هوش مصنوعی مولد (Generative AI) به‌عنوان یکی از پرکاربردترین شاخه‌های پیشرفته هوش مصنوعی، دنیای کار، آموزش و تفکر خلاق را به‌طور بنیادینی تغییر داده است. با درک اصطلاحات کلیدی مرتبط با این فناوری، کاربران می‌توانند بهره‌وری، خلاقیت و توانایی‌های پردازشی خود را به سطحی کاملاً جدید ارتقا دهند.
۱. مدل زبانی بزرگ (LLM – Large Language Model)
مدل‌های هوش مصنوعی که بر روی مقدار زیادی داده متنی آموزش دیده‌اند. این مدل‌ها می‌توانند متن‌های طبیعی و انسان‌مانند تولید کنند، مانند ChatGPT. به‌طور مثال، می‌توانید از آن‌ها برای نوشتن گزارش‌ها یا مقاله‌ها استفاده کنید.
۲.ترنسفورمرها (Transformers)
یک معماری شبکه عصبی پیشرفته که از مکانیزم «توجه» استفاده می‌کند تا جملات پشت سر هم را پردازش کند. این فناوری به مدل کمک می‌کند زبان را درک کند و متن تولید کند. مثلاً همین ChatGPT از این روش برای جواب‌دهی استفاده می‌کند.
۳. مهندسی دستورات (Prompt Engineering)
هنر نوشتن دستورات دقیق و مشخص برای هوش مصنوعی، به‌گونه‌ای که خروجی مطلوب و کاربردی تولید شود.
مثال: برای نوشتن یک گزارش می‌توانید بنویسید: «یک گزارش حرفه‌ای در مورد مزایای انرژی خورشیدی بنویس».
۴. تنظیم دقیق (Fine-tuning)
فرآیندی که در آن یک مدل هوش مصنوعی از پیش‌آموزش‌دیده، برای وظایف یا موضوعات خاص با داده‌های تخصصی تنظیم و بهینه می‌شود.
مثال: مدل را با داده‌های حقوقی آموزش می‌دهند تا در تولید اسناد قانونی تخصص پیدا کند
۵. نمایش برداری (Embeddings)
تبدیل متن، تصاویر یا داده‌ها به فرمت عددی در فضای چندبعدی برای جستجوی بهتر و پردازش دقیق‌تر.
مثال: ارتباط بین «ماشین» و «اتومبیل» از نظر معنایی شناسایی می‌شود.
۶. تولید مبتنی بر بازیابی اطلاعات (RAG – Retrieval Augmented Generation)
ترکیب روش‌های اطلاعاتی با تولید متن توسط مدل هوش مصنوعی برای ارائه پاسخ دقیق مبتنی بر منابع معتبر.
مثال: هنگام پاسخ دادن به سؤالات علمی، از منابع آنلاین معتبری برای تقویت جواب استفاده می‌شود.
۷. توکن‌ها (Tokens)
کوچک‌ترین واحدهای پردازش متن در مدل‌های هوش مصنوعی (مانند کلمات یا کاراکترها) که برای درک و محدودیت‌های ظرفیت مدل استفاده می‌شوند.
مثال: جمله «سلام دنیا!» سه توکن دارد.
۸. توهم هوش مصنوعی (Hallucination)
پدیده‌ای که در آن مدل‌های هوش مصنوعی اطلاعاتی تولید می‌کنند که واقعی به نظر می‌رسد، اما کاملاً نادرست هستند.
مثال: مدل ممکن است بگوید کشوری به اسم «ایندیپندیا» وجود دارد، در حالی که چنین کشوری وجود ندارد.
۹. تفکر زنجیره‌ای (Chain-of-Thought)
روش هدایت هوش مصنوعی برای شکستن مسائل پیچیده به مراحل کوچک‌تر تا پاسخ شفاف‌تر و دقیق‌تر شود.
مثال: «ابتدا توضیح بده چرا آب مایع است، بعد توضیح بده چه زمانی به بخار تبدیل می‌شود.»
۱۰. پنجره زمینه (Context Window)
حداکثر میزان متنی که هوش مصنوعی می‌تواند در یک تعامل پردازش کند.
مثال: اگر پنجره زمینه محدود باشد، نمی‌توانید یک تاریخچه مکالمه طولانی را نگه دارید.
۱۱. دما (Temperature)
یک پارامتر که خلاقیت مدل در تولید پاسخ را کنترل می‌کند.
– عدد پایین‌تر: خروجی مشخص‌تر و دقیق‌تر.
– عدد بالاتر: خروجی خلاقانه‌تر و متنوع‌تر.
مثال: می‌خواهید یک شعار خلاقانه برای محصولی بنویسد؟ دما را بالا ببرید.
۱۲. یادگیری بدون نمونه (Zero-shot)
توانایی مدل‌های هوش مصنوعی برای انجام کارهایی که قبلاً برای آن‌ها آموزش ندیده‌اند. مثال: بپرسید: «تفاوت بین یک داستان علمی‌تخیلی و داستان فانتزی چیست؟» بدون اینکه الگوریتم از قبل تعریف‌های خاصی داشته باشد.
این اصطلاحات به‌طور کلی به شما کمک می‌کند نحوه عملکرد و کاربرد هوش مصنوعی را بهتر بفهمید و در موارد روزمره یا شغلی خود از آن به طرز مؤثرتری بهره ببرید.