancak AI_3 = 0 (nicel metrik yok) olan bir proje AI'sını tanımlamış ancak henüz ölçülebilir performans verisi sağlamamıştır. Bu desenler, okuyucuların AI etiketinin arkasında ne kadar kanıt bulunduğunu değerlendirmesine yardımcı olur.

Sık sorulan sorular

Otomasyon bazı görevler için AI'dan daha iyi olabilir mi?

Kesinlikle. İyi tanımlanmış, güvenlik açısından kritik veya deterministik garantiler gerektiren görevler için otomasyon genellikle daha iyi seçimdir. Her seferinde aynı şekilde yürütülmesi gereken bir akıllı sözleşme, olasılıksal model çıktılarından değil, deterministik mantıktan yararlanır. AI, sorun uzayı sabit kurallar için fazla karmaşık olduğunda öne çıkar — sistemin örüntüleri tanıması, belirsizlikle başa çıkması veya görülmemiş girdilere genelleme yapması gerektiğinde. Doğru araç, hangi etiketin daha etkileyici göründüğüne değil, göreve bağlıdır.

Bir proje hem otomasyon hem de AI kullanıyorsa ne olur?

Birçok gerçek sistem otomasyon ile AI'yı birleştirir. Bir proje, sinyal üretmek için eğitilmiş bir ML modeli kullanıp bu sinyali yürütme için otomatik, kural tabanlı bir hattan geçirebilir. Bu tür durumlarda DecAIHub, AI kısmını kendi ölçütleriyle değerlendirir: model gerçek mi, belgelenmiş mi, doğrulanabilir kanıtı var mı? Otomasyon kısmı not edilir ancak AI kanıtı olarak sayılmaz. Hibrit bir yaklaşım tamamen geçerlidir — kilit nokta, doğru tanımdır.

DecAIHub gri alanı nasıl ele alır?

Bir sistem net otomasyon ile net AI arasına düştüğünde, DecAIHub kanıt artefaktlarını arar. Eğitim verileri, değerlendirme metodolojisi ve performans metrikleri hakkında dokümantasyonuyla birlikte eğitilmiş bir model — basit bir model bile — varsa, sistem bir AI component'e sahip olarak nitelendirilir. Sistemin mantığı tamamen sabit kurallar kümesi olarak tanımlanabiliyorsa, karmaşıklığından bağımsız olarak otomasyon olarak sınıflandırılır. Sınırda kalan durumlarda proje kartı, okuyucuların kendi değerlendirmelerini oluşturabilmesi için belirsizliği tanımlar.

Önceden eğitilmiş bir model kullanmak, proje için "gerçek AI" mıdır?

Projenin onunla ne yaptığına bağlıdır. Proje, önceden eğitilmiş bir modeli kendi verileriyle ince ayarlıyor, değerlendiriyor ve devreye alıyorsa — projenin gerçek bir AI component'i vardır (kontrol ettiği ince ayarlı bir model). Proje, önceden eğitilmiş bir modeli değişiklik yapmadan yalnızca bir API üzerinden çağırıyorsa, AI sağlayıcıya aittir. Bu ayrımla ilgili daha fazla ayrıntı için API wrapper nedir sayfasına bakın.

Dış kaynaklar

Ayrıca bakınız

No comments to display

Back to top