اصطلاحات هوش مصنوعی گاهی طوری ردیف میشوند که انگار برای فهمیدن یک ابزار تازه باید اول یک فرهنگ لغت تخصصی حفظ کنیم! اما برای شروع، کافی است معنی چند واژهی پرتکرار را بدانید؛ از مدل زبانی بزرگ و پرامپت تا RAG و عامل هوشمند. در این راهنمای اصطلاحات هوش مصنوعی، هر واژه را با یک تعریف ساده و مثال روزمره میخوانید.
این فهرست اصطلاحات هوش مصنوعی را از مفهومهای پایه تا ابزارهای پیشرفتهتر مرتب کردهایم. تعریفها عمداً کوتاه و کاربردیاند. برای اصطلاحهای فنیتر، توضیح جدول یک نقطهی شروع است، نه جایگزین مستندات تخصصی.
اصطلاح معنی ساده مثال یا کاربردهوش مصنوعی Artificial Intelligence (AI)
فناوریهایی که بعضی کارهای نیازمند تواناییهای انسانی را انجام میدهند.پاسخدادن به پرسش، تشخیص تصویر یا پیشنهاد محتوا.
یادگیری ماشین Machine Learning (ML)
روش ساخت سیستمهایی که از داده الگو میگیرند تا پیشبینی یا دستهبندی کنند.تشخیص پیام ناخواسته بر اساس نمونههای قبلی.
یادگیری عمیق Deep Learning
شاخهای از یادگیری ماشین که از شبکههای عصبی چندلایه استفاده میکند.تشخیص گفتار یا شناسایی اشیا در تصویر.
مدل Model
سامانهای آموزشدیده که ورودی را پردازش میکند و خروجی میدهد.مدل زبانی، تصویرساز یا پیشبینیکنندهی تقاضا.
مدل زبانی بزرگ LLM
مدلی زبانی که با حجم زیادی از دادهی متنی آموزش دیده تا متن را پردازش و تولید کند.پاسخدادن به پرسش یا خلاصهکردن یک متن.
توکن Token
واحدی که مدل متن را به آن خرد میکند؛ ممکن است واژه، بخشی از واژه یا نشانه باشد.تعداد توکنها بر سرعت، هزینه یا ظرفیت ورودی اثر میگذارد.
پنجرهی زمینه Context Window
مقدار متنی که مدل در یک نوبت میتواند برای پاسخ در نظر بگیرد.متن پرسش، گفتوگوی جاری و بخشی از سند ارسالی.
هوش مصنوعی مولد Generative AI
مدلی که محتوای تازهای مانند متن، تصویر، صدا یا ویدئو تولید میکند.نوشتن پیشنویس یا ساخت تصویر از توصیف متنی.
مجموعهداده Dataset
مجموعهای از نمونهها که برای آموزش، ارزیابی یا تحلیل به کار میرود.متنها، تصاویر برچسبخورده یا دادههای فروش.
آموزش مدل Training
فرایندی که طی آن مدل از دادهها الگوها و پارامترهای خود را تنظیم میکند.مدل نمونههای فراوان را میبیند و خطای پیشبینیاش کاهش مییابد.
پرامپت Prompt
دستور، پرسش یا اطلاعاتی که به مدل میدهید تا پاسخ بسازد.«این متن را در سه نکته برای مدیر فروش خلاصه کن.»
مهندسی پرامپت Prompt Engineering
طراحی و بهبود دستورها و زمینه برای گرفتن خروجی مفیدتر و روشنتر.مشخصکردن نقش، هدف، قالب و محدودیت پاسخ.
شبکهی عصبی Neural Network
ساختاری محاسباتی با لایههایی از گرهها که الگوها را از داده میآموزند.یکی از پایههای اصلی بسیاری از مدلهای یادگیری عمیق.
ترنسفورمر Transformer
معماری شبکهی عصبی که در بسیاری از مدلهای زبانی مدرن استفاده میشود.کمک میکند مدل ارتباط واژهها را در متن بررسی کند.
پارامترها Parameters
مقادیر درونی مدل که در جریان آموزش تنظیم میشوند و بر خروجی اثر میگذارند.پارامتر بیشتر بهتنهایی تضمینکنندهی پاسخ بهتر نیست.
بردار معنایی Embedding
نمایش عددیِ متن یا داده که شباهتهای معنایی را برای محاسبه قابل استفاده میکند.پیداکردن سندهایی که از نظر معنی به پرسش نزدیکاند.
تولید مبتنی بر بازیابی RAG
روشی که پیش از پاسخ، اطلاعات مرتبط را از منابع بیرونی بازیابی و به مدل میدهد.پاسخگویی با اتکا به اسناد داخلی یک سازمان.
تنظیم دقیق Fine-tuning
آموزش تکمیلی یک مدل با دادههای مشخص برای سازگارکردن آن با نیاز ویژه.هماهنگکردن سبک پاسخ با نمونههای معتبر یک حوزه.
عامل هوشمند AI Agent
سامانهای که برای رسیدن به هدف میتواند چند گام را برنامهریزی و با ابزارها اجرا کند.بررسی تقویم، یافتن زمان آزاد و آمادهکردن پیشنویس دعوتنامه.
هوش مصنوعی چندوجهی Multimodal AI
مدلی که بیش از یک نوع داده، مانند متن و تصویر یا صدا، را دریافت یا تولید میکند.پرسیدن سؤال دربارهی عکسی که همراه پیام فرستادهاید.
پردازش زبان طبیعی NLP
حوزهای برای کار با زبان انسان، از تحلیل متن تا تولید و ترجمه.استخراج موضوع یا احساس از نظرهای مشتریان.
بینایی ماشین Computer Vision
حوزهای که به رایانه کمک میکند تصویر و ویدئو را تحلیل کند.شمارش کالاها یا پیداکردن یک شیء در تصویر.
توهم مدل Hallucination
وقتی مدل پاسخی نادرست یا بیپشتوانه را با لحنی مطمئن ارائه میکند.ساختن منبع یا جزئیاتی که واقعاً وجود ندارند؛ پاسخ را بررسی کنید.
استنتاج Inference
مرحلهی استفاده از مدل آموزشدیده برای تولید پیشبینی یا پاسخ.وقتی سؤال را میفرستید و مدل جواب میدهد.
اتوماسیون Automation
اجرای خودکار کارهای تکراری با قواعد، نرمافزار یا مدلهای هوش مصنوعی.دستهبندی خودکار درخواستها و ارجاعشان به تیم مناسب.