واژه‌نامهٔ هوش مصنوعی برای کسانی است که هر روز با اصطلاح‌هایی مثل «توکن»، «پرامپت» یا «ایجنت» روبه‌رو می‌شوند و می‌خواهند معنای دقیق آن‌ها را بدانند. در این مقاله سی اصطلاح پرکاربرد را به زبان ساده و در چند دسته توضیح داده‌ایم. اگر تازه شروع کرده‌اید، پیشنهاد می‌کنیم ابتدا مقالهٔ هوش مصنوعی مولد را بخوانید.
مفهوم‌های پایه
- هوش مصنوعی: شاخه‌ای از علوم رایانه که سامانه‌هایی می‌سازد که کارهای نیازمند هوش انسانی، مثل فهم زبان یا تشخیص تصویر، را انجام دهند.
- یادگیری ماشین: روشی که در آن سامانه به‌جای قاعده‌های نوشته‌شده، از داده‌ها الگو یاد می‌گیرد.
- یادگیری عمیق: نوعی یادگیری ماشین با شبکه‌های عصبی چندلایه که پایهٔ بیشتر پیشرفت‌های اخیر است.
- شبکهٔ عصبی: ساختاری الهام‌گرفته از مغز که از لایه‌های گره‌های به‌هم‌پیوسته تشکیل شده است.
- هوش مصنوعی مولد: سامانه‌ای که محتوای تازه مثل متن، تصویر، صدا و ویدیو می‌سازد.
مدل‌های زبانی
- مدل زبانی بزرگ: مدلی که با حجم عظیمی از متن آموزش دیده و متن می‌فهمد و می‌نویسد.
- توکن: کوچک‌ترین واحد متنی که مدل پردازش می‌کند؛ بخشی از یک کلمه، یک کلمه یا یک نشانه. هزینه و سقف مدل‌ها معمولاً بر پایهٔ توکن حساب می‌شود.
- پنجرهٔ زمینه: حداکثر مقدار متنی که مدل در یک گفتگو هم‌زمان می‌بیند؛ اگر گفتگو از آن بلندتر شود، بخش‌های قدیمی باید خلاصه شوند.
- پرامپت: دستوری که به مدل می‌دهید. کیفیت پرامپت تأثیر زیادی بر پاسخ دارد؛ راهنمای پرامپت‌نویسی را ببینید.
- دستورالعمل سیستمی: متنی که رفتار کلی مدل را در یک سرویس یا ایجنت تعیین می‌کند.
- دما (Temperature): تنظیمی که میزان تنوع پاسخ‌ها را کنترل می‌کند؛ دمای کم پاسخ‌های یکنواخت‌تر و دمای زیاد پاسخ‌های خلاقانه‌تر می‌دهد.
- استدلال (تفکر): حالتی که مدل پیش از پاسخ نهایی، مسئله را گام‌به‌گام بررسی می‌کند؛ برای مسئله‌های پیچیده دقیق‌تر ولی کندتر است.
- چندرسانه‌ای: مدلی که علاوه بر متن، تصویر، صدا یا ویدیو را هم می‌فهمد.
کیفیت و خطا
- توهم: پاسخ نادرست یا ساختگی با لحن مطمئن؛ دربارهٔ آن در مقالهٔ توهم هوش مصنوعی بخوانید.
- ارجاع (Citation): نشان دادن منبع هر ادعا، معمولاً با شمارهٔ قابل‌کلیک.
- سوگیری: گرایش ناخواستهٔ مدل که از داده‌های آموزشی می‌آید.
- ارزیابی: سنجش کیفیت مدل با مجموعه‌ای از پرسش‌ها و معیارهای مشخص.
ابزارها و ساختارها
- ایجنت: دستیاری که برای یک کار مشخص ساخته شده و می‌تواند چند قدم را پشت‌سرهم انجام دهد؛ بازار ایجنت چیزوت را ببینید.
- فراخوانی ابزار: توانایی مدل برای استفاده از ابزارهایی مثل جستجوی وب، ماشین‌حساب یا اجرای کد.
- RAG (تولید همراه با بازیابی): روشی که مدل پیش از پاسخ، بخش‌های مرتبط را از اسناد شما پیدا می‌کند و بر پایهٔ آن‌ها پاسخ می‌دهد.
- امبدینگ (Embedding): تبدیل متن به بردار عددی برای پیدا کردن متن‌های هم‌معنا.
- مهارت (Skill): مجموعه‌ای از دستورالعمل و فایل که مدل هنگام نیاز بار می‌کند تا کاری را به روش مشخص انجام دهد.
- MCP: پروتکلی استاندارد برای وصل کردن دستیار هوشمند به سرویس‌ها و داده‌های دیگر.
- API: رابطی که برنامه‌نویسان با آن از مدل در برنامه‌های خودشان استفاده می‌کنند.
مدل‌ها و زیرساخت
- مدل متن‌باز: مدلی که وزن‌هایش منتشر شده و می‌توان آن را روی سرور خودی اجرا کرد.
- تنظیم دقیق (Fine-tuning): آموزش تکمیلی یک مدل روی داده‌های تخصصی برای کاری خاص.
- کوانتیزه‌سازی: فشرده کردن مدل تا روی سخت‌افزار ضعیف‌تر اجرا شود، با کمی کاهش دقت.
- پردازنده‌ٔ گرافیکی (GPU): سخت‌افزاری که برای اجرای سریع مدل‌ها به کار می‌رود.
- حافظهٔ پنهان پرامپت: نگه داشتن بخش تکراری ورودی برای کاهش هزینه و افزایش سرعت.
- مدل انتشار (Diffusion): روشی برای ساخت تصویر که از نویز شروع می‌کند و قدم‌به‌قدم تصویر را می‌سازد.
چطور از این واژه‌نامه استفاده کنیم؟
این اصطلاحها را لازم نیست از بر کنید. هر بار به اصطلاح ناآشنایی برخوردید، به این صفحه برگردید یا از خود دستیار بپرسید: «این اصطلاح را با یک مثال ساده توضیح بده.» به مرور، این زبان برایتان آشنا می‌شود.
پرسش‌های پرتکرار
فرق هوش مصنوعی و یادگیری ماشین چیست؟
یادگیری ماشین یکی از روشهای ساختن هوش مصنوعی است؛ هوش مصنوعی مفهوم گستردهتری است.
توکن با کلمه چه فرقی دارد؟
یک کلمه ممکن است یک یا چند توکن باشد. در فارسی معمولاً هر کلمه به چند توکن تقسیم می‌شود.
چرا دانستن این اصطلاحها مهم است؟
چون انتخاب ابزار، فهم هزینهها و نوشتن دستور بهتر، به فهم همین مفهومها بستگی دارد.
