مجله هام

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.