اصطلاحات هوش مصنوعی؛ واژه‌نامه‌ی ساده‌ی ۴۰ اصطلاح

جلسه‌ی شرکت است و کسی می‌گوید «باید RAG بزنیم، فاین‌تیون گران درمی‌آید و پنجره‌ی زمینه هم کم است». همه سر تکان می‌دهند. نصفشان نفهمیده‌اند. اصطلاحات هوش مصنوعی سریع‌تر از آن‌که فرهنگ‌نامه‌ها برسند وارد حرف‌زدنِ روزمره شده‌اند، و بیشترشان پشتِ ظاهرِ فنی، مفهومِ ساده‌ای دارند.

این واژه‌نامه حدودِ چهل اصطلاح را در پنج گروه مرتب کرده: پایه، مدل‌ها، کار با چت، تصویر و ویدیو، و کسب‌وکار. هر اصطلاح یک تعریفِ یک‌خطی دارد و معادلِ انگلیسی‌اش، و هرجا مقاله‌ی مفصل داریم لینکش آمده. اگر از صفر شروع می‌کنی، اول بخوان هوش مصنوعی چیست و بعد برگرد.

چطور از این واژه‌نامه استفاده کنی

لازم نیست همه را حفظ کنی. گروهِ «کار با چت» برای هر کسی که روزی یک بار از چت‌بات استفاده می‌کند کافی است. گروهِ «مدل‌ها» برای وقتی است که خبر می‌خوانی یا ابزار مقایسه می‌کنی. گروهِ «کسب‌وکار» برای کسی است که می‌خواهد این فناوری را در شرکت به کار ببرد. با Ctrl+F در مرورگر هم می‌شود مستقیم سراغِ یک کلمه رفت.

اصطلاحات هوش مصنوعی: گروهِ پایه

• هوش مصنوعی (Artificial Intelligence, AI): کلِ حوزه‌ی ساختنِ سامانه‌هایی که کارهایی شبیهِ فکر کردنِ انسان انجام می‌دهند.
• یادگیریِ ماشین (Machine Learning): روشی که به‌جای نوشتنِ قاعده، به کامپیوتر نمونه نشان می‌دهد تا خودش الگو پیدا کند. توضیحِ کامل در یادگیریِ ماشین و یادگیریِ عمیق.
• یادگیریِ عمیق (Deep Learning): یادگیریِ ماشین با شبکه‌های عصبیِ چندلایه؛ موتورِ تقریباً همه‌ی ابزارهای امروزی.
• شبکه‌ی عصبی (Neural Network): ساختاری از لایه‌های عدد که با دیدنِ داده وزن‌هایش را تنظیم می‌کند؛ از مغز الهام گرفته ولی شبیهِ آن نیست.
• داده‌ی آموزشی (Training Data): متن، عکس یا صدایی که مدل از روی آن یاد گرفته. کیفیتِ مدل بیشتر از همین‌جا می‌آید.
• سوگیری (Bias): کج‌رفتاریِ سیستماتیکِ مدل که از داده‌ی آموزشی می‌آید؛ مثلاً اینکه «پزشک» را بیشتر مرد تصور کند.
• الگوریتم (Algorithm): دستورالعملِ قدم‌به‌قدم برای حلِ یک مسئله.
• پردازشِ زبانِ طبیعی (NLP): شاخه‌ای که به کامپیوتر فهمیدن و تولیدِ زبانِ انسان را یاد می‌دهد.
• بینایی ماشین (Computer Vision): شاخه‌ای که تصویر و ویدیو را می‌فهمد، از پلاک‌خوانی تا خواندنِ متن از عکس. مفصلش در بینایی ماشین چیست.
• هوش مصنوعیِ عمومی (AGI): سامانه‌ای فرضی که در تقریباً هر کارِ فکری هم‌سطحِ انسان باشد. هنوز وجود ندارد؛ بحثش در هوش مصنوعیِ عمومی چیست.

گروهِ مدل‌ها

• مدل (Model): نتیجه‌ی آموزش؛ فایلِ بزرگی از عددها که ورودی می‌گیرد و خروجی می‌دهد.
• مدلِ زبانیِ بزرگ (LLM): مدلی که روی حجمِ عظیمی از متن آموزش دیده و کلمه‌ی بعدی را پیش‌بینی می‌کند. پایه‌ی همه‌ی چت‌بات‌ها؛ توضیح در مدلِ زبانیِ بزرگ چیست.
• ترنسفورمر (Transformer): معماری‌ای که در مقاله‌ای در سالِ ۲۰۱۷ معرفی شد و راهِ مدل‌های زبانیِ امروز را باز کرد.
• هوش مصنوعیِ مولد (Generative AI): هر مدلی که چیزِ تازه می‌سازد: متن، عکس، صدا یا ویدیو.
• مدلِ چندوجهی (Multimodal): مدلی که هم‌زمان متن و عکس و گاهی صدا را می‌فهمد. بیشتر در مدلِ چندوجهی چیست.
• پارامتر (Parameter): هر کدام از عددهای قابلِ‌تنظیمِ درونِ مدل. تعدادِ بیشتر لزوماً یعنی مدلِ بهتر نیست.
• فاین‌تیونینگ (Fine-tuning): آموزشِ دوباره‌ی یک مدلِ آماده روی داده‌ی خاصِ شما تا در یک کار بهتر شود. کِی لازم است را در فاین‌تیونینگ چیست ببین.
• مدلِ متن‌باز (Open-weight / Open-source): مدلی که وزن‌هایش منتشر شده و می‌شود روی سرورِ خود اجرایش کرد.
• بنچمارک (Benchmark): آزمونِ استاندارد برای مقایسه‌ی مدل‌ها؛ مفید ولی گاهی گمراه‌کننده.
• مدلِ استدلالی (Reasoning Model): مدلی که پیش از جواب «فکر» می‌کند و قدم‌های میانی را طی می‌کند؛ کندتر ولی در مسئله‌های سخت دقیق‌تر.

گروهِ کار با چت

این گروه برای هر روز است. اگر فقط یک بخش را می‌خوانی، این باشد. بیشترِ گیجی‌هایی که کاربرانِ تازه‌کار دارند، مثلِ «چرا وسطِ گفتگو حرفِ اولم را یادش رفت» یا «چرا دو بار یک سؤال پرسیدم و دو جوابِ متفاوت گرفتم»، با همین چند اصطلاح توضیح داده می‌شود.

• پرامپت (Prompt): هر چیزی که به مدل می‌نویسی؛ دستور، سؤال یا متن. کیفیتِ جواب بیشتر به آن بستگی دارد.
• توکن (Token): تکه‌ای از متن که مدل با آن کار می‌کند؛ گاهی یک کلمه، گاهی نصفِ کلمه. چرا فارسی توکنِ بیشتری مصرف می‌کند را در توکن چیست توضیح داده‌ایم.
• پنجره‌ی زمینه (Context Window): حداکثرِ متنی که مدل در یک گفتگو هم‌زمان جلوی چشم دارد. بیرون از آن، فراموش می‌شود.
• پرامپتِ سیستمی (System Prompt): دستورِ پنهانی که سازنده‌ی ابزار پیش از پیامِ شما به مدل داده؛ لحن و مرزها را تعیین می‌کند.
• توهم (Hallucination): وقتی مدل اطلاعاتِ نادرست را با اطمینان می‌گوید. مهم‌ترین اصطلاحِ این فهرست؛ راه‌های کاهشش در توهمِ هوش مصنوعی چیست.
• دما (Temperature): تنظیمی که تعیین می‌کند جواب چقدر قابلِ‌پیش‌بینی یا خلاقانه باشد.
• زنجیره‌ی فکر (Chain of Thought): خواستن از مدل که قدم‌به‌قدم فکر کند؛ در مسئله‌های منطقی جوابِ بهتری می‌دهد.
• پرامپتِ چندنمونه‌ای (Few-shot): چند مثال از خروجیِ دلخواه در پرامپت گذاشتن تا مدل الگو را بگیرد.
• حافظه (Memory): قابلیتی که بعضی ابزارها دارند تا چیزهایی از گفتگوهای قبلی را نگه دارند؛ با پنجره‌ی زمینه فرق دارد.
• پرسونا (Persona): نقشی که به مدل می‌دهی، مثلِ «تو یک معلمِ صبورِ ریاضی هستی»، تا لحن و سطحِ جواب عوض شود.
• استریم (Streaming): وقتی جواب کلمه‌به‌کلمه روی صفحه می‌آید به‌جای اینکه یک‌جا ظاهر شود.
• جست‌وجوی وب (Web Search / Grounding): وقتی ابزار پیش از جواب در اینترنت می‌گردد تا اطلاعاتِ روز و منبع بیاورد.

این اصطلاح را برایم توضیح بده: [اصطلاح]
۱. یک تعریفِ یک‌خطی برای کسی که هیچ پیش‌زمینه‌ای ندارد.
۲. یک مثال از زندگیِ روزمره در ایران.
۳. معادلِ انگلیسی و یک اصطلاحِ نزدیک که معمولاً با آن اشتباه گرفته می‌شود.
اگر مطمئن نیستی، بگو مطمئن نیستم.

این پرامپت برای هر اصطلاحی که این‌جا نیست کار می‌کند. بندِ آخرش مهم است: جلوی تعریف‌سازیِ ساختگی را تا حدی می‌گیرد.

گروهِ تصویر و ویدیو

• متن به تصویر (Text-to-Image): ساختنِ عکس از یک توضیحِ نوشتاری.
• ویرایشِ تصویر با هوش مصنوعی (Image Editing / Inpainting): تغییرِ بخشی از یک عکسِ موجود، مثلاً حذفِ یک آدم از پس‌زمینه.
• مدلِ انتشاری (Diffusion Model): روشی که از یک تصویرِ پر از نویز شروع می‌کند و قدم‌به‌قدم آن را به عکسِ واضح می‌رساند.
• نسبتِ تصویر (Aspect Ratio): نسبتِ پهنا به ارتفاع؛ مثلاً عمودی برای استوری یا مربعی برای پست.
• پرامپتِ منفی (Negative Prompt): چیزهایی که صریحاً نمی‌خواهی در عکس باشد.
• تصویر به ویدیو (Image-to-Video): متحرک‌کردنِ یک عکسِ ثابت؛ معمولاً نتیجه‌ی قابلِ‌کنترل‌تری از متن به ویدیو می‌دهد.
• دیپ‌فیک (Deepfake): ویدیو یا صدای ساختگی که کسی را در حالِ کار یا حرفی نشان می‌دهد که هرگز انجام نداده.

گروهِ کسب‌وکار و فنی

• API: دریچه‌ای که برنامه‌ها از طریقِ آن به مدل وصل می‌شوند، بدونِ صفحه‌ی چت.
• RAG (تولیدِ تقویت‌شده با بازیابی): روشی که پیش از جواب، تکه‌های مرتبط را از اسنادِ خودِ شما پیدا می‌کند و به مدل می‌دهد. توضیحِ کامل در RAG چیست.
• امبدینگ (Embedding): تبدیلِ متن به فهرستی از عدد که معنا را نگه می‌دارد؛ پایه‌ی جست‌وجوی معنایی. بیشتر در امبدینگ چیست.
• ایجنت (AI Agent): سامانه‌ای که فقط جواب نمی‌دهد، بلکه چند قدم برمی‌دارد: جست‌وجو، اجرای ابزار، تصمیم. مفصلش در ایجنتِ هوش مصنوعی چیست.
• تزریقِ دستور (Prompt Injection): حمله‌ای که با پنهان‌کردنِ دستور در یک متن یا صفحه، مدل را از کارِ اصلی منحرف می‌کند.
• تأخیر (Latency): فاصله‌ی زمانیِ بینِ فرستادنِ پیام و رسیدنِ اولین کلمه‌ی جواب.
• هزینه‌ی هر توکن (Per-token Pricing): شیوه‌ی رایجِ قیمت‌گذاریِ API؛ ورودی و خروجی جداگانه حساب می‌شوند.
• مدلِ محلی (Local Model): مدلی که روی کامپیوترِ خودت اجرا می‌شود و داده بیرون نمی‌رود.

اصطلاحاتی که بیشتر از همه قاطی می‌شوند

اگر فقط یک ردیف از این جدول را به خاطر بسپاری، فرقِ فاین‌تیونینگ و RAG باشد. بیشترِ شرکت‌هایی که فکر می‌کنند باید مدل را آموزش بدهند، در واقع فقط لازم دارند مدل به اسنادشان دسترسی پیدا کند. برای تعریف‌های دانشگاهی‌تر، واژه‌نامه‌ی هوش مصنوعی در ویکی‌پدیا فهرستِ بلندتری دارد.

جمع‌بندی

اصطلاحات هوش مصنوعی ترسناک‌تر از معنایشان به نظر می‌رسند. پشتِ بیشترشان ایده‌ی ساده‌ای است: توکن تکه‌ی متن است، پنجره‌ی زمینه حافظه‌ی کوتاه‌مدت، توهم حرفِ غلطِ مطمئن، و RAG یعنی «اول سند را نگاه کن، بعد جواب بده». از گروهِ «کار با چت» شروع کن و بقیه را وقتی لازم شد برگرد. بهترین راهِ جاانداختنشان هم استفاده است؛ همین پرامپتِ بالا را با یک اصطلاحِ تازه در چت امتحان کن.

مطالب مرتبط:

• مدل‌های هوش مصنوعی چطور کار می‌کنند
• پرامپت‌نویسیِ فارسی
• کاربردهای هوش مصنوعی