اصطلاحات رایج در هوش مصنوعی و پرامپت‌نویسی

اصطلاحات رایج در هوش مصنوعی و پرامپت‌نویسی

هوش مصنوعی (AI) و پرامپت‌نویسی (Prompt Engineering) دو حوزه به سرعت در حال رشد هستند که اصطلاحات تخصصی زیادی در اون‌ها به کار می‌ره. برای اینکه بتونید به‌راحتی با این فناوری‌ها کار کنید و از پرامپت‌ها به‌طور موثر استفاده کنید، لازمه با برخی از این اصطلاحات آشنا بشید. در این مطلب، مهم‌ترین اصطلاحات رو براتون توضیح می‌دیم.

1. هوش مصنوعی (Artificial Intelligence – AI)

هوش مصنوعی به سیستم‌هایی گفته می‌شه که می‌تونن وظایفی رو انجام بدن که معمولاً به هوش انسانی نیاز دارن. این وظایف شامل یادگیری، استدلال، حل مسئله، درک زبان طبیعی و تشخیص الگوها هستن.

2. مدل زبانی (Language Model)

مدل‌های زبانی نوعی از هوش مصنوعی هستن که برای درک و تولید متن آموزش دیدن. این مدل‌ها می‌تونن جملات رو کامل کنن، به سوالات پاسخ بدن یا حتی متن‌های خلاقانه بنویسن. ChatGPT و GPT-4 نمونه‌هایی از مدل‌های زبانی پیشرفته هستن.

3. پرامپت (Prompt)

پرامپت یک دستور یا ورودی متنی هست که به مدل هوش مصنوعی داده می‌شه تا بر اساس اون خروجی تولید کنه. مثلاً اگر به ChatGPT بگید «یک داستان کوتاه درباره سفر به فضا بنویس»، این جمله یک پرامپت هست.

4. پرامپت‌نویسی (Prompt Engineering)

پرامپت‌نویسی هنر طراحی و نوشتن پرامپت‌های موثره تا مدل‌های هوش مصنوعی بهترین نتایج رو تولید کنن. این کار شامل انتخاب کلمات مناسب، ساختار جملات و ارائه دستورالعمل‌های دقیق هست.

5. تولید متن (Text Generation)

این اصطلاح به فرآیند تولید خودکار متن توسط مدل‌های هوش مصنوعی اشاره داره. مثلاً وقتی از ChatGPT می‌خواید یک ایمیل یا مقاله بنویسه، در حال استفاده از قابلیت تولید متن هستید.

6. یادگیری ماشین (Machine Learning – ML)

یادگیری ماشین زیرشاخه‌ای از هوش مصنوعیه که به سیستم‌ها اجازه می‌ده تا از داده‌ها یاد بگیرن و بدون برنامه‌نویسی صریح، بهبود پیدا کنن. مدل‌های زبانی مثل GPT با استفاده از یادگیری ماشین آموزش دیدن.

7. شبکه عصبی (Neural Network)

شبکه‌های عصبی نوعی از الگوریتم‌های یادگیری ماشین هستن که از ساختار مغز انسان الهام گرفتن. این شبکه‌ها برای پردازش داده‌های پیچیده مثل تصاویر، صدا و متن استفاده می‌شن.

8. تنظیم دقیق (Fine-Tuning)

فرآیندی که در اون یک مدل هوش مصنوعی از قبل آموزش‌دیده، روی یک مجموعه داده خاص دوباره آموزش می‌بینه تا عملکردش در یک کار خاص بهبود پیدا کنه. مثلاً یک مدل زبانی ممکنه برای تولید محتوای پزشکی Fine-Tune بشه.

9. توکن (Token)

در پردازش زبان طبیعی، توکن‌ها واحدهای کوچکی از متن هستن که مدل‌های هوش مصنوعی از اون‌ها برای درک و تولید متن استفاده می‌کنن. یک توکن می‌تونه یک کلمه، بخشی از یک کلمه یا حتی یک کاراکتر باشه.

10. درجه حرارت (Temperature)

یک پارامتر تنظیمی در مدل‌های زبانی که میزان خلاقیت یا تصادفی بودن خروجی رو کنترل می‌کنه. درجه حرارت پایین، خروجی‌های دقیق‌تر و قابل پیش‌بینی‌تری تولید می‌کنه، در حالی که درجه حرارت بالا، خروجی‌های خلاقانه‌تر و متنوع‌تری ایجاد می‌کنه.

11. حداکثر طول توکن (Max Tokens)

این پارامتر مشخص می‌کنه که مدل هوش مصنوعی چقدر متن می‌تونه تولید کنه. مثلاً اگر Max Tokens رو روی 100 تنظیم کنید، خروجی مدل حداکثر 100 توکن (کلمه یا بخشی از کلمه) خواهد بود.

12. دسته‌بندی (Classification)

فرآیندی که در اون مدل‌های هوش مصنوعی داده‌ها رو به دسته‌های مختلف تقسیم می‌کنن. مثلاً یک مدل می‌تونه ایمیل‌ها رو به «اسپم» یا «غیر اسپم» دسته‌بندی کنه.

13. پردازش زبان طبیعی (Natural Language Processing – NLP)

شاخه‌ای از هوش مصنوعی که به تعامل بین کامپیوترها و زبان انسان‌ها می‌پردازه. NLP شامل وظایفی مثل ترجمه ماشینی، تحلیل احساسات و تولید متن هست.

14. داده‌های آموزشی (Training Data)

داده‌هایی که برای آموزش مدل‌های هوش مصنوعی استفاده می‌شن. هرچه این داده‌ها بیشتر و باکیفیت‌تر باشن، مدل عملکرد بهتری خواهد داشت.

15. هالوسینیشن (Hallucination)

وقتی مدل‌های هوش مصنوعی اطلاعات نادرست یا غیرواقعی تولید می‌کنن، به این پدیده هالوسینیشن گفته می‌شه. این اتفاق معمولاً زمانی می‌افته که مدل اطلاعات کافی در مورد یک موضوع نداره.

16. API (رابط برنامه‌نویسی کاربردی)

API یک ابزار فنی هست که به توسعه‌دهندگان اجازه می‌ده تا به مدل‌های هوش مصنوعی دسترسی داشته باشن و اون‌ها رو در برنامه‌های خودشون استفاده کنن. مثلاً APIهای OpenAI به توسعه‌دهندگان اجازه می‌دن تا از ChatGPT در برنامه‌های خودشون استفاده کنن.