واژهنامه هوش مصنوعی
از توکن و پنجرهی زمینه تا MCP و مدل استدلالی — ترمهای کلیدی دنیای هوش مصنوعی، به زبان ساده.
۳۳ واژه
مفاهیم پایه
- Artificial Intelligence (AI)هوش مصنوعی
- شاخهای از علوم کامپیوتر که به ماشینها توانایی انجام کارهای نیازمند هوش انسانی — مانند فهم زبان، تشخیص تصویر و تصمیمگیری — را میدهد. توضیح کامل
- Machine Learning (ML)یادگیری ماشین
- روشی از هوش مصنوعی که در آن بهجای برنامهنویسی صریح، مدل از روی دادهها الگو یاد میگیرد و عملکردش با دیدن نمونههای بیشتر بهتر میشود. توضیح کامل
- Deep Learningیادگیری عمیق
- زیرمجموعهی یادگیری ماشین با شبکههای عصبی چندلایه که توانست جهش بزرگ کیفیت تشخیص تصویر، گفتار و زبان را ایجاد کند؛ زیربنای همه مدلهای زبانی امروزی است. توضیح کامل
- Large Language Model (LLM)مدل زبانی بزرگ
- مدل عصبی عظیم که روی حجم عظیمی از متن آموزش دیده و میتواند زبان را بفهمد و تولید کند؛ ChatGPT و Claude و Gemini نمونههای آناند. توضیح کامل
- Tokenتوکن
- واحد کوچک متن که مدل آن را میخواند و تولید میکند — تقریباً ¾ یک کلمه انگلیسی یا ۱ تا ۲ کلمه فارسی. طول زمینه و قیمت API هر دو بر حسب توکن حساب میشوند. توضیح کامل
- Context Windowپنجرهی زمینه
- بیشترین حجم متن (به توکن) که مدل در یک گفتوگو میتواند همزمان «ببیند» — شامل پرامپت شما، فایلها و کل تاریخ گفتوگو. هرچه بزرگتر، مدل حافظهی بیشتری در یک جلسه دارد. توضیح کامل
- Parameterپارامتر
- وزنهای آموختنی داخل مدل که دانش و توانایی آن در آنها ذخیره شده؛ عدد آنها (مثلاً ۷۰۰ میلیارد) مقیاس مدل را نشان میدهد. توضیح کامل
معماری و مدلها
- Transformerترنسفورمر
- معماری شبکه عصبی که با مکانیزم «توجه» (Attention) کل متن را همزمان پردازش میکند و زیربنای تمام مدلهای زبانی بزرگ از ۲۰۱۷ تاکنون است. توضیح کامل
- Mixture of Experts (MoE)ترکیب متخصصها (MoE)
- معماریای که مدل را به چند «متخصص» تقسیم میکند و برای هر ورودی فقط چند متخصص مرتبط فعال میشوند؛ نتیجه: مدل خیلی بزرگتر با هزینه استنتاج کمتر. توضیح کامل
- Multimodalچندوجهی
- مدلی که علاوه بر متن، تصویر و صدا و ویدیو را هم میفهمد یا تولید میکند — مثل Gemini که میتواند یک نمودار را ببیند و دربارهاش توضیح دهد. توضیح کامل
- Embeddingامبدینگ (جاسازی برداری)
- نمای عددی (برداری) از متن یا تصویر که معنا را در فضا نگه میدارد؛ مفاهیم نزدیک، بردار نزدیک دارند و همین پایهی جستجوی معنایی و RAG است. توضیح کامل
- Vector Databaseپایگاه دادهی برداری
- پایگاه دادهای که برای جستجوی سریع امبدینگها ساخته شده و پیدا کردن «مشابهترین» محتوا را ممکن میکند؛ حافظهی بیرونی RAG معمولاً همین است. توضیح کامل
- Small Language Model (SLM)مدل زبانی کوچک
- مدل زبانی سبک (چند میلیارد پارامتر) که روی لپتاپ و گوشی اجرا میشود؛ برای کارهای محدود ارزانتر و سریعتر از LLM است. توضیح کامل
- Diffusion Modelمدل انتشار
- معماری تولید تصویر که از نویز شروع میکند و گامبهگام آن را به تصویر نهایی تبدیل میکند؛ زیربنای ابزارهایی مثل Midjourney و تصویرسازهای مدرن است. توضیح کامل
آموزش و تنظیم
- Pre-trainingپیشآموزش
- مرحلهی پرهزینه اولیه که مدل روی حجم عظیمی از متن عمومی آموزش میبیند و «زبان و دانش عمومی» را یاد میگیرد؛ بعد از آن مدل هنوز متخصص هیچ کاری نیست. توضیح کامل
- Fine-tuningتنظیم دقیق
- آموزش تکمیلی مدلِ از پیش آموخته روی دادهی تخصصی تا در یک حوزه یا سبک خاص بهتر عمل کند — مثلاً پشتیبانی مشتری یک برند خاص. توضیح کامل
- RLHFیادگیری تقویتی با بازخورد انسانی
- روشی که در آن پاسخهای مدل توسط انسانها رتبهبندی میشود و مدل یاد میگیرد پاسخهای مفیدتر، دقیقتر و ایمنتر بدهد؛ مکمل فنی «شخصیت» ChatGPT و Claude است. توضیح کامل
- LoRAلورا (تنظیم دقیق کمرده)
- روش تنظیم دقیق ارزان: بهجای آموزش همه پارامترها، فقط چند ماتریس کوچک اضافه میشود؛ نتیجه، سفارشیسازی مدل با کسری از هزینه. توضیح کامل
- Distillationتقطیر
- انتقال دانش از یک مدل بزرگ به یک مدل کوچک: کوچک از خروجیهای بزرگ یاد میگیرد تا با هزینهی کمتر رفتار مشابهی داشته باشد. توضیح کامل
- Quantizationکوانتیزاسیون
- کمدقتکردن اعداد داخلی مدل (مثلاً از ۱۶ بیت به ۴ بیت) تا حجم و حافظهی لازم چند برابر کم شود و روی سختافزار معمولی اجرا شود — با افت کیفیت جزئی. توضیح کامل
عاملها و کاربرد
- AI Agentعامل هوش مصنوعی
- سیستمی که یک هدف میگیرد و خودش قدمها را برنامهریزی و اجرا میکند — ابزار صدا میزند، کد مینویسد، نتیجه را میخواند و مسیرش را اصلاح میکند. توضیح کامل
- Agentic AIهوش مصنوعی عاملی
- روند ۲۰۲۵-۲۰۲۶: مدلها بهجای فقط پاسخ دادن، «کار انجام میدهند» — چندین ابزار و گام را در طول دقیقهها یا ساعتها زنجیر میکنند؛ Devin و Claude Code نمونههایش هستند. توضیح کامل
- MCP (Model Context Protocol)قرارداد زمینه مدل (MCP)
- استاندارد باز برای اتصال عاملها به ابزارها و دادهها — «USB-C دنیای AI». سرور MCP را یک بار بنویسید؛ هر عامل سازگار میتواند از آن استفاده کند. توضیح کامل
- RAGتولید با بازیابی (RAG)
- الگویی که قبل از پاسخ، اسناد مرتبط را از یک منبع دانش بازیابی میکند و به مدل میدهد؛ نتیجه: پاسخ مبتنی بر داده واقعی و بهروز بهجای حافظهی ایستا مدل. توضیح کامل
- Prompt Engineeringمهندسی پرامپت
- هنر و مهارت نوشتن دستورِ مؤثر برای مدل: دادن زمینه، مثال و قالب خروجی درست تا نتیجه دقیقتر و قابلاتکاتر شود. توضیح کامل
- Inferenceاستنتاج
- اجرای مدلِ آموزشدیده — یعنی لحظهای که پرامپت میدهی و توکنها تولید میشوند؛ هزینهی هر پیام ChatGPT همان هزینهی inference است. توضیح کامل
- Vibe Codingکدنویسی حسی (وایب کدینگ)
- سبک جدید برنامهنویسی با زبان طبیعی: بهجای نوشتن کد، به عامل میگویی «چه چیزی» میخواهی و آن را میسازد، تست میکند و اصلاح میکند؛ برآیند موج عاملهای کدنویسی ۲۰۲۵-۲۰۲۶. توضیح کامل
استدلال، ایمنی و کیفیت
- Reasoning Modelمدل استدلالی
- مدلی که قبل از پاسخ، «فکر میکند» — زنجیرهای از استدلال داخلی تولید میکند و در مسائل سختِ ریاضی، کدنویسی و منطق دقت بهمراتب بالاتری دارد؛ در عوض کندتر و گرانتر است. توضیح کامل
- Test-time Computeمحاسبات زمان استنتاج
- دادن محاسبهی بیشتر به مدل هنگام پاسخدادن (فکرکردن طولانیتر) برای نتیجهی بهتر — پدیدهای که مرز کیفیت مدلهای استدلالی ۲۰۲۶ را جابهجا کرد. توضیح کامل
- Hallucinationتوهم
- وقتی مدل با اطمینان کامل، اطلاعات غلط تولید میکند — منبع غلط، ارجاع ناموجود یا عدد ساختگی. راههای کاهش: RAG، مدل استدلالی و ارائهی منابع قابلبررسی. توضیح کامل
- Guardrailsمحافظها (گاردریل)
- لایههای کنترلی دور مدل که خروجیهای مضر، نامناسب یا خارج از سیاست را مسدود میکنند — جدا از خود مدل و معمولاً بهشکل فیلتر ورودی/خروجی. توضیح کامل
- Alignmentهمراستایی
- تمرین مدلها برای همگامی با ارزشها و مقاصد انسانی — کمکگر و صادق باشد، نه فریبکار یا مضر؛ یکی از دغدغههای اصلی آزمایشگاههای مرزی. توضیح کامل
- AGIهوش مصنوعی عمومی (AGI)
- هوش مصنوعی فرضی که در «همهی» کارهای شناختی انسان همسطح یا بهتر عمل کند — نه فقط در حوزههای مشخص. هنوز محقق نشده و تعریف دقیقش بین آزمایشگاهها محل اختلاف است. توضیح کامل