فرهنگ لغت جامع هوش مصنوعی

امروزه هوش مصنوعی به بخش جدایی ناپذیری از زندگی روزمره‌مون تبدیل شده. در نتیجه، کلمات و اصطلاحات مربوط به این حوزه هم کم‌کم دارن وارد مکالمات روزمره‌مون می‌شن.

توی این مطلب قراره معنی این کلمات و اصطلاحات رو با زبون ساده توضیح بدیم و یه جورایی یه فرهنگ لغت هوش مصنوعی بسازیم. البته خیلی از این اصطلاحات هنوز معادل دقیق و جاافتاده‌ای توی فارسی ندارن؛ برای همین، به‌جای ترجمه تحت‌اللفظی، سعی می‌کنیم مفهوم هرکدوم رو به ساده‌ترین شکل توضیح بدیم.

Vibe Coding :

می‌شه گفت یعنی «کدنویسی دِلی»؛ یعنی به‌جای اینکه خودتون کد بنویسین، چیزی رو که می‌خواین با زبون معمولی برای هوش مصنوعی توضیح می‌دین و اون کدش رو براتون می‌نویسه. در واقع، شما بیشتر ایده و خواسته‌تون رو بیان می‌کنین و هوش مصنوعی کار کدنویسی رو انجام می‌ده.

Token (توکن):

می‌شه گفت توکن، «واحد پولی» هوش مصنوعیه. مدل‌های هوش مصنوعی متن شما رو به بخش‌های کوچیک‌تری تقسیم می‌کنن و هر بخش یک توکن محسوب می‌شه. مثلاً کلمه Unbelievable ممکنه به سه بخش Un،Believe  و Able تقسیم بشه و هرکدوم یک توکن حساب بشن. یا یک جمله مثل I love AI  ممکنه به چند توکن مختلف تقسیم بشه. البته نحوه تقسیم متن به توکن، بسته به مدل و سیستم توکن‌سازی اون می‌تونه متفاوت باشه.

TokenMaxxing:

میشه این اصطلاح رو «بهینه‌سازی توکن» ترجمه کرد. یعنی پرامپت‌هاتون رو طوری تنظیم کنین که با مصرف توکن کمتر، بیشترین نتیجه رو از هوش مصنوعی بگیرین. در واقع، هدف اینه که اطلاعات اضافی و غیرضروری رو حذف کنین و درخواستتون رو تا جای ممکن دقیق و کارآمد بنویسین.

AI Slop:

می‌شه تقریبا به «محتوای بی‌ارزش هوش مصنوعی» ترجمه‌اش کرد. به محتواهایی گفته می‌شه که با کمک هوش مصنوعی، با سرعت و حجم خیلی بالا تولید می‌شن، اما کیفیت، دقت یا ارزش چندانی ندارن. این محتواها معمولا بدون بررسی یا ویرایش جدی، در حجم زیاد توی اینترنت منتشر می‌شن.

مثلاً Tung Tung Tung Sahur یکی از نمونه‌های معروف محتوای AI و میم‌های موسوم به brainrot  بود که در سال ۲۰۲۵ حسابی وایرال شد. بعد از وایرال شدنش، تعداد زیادی تصویر، ویدیو، صدا و نسخه‌های مختلف از این شخصیت با ابزارهای هوش مصنوعی ساخته و منتشر شد.

Context Window:

 این رو میشه «ظرفیت محتوایی» ترجمه کرد.  می‌شه گفت Context Window همون محدوده‌ایه که هوش مصنوعی می‌تونه اطلاعات یک مکالمه رو داخلش مدیریت کنه. این محدوده بر اساس تعداد توکن‌ها اندازه‌گیری می‌شه و هر مدل هم ظرفیت متفاوتی داره. وقتی حجم اطلاعات یک مکالمه از این محدوده بیشتر بشه، ممکنه مدل دیگه نتونه به بخش‌های قدیمی‌تر مکالمه دسترسی داشته باشه یا جزئیاتشون رو درست در نظر بگیره. به زبان ساده، هرچی پنجره محتوایی یک مدل بزرگ‌تر باشه، می‌تونه اطلاعات بیشتری رو همزمان با خودش داشته باشه.

Context Rot:

 «فرسایش محتوا». به حالتی گفته می‌شه که با زیاد شدن اطلاعات داخل  چت، عملکرد هوش مصنوعی کم‌کم افت می‌کنه. یعنی هرچی مکالمه طولانی‌تر و شلوغ‌تر می‌شه، ممکنه مدل در پیدا کردن اطلاعات مهم، دنبال کردن دستورها یا حفظ ارتباط بین بخش‌های مختلف مکالمه ضعیف‌تر عمل کنه. در نتیجه، جواب‌ها می‌تونن به‌مرور کم‌دقت‌تر یا بی‌ربط‌تر بشن.

AI Wrapper :

 این رو میشه «بَزَکِ هوش مصنوعی» ترجمه کرد و به محصول یا سرویسی گفته می‌شه که روی یک مدل یا ابزار هوش مصنوعیِ موجود ساخته شده و قابلیت‌های اون رو در قالب یک محصول جدید ارائه می‌ده. مثلاً یه نفر یک مدل هوش مصنوعی ساخته و نفر دیگه با استفاده از همون مدل، یک اپلیکیشن جدید درست می‌کنه. اصطلاح AI Wrapper معمولاً بار منفی داره و وقتی استفاده می‌شه که محصول جدید، چیز زیادی به فناوری اصلی اضافه نکرده باشه و بیشتر نقش یک لایه یا رابط رو داشته باشه.

Hallucination:

«توهم هوش مصنوعی». وقتی هوش مصنوعی اطلاعاتی رو از خودش می‌سازه و بهت تحویل می‌ده، بدون اینکه واقعاً درست باشن. نکته جالب اینه که معمولاً این اطلاعات رو با اعتمادبه‌نفس کامل ارائه می‌کنه؛ انگار که کاملاً مطمئنه درست می‌گه! مثلاً ممکنه از خودش یک منبع، اسم، آمار یا حتی یک واقعیت تاریخی بسازه و طوری جواب بده که انگار صددرصد درسته.

MCP (Model Context Protocol):

می‌شه «پروتکل زمینه مدل» ترجمه‌اش کرد و یه استاندارده که به هوش مصنوعی اجازه می‌ده به ابزارها، برنامه‌ها و سرویس‌های مختلف وصل بشه و باهاشون تعامل داشته باشه. مثلاً هوش مصنوعی می‌تونه از طریق MCP به یک برنامه وصل بشه، اطلاعاتی رو ازش بگیره، تغییر بده یا به یک سرویس دیگه منتقل کنه. در واقع،MCP  مثل یه پل بین هوش مصنوعی و ابزارهای مختلف عمل می‌کنه.

Loop:

«چرخه». روشی که توی اون، هوش مصنوعی یک کار رو چند بار پشت سر هم انجام می‌ده، نتیجه هر مرحله رو بررسی می‌کنه و بر اساس اون، مرحله بعدی رو انجام می‌ده. این چرخه می‌تونه چند بار تکرار بشه تا وقتی که به نتیجه موردنظر برسه یا کار کامل بشه. مثلاً هوش مصنوعی می‌تونه یک متن رو بنویسه، بررسیش کنه، ایرادهاش رو پیدا کنه و دوباره اصلاحش کنه.

Agent:

 «عامل هوش مصنوعی». به یک سیستم هوش مصنوعی گفته می‌شه که می‌تونه به ابزارهای مختلف دسترسی داشته باشه و برای انجام یک کار، خودش تصمیم بگیره چه مراحلی رو طی کنه. یعنی به‌جای اینکه فقط با شما صحبت کنه، می‌تونه کارهایی مثل جست‌وجو، کار با فایل‌ها، اجرای کد یا استفاده از برنامه‌های مختلف رو هم انجام بده.

Grounding:

 «مبتنی بر داده های واقعی». یعنی پاسخ‌های هوش مصنوعی رو به اطلاعات و منابع قابل‌اعتماد وصل کنیم تا جواب‌ها بر اساس داده‌های واقعی و قابل‌بررسی باشن. مثلاً به‌جای اینکه هوش مصنوعی فقط بگه «سود شرکت X، ۴ میلیارد دلار بوده»، می‌تونه بگه «طبق گزارش منتشرشده توسط منبع Y، سود شرکت X ، ۴ میلیارد دلار بوده». این کار کمک می‌کنه احتمال تولید اطلاعات نادرست یا ساختگی کمتر بشه.

Knowledge Cutoff:

 «تاریخ آخرین آپدیت». تاریخی که مشخص می‌کنه دانش آموزشی یک مدل هوش مصنوعی تا چه زمانی رو پوشش می‌ده. مثلاً اگه Knowledge Cutoff یک مدل در سال ۲۰۲۳ باشه، ممکنه اطلاعاتی درباره اتفاقات سال ۲۰۲۴ به بعد نداشته باشه. البته این به معنی ناتوانی کامل مدل در پاسخ دادن به اطلاعات جدید نیست؛ اگه مدل به اینترنت یا منابع به‌روز دسترسی داشته باشه، می‌تونه اطلاعات جدیدتر رو هم پیدا و بررسی کنه.

 جمع بندی:

این فرهنگ لغت تازه شروع ماجراست! قراره در ادامه، سراغ روش‌های مختلف پرامپت‌نویسی، متدهای کار با هوش مصنوعی و کلی تکنیک و آموزش کاربردی دیگه بریم و این موضوعات رو مفصل‌تر بررسی کنیم. توی اینستاگرام اُرُد هم مرتب درباره همین موضوعات محتوا منتشر می‌کنیم. پس اگه می‌خواین کار با هوش مصنوعی رو حرفه‌ای‌تر یاد بگیرین، همراه اُرُد باشین.