آشنایی با واژه های هوش مصنوعی

هوش مصنوعی در حال بازنویسی جهان است و هم‌زمان، زبان کاملاً جدیدی را برای توصیف نحوه انجام این کار اختراع می‌کند. این روزها کافی است در هر جلسه محصول، ارائه یا پنل گفتگو بنشینید تا بشنوید که افراد واژه‌هایی مثل LLM، RAG، RLHF و ده‌ها اصطلاح دیگر را به زبان می‌آورند؛ اصطلاحاتی که می‌توانند حتی افراد بسیار باهوش در دنیای فناوری را هم کمی دچار عدم اعتمادبه‌نفس کنند.

این واژه‌نامه تلاش ما برای حل همین مشکل است: تعاریفی به زبان ساده از اصطلاحات هوش مصنوعی که به احتمال زیاد در واقعیت با آن‌ها برخورد خواهید کرد؛ چه در حال توسعه این فناوری باشید، چه سرمایه‌گذاری روی آن، و چه صرفاً بخواهید با خواندن مقاله یا گوش دادن به پادکست‌های مرتبط، خود را به‌روز نگه دارید.

هوش مصنوعی عمومی (AGI) چیست؟

AGI یا همان Artificial General Intelligence (هوش مصنوعی عمومی)، اصطلاحی تا حدودی مبهم و چالش‌برانگیز در دنیای فناوری است. اما اگر بخواهیم آن را به زبان ساده تعریف کنیم، به هوش مصنوعی خاصی اشاره دارد که در انجام بسیاری از وظایف و کارها، از یک انسان معمولی هوشمندتر و تواناتر عمل می‌کند.

برای درک بهتر، بد نیست نگاهی به تعریف غول‌های این حوزه از مفهوم AGI بیندازیم:

• سام آلتمن (مدیرعامل OpenAI): او یک بار AGI را به عنوان «معادل یک انسان متوسط که می‌توانید او را به عنوان همکار استخدام کنید» توصیف کرد.
• اساسنامه رسمی OpenAI: در بیانیه رسمی این شرکت، AGI این‌گونه تعریف شده است: «سیستم‌هایی به شدت مستقل که در اقتصادی‌ترین و باارزش‌ترین کارها، عملکردی بهتر از انسان‌ها دارند.»
• گوگل دیپ‌مایند (Google DeepMind): دیدگاه این آزمایشگاه کمی با دو تعریف قبلی متفاوت است؛ آن‌ها AGI را این‌طور می‌بینند: «هوش مصنوعی که حداقل در بیشتر وظایف شناختی، هم‌سطح و به اندازه انسان‌ها توانمند باشد.»

کمی گیج‌کننده به نظر می‌رسد؟ اصلاً نگران نباشید؛ چون حتی بزرگ‌ترین متخصصانی که در خط مقدم تحقیقات هوش مصنوعی دنیا قرار دارند هم هنوز روی یک تعریف واحد برای آن به توافق نرسیده‌اند!

عامل هوش مصنوعی (AI Agent) چیست؟

عامل هوش مصنوعی یا همان AI Agent، به ابزاری اشاره دارد که با استفاده از فناوری‌های پیشرفته هوش مصنوعی، می‌تواند مجموعه‌ای از کارهای پیچیده را به صورت خودکار از طرف شما انجام دهد. عملکرد این عامل‌ها بسیار فراتر از چت‌بات‌های معمولی است؛ به عنوان مثال، یک AI Agent می‌تواند فرآیندهایی مثل ثبت و مدیریت هزینه‌ها، رزرو بلیط هواپیما یا میز رستوران و حتی نوشتن و پشتیبانی از کدهای برنامه‌نویسی را به طور مستقل جلو ببرد.

با این حال، از آنجا که این حوزه نوظهور هنوز در حال توسعه و شکل‌گیری است، مفهوم «عامل هوش مصنوعی» ممکن است برای افراد مختلف، معانی متفاوتی داشته باشد و زیرساخت‌های سخت‌افزاری و نرم‌افزاری آن همچنان برای رسیدن به پتانسیل کامل خود در حال تکامل هستند. اما به طور کلی، ایده اصلی پشت این مفهوم، یک سیستم خودگردان (Autonomous) است که می‌تواند برای انجام کارهای چندمرحله‌ای، به طور هم‌زمان از چندین سیستم هوش مصنوعی مختلف کمک بگیرد.

زنجیره تفکر (Chain of Thought)

وقتی یک سوال ساده مطرح می‌شود، مغز انسان می‌تواند بدون فکر کردن زیاد به آن پاسخ دهد؛ سوالاتی مثل «کدام حیوان بلندتر است، زرافه یا گربه؟». اما در بسیاری از موارد، شما به یک خودکار و کاغذ نیاز دارید تا به پاسخ صحیح برسید، زیرا فرآیند حل مسئله شامل مراحل واسطه‌ای و میانی است.

به عنوان مثال، اگر یک کشاورز تعدادی مرغ و گاو داشته باشد و آن‌ها در مجموع ۴۰ سر و ۱۲۰ پا داشته باشند، شما احتمالاً باید یک معادله ساده روی کاغذ بنویسید تا به پاسخ درست (۲۰ مرغ و ۲۰ گاو) دست پیدا کنید.

در فضای هوش مصنوعی، استدلال زنجیره تفکر (Chain-of-Thought Reasoning) برای مدل‌های زبانی بزرگ به معنای تجزیه کردن یک مسئله به مراحل کوچک‌تر و میانی است تا کیفیت نتیجه نهایی بهبود یابد. در این روش، دریافت پاسخ معمولاً زمان بیشتری طول می‌کشد، اما احتمال درست بودن آن به‌ویژه در مسائل منطقی یا کدنویسی بسیار بیشتر است. مدل‌های استدلالی (Reasoning Models) در واقع بر پایه همان مدل‌های زبانی بزرگ سنتی توسعه یافته‌اند و به لطف یادگیری تعزیری (Reinforcement Learning)، برای تفکر به سبک زنجیره تفکر بهینه‌سازی شده‌اند.

API Endpoints

نقاط پایانی یا همان API Endpoints را مثل «دکمه‌هایی» در پشت یک نرم‌افزار تصور کنید که برنامه‌های دیگر می‌توانند آن‌ها را فشار دهند تا کار خاصی را اجرا کنند. توسعه‌دهندگان از این رابط‌ها برای ایجاد یکپارچه‌سازی و اتصال بین برنامه‌ها استفاده می‌کنند؛ به عنوان مثال، این دکمه‌ها به یک اپلیکیشن اجازه می‌دهند تا داده‌ها را از اپلیکیشن دیگری استخراج کند، یا به یک عامل هوش مصنوعی (AI Agent) امکان می‌دهند تا بدون نیاز به دخالت و کنترل دستی انسان، مستقیماً سرویس‌ها را هدایت کند.

بیشتر دستگاه‌های خانه هوشمند و پلتفرم‌های متصل به شبکه، این دکمه‌های مخفی را در اختیار دارند، حتی اگر کاربران عادی هرگز آن‌ها را نبینند یا با آن‌ها تعامل نداشته باشند. با هوشمندتر و تواناتر شدن عامل‌های هوش مصنوعی، آن‌ها بیش از پیش قادر خواهند بود تا این نقاط پایانی را به طور خودکار پیدا کرده و از آن‌ها استفاده کنند؛ امری که مسیر را برای خودکارسازی (اتوماسیون) قدرتمند و گاهی غیرمنتظره‌ی کارها هموار می‌کند.

عامل‌های کدنویسی (Coding Agents)

این مفهوم نسبت به «عامل هوش مصنوعی» تخصصی‌تر است. در حالی که یک عامل هوش مصنوعی کلی به برنامه‌ای گفته می‌شود که می‌تواند برای رسیدن به یک هدف، قدم به قدم و به صورت مستقل دست به اقدام بزند، عامل کدنویسی (Coding Agent) نسخه ویژه‌ای است که در حوزه توسعه نرم‌افزار کاربرد دارد.

یک عامل کدنویسی به جای اینکه صرفاً کدهایی را پیشنهاد دهد تا انسان آن‌ها را بررسی و کپی-پیست کند، می‌تواند به صورت خودکار کد بنویسد، آن را تست کند و خطاها (دیباگ) را برطرف سازد. به این ترتیب، این عامل‌ها کارهای تکراری و مبتنی بر آزمون و خطایی را که معمولاً بخش زیادی از وقت روزانه یک برنامه‌نویس را می‌گیرد، به دوش می‌کشند. آن‌ها می‌توانند روی کل یک پایگاه کد (Codebase) فعالیت کنند، باگ‌ها را شناسایی نمایند، تست‌ها را اجرا کنند و با حداقل نظارت انسانی، اصلاحات لازم را اعمال کنند.

می‌توانید آن را مانند استخدام یک کارآموز بسیار سریع تصور کنید که هرگز نمی‌خوابد و تمرکزش را از دست نمی‌دهد؛ اگرچه، درست مانند هر کارآموز دیگری، یک انسان همچنان باید در نهایت کار او را بررسی و تأیید کند.

شبکه مولد رقابتی (GAN)

یک GAN یا همان Generative Adversarial Network، نوعی فریم‌ورک یادگیری ماشین است که زیربنای برخی از پیشرفت‌های مهم هوش مصنوعی مولد در زمینه تولید داده‌های واقع‌گرایانه (از جمله ابزارهای جعل عمیق یا دیپ‌فیک، اما نه محدود به آن) به شمار می‌رود. شبکه‌های GAN از یک جفت شبکه عصبی تشکیل شده‌اند؛ یکی از آن‌ها با تکیه بر داده‌های آموزشی خود یک خروجی تولید می‌کند و سپس آن را برای ارزیابی به مدل دیگر می‌فرستد.

این دو مدل در واقع به گونه‌ای برنامه‌ریزی شده‌اند که تلاش کنند از یکدیگر پیشی بگیرند. مدل مولد (Generator) تلاش می‌کند تا خروجی خود را به شکلی بسازد که از سد مدل تشخیص‌دهنده (Discriminator) عبور کند، در حالی که مدل تشخیص‌دهنده تمام توان خود را به کار می‌گیرد تا داده‌های مصنوعی تولیدشده را لو بدهد. این رقابت ساختاریافته می‌تواند خروجی‌های هوش مصنوعی را بدون نیاز به دخالت انسانی بیشتر، بهینه‌سازی کرده و بسیار واقع‌گرایانه‌تر کند. با این حال، شبکه‌های GAN برای کاربردهای محدودتر و خاص‌تر (مانند تولید عکس‌ها یا ویدیوهای واقع‌گرایانه) بهترین بازدهی را دارند، نه برای هوش مصنوعی‌های عمومی و چندمنظوره.

رایانش یا پردازش (Compute)

اگرچه «کمپیوت» تا حدودی یک اصطلاح چندوجهی است، اما به طور کلی به قدرت پردازشی حیاتی و لازمی اشاره دارد که به مدل‌های هوش مصنوعی اجازه فعالیت می‌دهد. این نوع پردازش، سوخت اصلی صنعت هوش مصنوعی به شمار می‌رود و به آن توانایی آموزش (Train) و پیاده‌سازی (Deploy) مدل‌های قدرتمندش را می‌بخشد.

این اصطلاح اغلب به عنوان یک نام اختصاری برای انواع سخت‌افزارهایی به کار می‌رود که این توان پردازشی را تأمین می‌کنند؛ چیزهایی مانند پردازنده‌های گرافیکی (GPU)، پردازنده‌های مرکزی (CPU)، پردازنده‌های تنسور (TPU) و دیگر بخش‌های زیرساختی که سنگ بنای صنعت مدرن هوش مصنوعی را تشکیل می‌دهند.

مثال ساده: این همان «اسب بخار» هوش مصنوعی است. آموزش یک مدل بزرگ به سوله‌ای پر از GPU نیاز دارد که حجم پردازشی عظیم (و بسیار گران‌قیمت) را شامل می‌شود.

یادگیری عمیق (Deep Learning)

یادگیری عمیق زیرمجموعه‌ای از یادگیری ماشین خود‌اصلاح‌گر (Self-improving) است که در آن الگوریتم‌های هوش مصنوعی با یک ساختار «شبکه عصبی مصنوعی چندلایه» (ANN) طراحی می‌شوند. این ساختار به آن‌ها اجازه می‌دهد تا در مقایسه با سیستم‌های ساده‌تر مبتنی بر یادگیری ماشین (مانند مدل‌های خطی یا درخت‌های تصمیم‌گیری)، ارتباطات بسیار پیچیده‌تری را میان داده‌ها برقرار کنند. ساختار الگوریتم‌های یادگیری عمیق از مسیرهای متصل به هم نورون‌ها در مغز انسان الهام گرفته شده است.

مدل‌های هوش مصنوعیِ یادگیری عمیق قادرند ویژگی‌های مهم و کلیدی را خودشان در داده‌ها شناسایی کنند، بدون اینکه نیازی باشد مهندسان انسان این ویژگی‌ها را برای آن‌ها تعریف کنند. این ساختار همچنین از الگوریتمی پشتیبانی می‌کند که می‌تواند از خطاهای خود درس بگیرد و از طریق فرآیند تکرار و تنظیم مجدد، خروجی‌های خود را بهبود ببخشد.

با این حال، سیستم‌های یادگیری عمیق برای دستیابی به نتایج مطلوب، به حجم عظیمی از داده‌ها (میلیون‌ها نمونه یا بیشتر) نیاز دارند. فرآیند آموزش (Train) آن‌ها نیز معمولاً در مقایسه با الگوریتم‌های ساده‌تر یادگیری ماشین زمان بیشتری می‌برد؛ به همین دلیل، هزینه‌های توسعه آن‌ها به مراتب بالاتر است.

دیفیوژن یا نفوذ (Diffusion)

دیفیوژن یا مدل‌های نفوذ، فناوری اصلی به‌کاررفته در قلب بسیاری از مدل‌های هوش مصنوعی مولد هنر، موسیقی و متن است. با الهام از علم فیزیک، سیستم‌های دیفیوژن ساختار داده‌ها (مانند عکس‌ها، آهنگ‌ها و غیره) را با افزودن تدریجی نویز (آشفتگی) به مرور «تخریب» می‌کنند تا جایی که چیزی از داده اصلی باقی نماند.

در فیزیک، فرآیند دیفیوژن خودبه‌خودی و بازگشت‌ناپذیر است؛ برای مثال شکری که در قهوه حل (پخش) شده را نمی‌توان دوباره به شکل حبه قند درآورد. اما سیستم‌های دیفیوژن در هوش مصنوعی به دنبال یادگیری نوعی فرآیند «دیفیوژن معکوس» هستند تا داده‌های تخریب‌شده را بازسازی کنند؛ امری که به آن‌ها توانایی خلق و بازیابی داده‌های جدید را از دل نویز خالص می‌دهد.

فشرده‌سازی دانش (Distillation)

تقطیر یا Knowledge Distillation تکنیکی است که برای استخراج دانش از یک مدل هوش مصنوعی بزرگ با استفاده از یک رویکرد «استاد-شاگردی» (Teacher-Student) به کار می‌رود. در این فرآیند، توسعه‌دهندگان درخواست‌هایی را به مدل استاد فرستاده و خروجی‌های آن را ثبت می‌کنند. این پاسخ‌ها گاهی با یک مجموعه داده (Dataset) مقایسه می‌شوند تا میزان دقت آن‌ها سنجیده شود. در نهایت، از این خروجی‌ها برای آموزش مدل شاگرد استفاده می‌شود تا یاد بگیرد رفتاری شبیه به مدل استاد داشته باشد.

از تکنیک تقطیر می‌توان برای ساخت یک مدل کوچک‌تر و کارآمدتر (با اتکا به یک مدل بزرگ‌تر) استفاده کرد، به طوری که کمترین افت کیفیت (Distillation Loss) رخ دهد. احتمالاً شرکت OpenAI نیز مدل GPT-4 Turbo (نسخه سریع‌تر GPT-4) را با همین روش توسعه داده است.

اگرچه تمام شرکت‌های هوش مصنوعی در ساختار داخلی خود از تقطیر دانش استفاده می‌کنند، اما برخی شرکت‌ها نیز از این تکنیک برای رساندن خود به سطح مدل‌های پیشرو بازار بهره گرفته‌اند. البته باید به این نکته توجه داشت که استفاده از تقطیر دانش روی مدل یک شرکت رقیب، معمولاً قوانین و شرایط استفاده (Terms of Service) از ابزارهای چت و APIهای هوش مصنوعی را نقض می‌کند.

شما مفاهیم اصلی را به خوبی یاد گرفته‌اید! در ادامه، تعاریف بقیه اصطلاحات کلیدی نقشه بصری ما آورده شده است تا دایره واژگان هوش مصنوعی شما کامل شود.

تنزیم دقیق (Fine-tuning)

چیست: فرآیندی که در آن یک مدل بزرگ و از پیش‌آموزش‌دیده (مثل GPT-4) را برداشته و آن را مجدداً روی یک مجموعه داده کوچک‌تر و تخصصی آموزش می‌دهید تا در آن موضوع خاص به یک متخصص تبدیل شود.

مثال ساده: آموزش دادن به یک مدل عمومی برای تبدیل شدن به یک وکیل خبره، از طریق فینت‌تیون کردن آن با هزاران سند حقوقی.

پارامترها و وزن‌ها (Parameters & Weights)

چیست: متغیرها و اعداد داخلی سیستم که هوش مصنوعی در طول فرآیند آموزش آن‌ها را یاد می‌گیرد. این موارد در واقع همان «خاطرات» یا «دانش» مدل هستند.

مثال ساده: این‌ها را مانند میلیون‌ها تنظیمات بسیار ریز در اتصالات یک شبکه عصبی تصور کنید که نشان‌دهنده تمام الگوهایی است که مدل تا به حال یاد گرفته است.

یادگیری انتقالی (Transfer Learning)

چیست: تکنیکی که در آن یک مدل، دانش به دست آمده از یک کار را به کار دیگری «منتقل» می‌کند؛ این روش بسیار سریع‌تر از آموزش یک مدل از صفر (From Scratch) است.

مثال ساده: مدلی که برای تشخیص گربه‌ها آموزش دیده، از قبل یاد گرفته است که اشکال، خز و چشم‌ها را شناسایی کند. این مدل می‌تواند این دانش را منتقل کند تا تشخیص سگ‌ها را بسیار سریع‌تر یاد بگیرد.

مدل هوش مصنوعی (AI Model)

چیست: آن «مغز» نهایی و آموزش‌دیده هوش مصنوعی که آماده استفاده برای یک کار مشخص است (مثل gpt-4o یا claude-3-opus).

مثال ساده: اگر شبکه عصبی را نقشه طراحی یک موتور فرض کنیم، «مدل هوش مصنوعی» همان موتور نهایی و کاملاً ساخته‌شده‌ای است که تنظیم شده و آماده استارت زدن است.

واحد پردازش تنسور (TPU)

چیست: تراشه کامپیوتری اختصاصی گوگل (شبیه به GPU) که به طور فوق‌تخصصی برای انجام محاسبات ریاضی هوش مصنوعی با سرعت‌های شگفت‌انگیز طراحی شده است.

مثال ساده: اگر یک GPU یک موتور ماشین مسابقه‌ای با عملکرد بالا باشد، یک TPU یک موتور سفارشی فرمول ۱ است که فقط برای یک چیز طراحی شده: برنده شدن در مسابقه هوش مصنوعی.

پردازش زبان طبیعی (NLP)

چیست: حوزه وسیع‌تری از هوش مصنوعی که به کامپیوترها اجازه می‌دهد زبان انسان را درک، تفسیر و پردازش کنند.

مثال ساده: این حوزه شامل مواردی مثل ترجمه ماشینی، غلط‌یابی نگارشی، یا تحلیل «لحن و حس» (مثبت یا منفی بودن) نظر یک کاربر درباره یک محصول می‌شود.

مدل استدلالی (Reasoning Model)

چیست: یک مدل هوش مصنوعی که برای «تفکر منطقی» و حل مسائلی طراحی شده است که نیاز به برنامه‌ریزی، استنتاج یا فرآیندهای گام‌به‌گام دارند.

مثال ساده: هوش مصنوعی که می‌تواند یک معمای منطقی پیچیده را حل کند یا مراحل لازم برای ساختن یک مبل را از روی دفترچه راهنما برنامه‌ریزی کند.

پوسته یا رپر هوش مصنوعی (AI Wrapper)

چیست: یک اپلیکیشن یا رابط کاربری ساده که دور یک مدل هوش مصنوعی قدرتمند قرار می‌گیرد (آن را کپسوله‌سازی می‌کند) تا استفاده از آن را برای یک هدف خاص راحت‌تر کند.

مثال ساده: وب‌سایتی که فقط اسناد حقوقی را خلاصه‌سازی می‌کند. این سایت در واقع یک رپر ساده است که متن شما را همراه با یک پرامپت پیش‌فرض («این سند حقوقی را خلاصه کن») به یک LLM بزرگ می‌فرستد.

کانتکست یا زمینه (Context)

چیست: حافظه کوتاه‌مدت یک چت‌بات. این همان اطلاعاتی است (مثل سوالات قبلی شما) که هوش مصنوعی در طول گفتگو آن‌ها را «به خاطر می‌سپارد» تا مکالمه‌ای منسجم داشته باشد.

مثال ساده: وقتی می‌پرسید «درباره او چطور؟» و هوش مصنوعی متوجه می‌شود منظور شما از «او»، همان «ایلان ماسک» در سوال قبلی‌تان است. این یعنی درک کانتکست.

واقعیت زمینی یا داده مرجع (Ground Truth)

چیست: همان «پاسخ‌نامه» یا کلید سوالات؛ مجموعه‌ای از داده‌های باکیفیت، تایید شده و دقیق که برای آموزش یا ارزیابی یک مدل هوش مصنوعی استفاده می‌شود.

مثال ساده: برای آموزش یک هوش مصنوعی پزشکی، داده مرجع شامل هزاران عکس رادیولوژی است که قبلاً توسط پزشکان متخصص رادیولوژیست به طور دقیق برچسب‌گذاری و مشخص شده‌اند.

استنتاج (Inference)

چیست: فرآیند استفاده از یک مدل هوش مصنوعی آموزش‌دیده برای دادن یک پاسخ یا پیش‌بینی جدید.

مثال ساده: «آموزش (Training)» مثل درس خواندن برای امتحان است. «استنتاج (Inference)» دقیقاً همان لحظه‌ای است که شما در حال امتحان دادن هستید (یا هوش مصنوعی دارد به پرامپت کاربر پاسخ می‌دهد).

وایب کدینگ (Vibe Coding)

چیست: یک اصطلاح عامیانه و مدرن در دنیای فناوری به معنای کدنویسی با هوش مصنوعی از طریق توصیف حس، حال و هوا یا خروجی دلخواه (Vibe)، به جای نوشتن کدهای دقیق و رسمی خط به خط.

مثال ساده: گفتن این جمله به هوش مصنوعی: «کاری کن این دکمه بیشتر به چشم بیاد… یه انیمیشن جذاب و پرانرژی بهش بده».

پروتکل کنترل مدل (MCP)

چیست: یک استاندارد پیشنهادی نوظهور (شبیه به HTTP برای وب) که به مدل‌ها و عامل‌های هوش مصنوعی اجازه می‌دهد با یک روش استاندارد و مشخص با یکدیگر ارتباط برقرار کرده و داده‌ها را به اشتراک بگذارند.

مثال ساده: این یک ایده آینده‌نگرانه است؛ آن را مثل ایجاد یک «زبان مشترک» در نظر بگیرید تا یک عامل هوش مصنوعی مخصوص سفر بتواند به طور خودکار با عامل هوش مصنوعی تقویم شما گفتگو و هماهنگی کند.