واژه‌نامه و دانشنامه هوش مصنوعی

امنیت سایبری، عمل محافظت از سیستم‌ها، شبکه‌ها و برنامه‌ها در برابر حملات دیجیتال است. این حملات سایبری معمولاً با هدف دسترسی، تغییر یا از بین بردن اطلاعات حساس؛ اخاذی پول از کاربران از طریق باج‌افزار ؛ ​​یا ایجاد اختلال در فرآیندهای عادی کسب و کار انجام می‌شوند.

بهینه‌سازی سیاست نزدیک (Proximal Policy Optimization یا PPO) یک الگوریتم عمیق در حوزه یادگیری تقویتی است که عملکرد مدل‌ها را بهبود می‌دهد. در PPO، «سیاست» نشان می‌دهد که یک عامل چگونه یاد گرفته است در جهان عمل کند.

هوش عمومی مصنوعی (AGI) نوعی فرضی از هوش مصنوعی است که در تقریباً تمامی وظایف شناختی، با توانایی‌های انسان برابری می‌کند یا از آن فراتر می‌رود.

API یا Application Programming Interfaces یک واسط نرم‌افزاری است که به برنامه‌های مختلف اجازه می‌دهند با یکدیگر ارتباط برقرار کنند.

بهینه‌سازی مستقیم انتخاب‌ها (DPO) یک رویکرد نوین و پیشگامانه در حوزه هم‌راستاسازی مدل‌های زبانی (language model alignment) است که طراحی شده تا مدل‌های زبانی بزرگ (LLMs) را با ترجیحات انسانی هم‌راستا کند، بدون آنکه به چارچوب سنتی و از نظر محاسباتی پرهزینه یادگیری تقویتی (reinforcement learning – RL) متکی باشد.

انسان در حلقه به سیستم‌های هوش مصنوعی اشاره دارد که بازخورد یا مداخله انسانی را به عنوان بخشی از عملکرد خود در نظر می‌گیرند.

معماری نوینی در هوش مصنوعی که با اتصال مدل زبانی به منابع دانش خارجی، دقت، کیفیت و قابلیت اطمینان پاسخ‌ها را به‌میزان چشمگیری ارتقا می‌دهد.

اتوماسیون به استفاده از فناوری برای انجام وظایف با حداقل دخالت انسان اشاره دارد. مانند این است که یک ربات یا کامپیوتر از فعالیت‌های تکراری یا پیچیده‌ای که انسان‌ها به طور سنتی انجام می‌دادند، مراقبت کند. این رویکرد مبتنی بر فناوری با هدف ساده‌سازی فرآیندها، افزایش کارایی و کاهش خطای انسانی انجام می‌شود.

ارکستراسیون هوش مصنوعی (AI orchestration) به معنای هماهنگی و مدیریت مدل‌ها، سیستم‌ها و یکپارچه‌سازی‌های هوش مصنوعی (AI) است. این مفهوم شامل استقرار، پیاده‌سازی، یکپارچه‌سازی و نگهداری مؤثر اجزا در یک سیستم، گردش کار یا اپلیکیشن هوش مصنوعی بزرگ‌تر می‌شود.

الگوریتم مجموعه‌ای از دستورالعمل‌های گام به گام برای حل یک مسئله یا انجام یک کار است، شبیه به یک دستور غذا. در محاسبات، الگوریتم‌ها به کامپیوتر می‌گویند که چگونه ورودی‌هایی مانند داده‌ها را پردازش کند تا خروجی‌ای مانند تصمیم، پیش‌بینی یا لیست مرتب شده تولید کند. برخی از الگوریتم‌ها ساده و ثابت هستند، در حالی که برخی دیگر، مانند یادگیری ماشین، الگوها را از داده‌ها «یاد می‌گیرند».

عامل‌های هوش مصنوعی (AI Agents) سیستم‌های نرم‌افزاری هستند که از هوش مصنوعی برای دنبال کردن اهداف و انجام وظایف به نیابت از کاربران استفاده می‌کنند.

سطح آمادگی سازمان از نظر داده، فرایند، تیم، حاکمیت و استقرار واقعی — نه فقط داشتن ابزار.

بینایی ماشین مجموعه‌ای از فناوری‌های سخت‌افزاری و نرم‌افزاری است که به ماشین‌ها امکان دریافت و ثبت تصاویر و خودکارسازی فرایند تصمیم‌گیری را می‌دهند. به بیان ساده، بینایی ماشین به معنای جایگزین کردن بینایی و بخشی از قابلیت‌های تصمیم‌گیری انسان با استفاده از تجهیزاتی مانند نورپردازی، لنز، دوربین و رایانه است.

آزمایش محدود و قابل‌اندازه‌گیری روی یک درد واقعی، قبل از مقیاس‌پذیری سازمانی.

زیرشاخه‌ای از علوم کامپیوتر و هوش مصنوعی (AI) است که با استفاده از یادگیری ماشین، کامپیوترها را قادر می‌سازد زبان انسان را درک کرده و با آن ارتباط برقرار کنند.

MCP یا Model Context Protocol، یک استاندارد برای اتصال مدل‌های هوش مصنوعی به ابزارها، داده‌ها و سرویس‌های خارجی است تا بتوانند اطلاعات را دریافت کرده و وظایف مختلف را انجام دهند.

پلتفرم ابری، سیستم عامل و سخت‌افزار سرورهایی در یک مرکز داده است که برای ارائه خدمات رایانش ابری به مشتریان پیکربندی شده‌اند. یک پلتفرم ابری به کسب‌وکارها این امکان را می‌دهد که به جای خرید، نصب و مدیریت مراکز داده، سرورها و نرم‌افزارهای مورد نیاز خود برای دسترسی به این منابع در محل، دسترسی به منابع محاسباتی را بر اساس تقاضا از طریق اینترنت با قیمت‌گذاری پرداخت به ازای استفاده اجاره کنند.

«پنجره‌ زمینه» (Context Window) بیشترین مقدار متنی است که یک مدل زبانی بزرگ می‌تواند هنگام تولید پاسخ، آن را نگه دارد و به آن ارجاع دهد. این مفهوم شامل هر چیزی است که مدل می‌تواند در طول یک تعاملِ واحد «ببیند»: دستور یا درخواست کاربر، دستورالعمل‌های سیستم، تاریخچه‌ی گفتگو، اسناد بازیابی‌شده و خروجیِ خودِ مدل.

تنظیم دقیق (Fine tuning) در یادگیری ماشین به فرآیند سازگار کردن یک مدل از پیش آموزش‌دیده برای انجام وظایف یا کاربردهای خاص گفته می‌شود.

یک توکن کوچکترین واحد متنی است که یک سیستم هوش مصنوعی برای تفسیر و تولید زبان از آن استفاده می‌کند و می‌تواند نمایانگر یک کلمه کامل، بخشی از یک کلمه، یک کاراکتر یا حتی یک عبارت کوتاه باشد. قبل از پردازش، متن توکنیزه می‌شود و به بخش‌های معنادار تقسیم می‌شود تا مدل‌ها بتوانند الگوها را تشخیص دهند و کلمات ناآشنا را با ترکیب قطعات شناخته شده درک کنند.

قواعد دسترسی، ممیزی، مسئولیت‌پذیری و کنترل ریسک برای استفادهٔ امن از هوش مصنوعی در سازمان.

تحلیل رگرسیون یک روش آماری است که به بررسی رابطه بین یک متغیر وابسته و یک یا چند متغیر مستقل می‌پردازد. معمولاً متغیر وابسته با حرف (Y) و متغیر مستقل با (X) نشان داده می‌شود.

شبکهٔ عصبی یک مدل محاسباتی است که از ساختار مغز انسان الهام گرفته شده و از لایه‌های به‌هم‌پیوسته‌ای از «نورون‌های» مصنوعی تشکیل می‌شود که اطلاعات را پردازش و منتقل می‌کنند.

شبکه عصبی کانولوشنی (CNN)، نوعی الگوریتم یادگیری عمیق (Deep Learning) است که برای تحلیل داده‌هایی مانند تصاویر و ویدئوها استفاده می‌شود.

علم داده (Data Science) ریاضیات، آمار، برنامه‌نویسی تخصصی، تحلیل‌های پیشرفته، هوش مصنوعی (AI) و یادگیری ماشین را با تخصص در یک حوزه کاری مشخص ترکیب می‌کند تا بینش‌های کاربردی و نهفته در داده‌های سازمان را استخراج کند. این بینش‌ها و یافته‌ها برای جهت‌دهی به تصمیم‌گیری‌ها و برنامه‌ریزی‌های استراتژیک به کار می‌روند.

فناوری اطلاعات (IT) شامل استفاده از رایانه‌ها، نرم‌افزارها و شبکه‌ها برای ذخیره، مدیریت و محافظت از داده‌ها است. که به عملیات تجاری مدرن و زندگی روزمره قدرت می‌بخشد.

مدل‌های زبانی بزرگ (Large Language Models) نوعی سیستم هوش مصنوعی (AI) هستند که توانایی پردازش و تولید مستقل متن را دارند. این مدل‌ها با تحلیل حجم بسیار زیادی از داده‌ها از منابع مختلف آموزش می‌بینند و در طول این فرایند، الگوهای زبانی، ارتباط میان بخش‌های مختلف متن و ظرافت‌های معنایی زبان را یاد می‌گیرند.

مهندسی پرامپت، فرایند طراحی ورودی‌ها برای ابزارهای هوش مصنوعی است تا خروجی‌های بهینه‌ای تولید کنند.

مدل «با وزن‌های باز» (Open-Weight Model) یک مدل هوش مصنوعی است که اجزای اصلی آن به‌صورت عمومی منتشر شده‌اند و هر کسی می‌تواند آن را دانلود کند. به این ترتیب، کاربران می‌توانند مدل را روی رایانه شخصی خود اجرا کنند، نحوه عملکرد آن را بررسی کنند و حتی برای رفع نیازهای خاص خود، آن را تغییر دهند یا شخصی‌سازی کنند.

هوش مصنوعی مولد (Generative ai)که گاهی اوقات Gen AI نیز نامیده می‌شود، نوعی هوش مصنوعی (AI) است که می‌تواند در پاسخ به پرامپت یا درخواست کاربر، محتوای جدیدی مانند متن، تصویر، ویدئو، صدا یا کد تولید کند.

یادگیری تقویتی (Reinforcement Learning) نوعی یادگیری ماشین است که در آن یک عامل هوش مصنوعی با آزمون‌وخطا و انجام اقدامات مختلف در یک محیط مشخص، عملکرد خود را بهبود می‌دهد. هرگاه عامل کاری را درست انجام دهد، بازخورد مثبت یا پاداش دریافت می‌کند و در صورت اشتباه، با بازخورد منفی یا جریمه مواجه می‌شود. به این ترتیب، به‌مرور یاد می‌گیرد که برای رسیدن به بهترین نتیجه، چه روشی را انتخاب کند.

یادگیری عمیق، یکی از تکنیک‌های هوش مصنوعی (AI) است که به کامپیوترها آموزش می‌دهد که داده‌ها را با استفاده از الگوریتمی الهام‌گرفته از مغز انسان پردازش کنند.

یادگیری ماشین (Machine Learning به اختصار ML) زیربنای بسیاری از مهم‌ترین فناوری‌های عصر حاضر، از نرم‌افزارهای ترجمه گرفته تا خودروهای خودران را تشکیل می‌دهد. در این نوشتار، به تبیین مفاهیم پایه و چارچوب‌های اصلی یادگیری ماشین پرداخته می‌شود.