در حوزه هوش مصنوعی، درک واژگان تخصصی و اصطلاحات این زمینه می‌تواند چالش‌برانگیز باشد، زیرا بسیاری از این واژگان به هم نزدیک هستند یا در موقعیت‌های مختلف معنی متفاوتی پیدا می‌کنند. در این مقاله، با هدف کمک به خوانندگان برای آشنایی با مفاهیم اصلی و کلیدی هوش مصنوعی، مجموعه‌ای از رایج‌ترین اصطلاحات را گردآوری کرده‌ایم. این تعاریف بر اساس حروف الفبای انگلیسی مرتب شده‌اند و تلاش شده تا توضیحاتی ساده و قابل فهم برای هرکدام ارائه شود.
A
AGI (هوش مصنوعی عمومی) هوش مصنوعی عمومی (AGI) اصطلاحی است که معمولاً برای سیستم‌های هوش مصنوعی‌ای به کار می‌رود که قادر به انجام مجموعه‌ای گسترده از وظایف با کمترین دخالت انسانی هستند. با اینکه شرکت‌های پیشرو در این زمینه به‌سختی در حال رقابت برای توسعه AGI هستند، اما هنوز تعریف دقیق و واحدی برای آن وجود ندارد. شرکت OpenAI، توسعه‌دهنده ChatGPT، AGI را به عنوان سیستم‌هایی توصیف می‌کند که در بسیاری از وظایف اقتصادی از انسان‌ها بهتر عمل می‌کنند، ولی هنوز پرسش‌های زیادی درباره ماهیت دقیق و استفاده‌های احتمالی AGI وجود دارد.
عامل (Agent) عامل‌ها یا Agents به عنوان نسل جدیدی از هوش مصنوعی معرفی می‌شوند. اگر در سال‌های اولیه پیدایش هوش مصنوعی مولد، چت‌بات‌ها مطرح بودند، حالا عامل‌های هوش مصنوعی نقش اصلی را دارند. این نوع AI قادر است وظایف پیچیده‌تری مانند خرید مواد غذایی یا رزرو مکان‌های مختلف را به‌طور خودکار و مستقل انجام دهد. با این حال، هنوز نگرانی‌هایی در مورد میزان استقلال و افزایش احتمال خطاهای این سیستم‌ها وجود دارد.
الگوریتم (Algorithm) الگوریتم مجموعه‌ای از دستورالعمل‌های مشخص برای حل یک مسئله است. از قرن‌ها پیش، انسان‌ها از الگوریتم‌ها برای پیش‌بینی یا حل مسائل مختلف استفاده کرده‌اند. امروزه، الگوریتم‌ها به‌ویژه در زمینه مالی و پیش‌بینی روندها کاربرد گسترده‌ای دارند. با پیشرفت یادگیری ماشین، الگوریتم‌ها اهمیت بیشتری پیدا کرده و توانایی تحلیل داده‌های پیچیده‌تری را پیدا کرده‌اند.
هم‌ترازی (Alignment) در میان دغدغه‌های مربوط به امنیت و اخلاق هوش مصنوعی، موضوع هم‌ترازی سیستم‌ها با ارزش‌های انسانی از اهمیت ویژه‌ای برخوردار است. هدف اصلی بسیاری از شرکت‌ها، جلوگیری از عملکرد ناهماهنگ و غیرقابل‌پیش‌بینی این سیستم‌هاست تا هوش مصنوعی به‌گونه‌ای عمل کند که به ارزش‌های اساسی انسانی پایبند بماند.
B
پنجمارک‌ها (Benchmarks) با افزایش تعداد سیستم‌های AI، هر شرکت معمولاً برای نشان دادن برتری نرم‌افزار خود از پنجمارک‌های خاصی استفاده می‌کند. پنجمارک‌ها مجموعه‌ای از معیارهای سنجش عملکرد هستند که نشان می‌دهند یک سیستم AI در چه مواردی از دیگران برتری دارد. اما هنوز معیارهای استاندارد و مستقل برای سنجش قابلیت‌های AI به‌طور گسترده ایجاد نشده و اغلب شرکت‌ها از معیارهای خودساخته استفاده می‌کنند.
چت‌بات‌ها (Chatbots) چت‌بات‌ها به‌عنوان سیستم‌های ارتباطی مبتنی بر AI به کاربران کمک می‌کنند تا به‌طور آنلاین و فوری پاسخ‌های لازم را دریافت کنند. در حالی که نسل اولیه چت‌بات‌ها برای خدمات مشتری طراحی شده بودند، نسل جدیدتر می‌تواند با انسان‌ها گفتگوی پویاتری داشته باشد و در بسیاری از زمینه‌ها به پرسش‌ها و درخواست‌های آن‌ها پاسخ دهد.
C
کلاد (Claude) کلاد یک چت‌بات توسعه یافته توسط شرکت آنتروپیک (Anthropic) است که برای رقابت با OpenAI طراحی شده. این چت‌بات با توجه به اصول ایمنی و توسعه مسئولانه طراحی شده و در حال حاضر به‌عنوان یکی از رقبای اصلی ChatGPT شناخته می‌شود. برخلاف OpenAI، آنتروپیک در حال حاضر از افزودن برخی قابلیت‌ها، مانند تولید تصویر، خودداری کرده است.
بینایی کامپیوتری (Computer Vision) بینایی کامپیوتری بخشی از AI است که به کامپیوترها امکان درک و تحلیل اطلاعات بصری را می‌دهد. این فناوری در حوزه‌هایی مانند هدایت خودروهای خودران، تشخیص چهره و حتی کاربردهای نظامی و امنیتی به‌کار می‌رود، اما همچنان چالش‌هایی نظیر دقت در تشخیص و نگرانی‌های مربوط به تبعیض و سوگیری وجود دارد.
E
رفتارهای درحال تکوین (Emergent Behaviors) رفتارهای درحال تکوین به پدیده‌هایی اطلاق می‌شود که گاهی در مدل‌های زبانی بزرگ دیده می‌شوند و توانایی‌هایی غیرمنتظره و جدید را نشان می‌دهند. این رفتارها ممکن است در فرآیندهایی مثل نوشتن کد یا تولید خلاقانه محتوای متنی یا تصویری ظاهر شوند، بدون اینکه از قبل چنین توانایی‌هایی پیش‌بینی شده باشد.
F
فاین تیونینگ (Fine Tuning) فاین تیونینگ یا تنظیم دقیق به فرآیندی اشاره دارد که در آن یک مدل هوش مصنوعی موجود برای وظایف خاصی بهینه می‌شود. به عنوان مثال، یک شرکت می‌تواند مدل AI خود را طوری فاین تیون کند که پاسخ‌های بهتری به سوالات مشتریان در مورد محصولات خاص ارائه دهد.
مدل‌های پیشرفته (Frontier Models) مدل‌های پیشرفته به جدیدترین و به‌روزترین مدل‌های هوش مصنوعی اطلاق می‌شود که توسط شرکت‌های بزرگی همچون OpenAI، گوگل و متا توسعه داده شده‌اند. این مدل‌ها در فرآیندهای پیچیده‌ای به کار گرفته می‌شوند و هزینه‌های توسعه بسیار بالایی دارند.
G
جمینای (Gemini) جمینای چت‌بات گوگل است که به عنوان پاسخ به ChatGPT توسط گوگل معرفی شد. این چت‌بات چندوجهی با قابلیت‌های پیشرفته در تشخیص تصویر و پردازش زبان طراحی شده است و به طور گسترده برای کمک به کاربران در وظایف پیچیده‌ای مانند حل مسائل ریاضی و حتی تجزیه و تحلیل تصویری به‌کار می‌رود.
هوش مصنوعی مولد (Generative AI) هوش مصنوعی مولد نوعی از AI است که می‌تواند محتوای جدید، از جمله تصاویر، متون و موسیقی را تولید کند. این فناوری با استفاده از داده‌های گسترده آموزش داده شده و قادر است آثار خلاقانه‌ای خلق کند که ممکن است باعث چالش‌های حقوقی و کپی‌رایت نیز شود.
GPT (جی‌پی‌تی) GPT مخفف «ترنسفورماتور ازپیش‌آموزش‌دیده مولد» است که یکی از مدل‌های معروف زبانی در AI به شمار می‌آید. این مدل قادر است با پردازش همزمان جملات و کلمات، به ترجمه دقیق‌تر و پاسخ‌های پیشرفته‌تری دست یابد.
گروک (Grok) گروک چت‌باتی از شرکت xAI است که به رهبری ایلان ماسک توسعه داده شده و برای پاسخ‌گویی سریع و بی‌پروا طراحی شده است. این چت‌بات به دلیل دسترسی به داده‌های کاربران در شبکه‌های اجتماعی و کمترین محدودیت‌ها، به سرعت جایگاه خود را در میان رقبا پیدا کرده است.
H
توهم (Hallucination) توهم پدیده‌ای در هوش مصنوعی است که طی آن یک مدل به‌جای پاسخ واقعی، اطلاعاتی ساختگی و نامعتبر ارائه می‌دهد. این مسئله ناشی از نقص در داده‌های آموزشی مدل است و می‌تواند به ارائه اطلاعات غلط و گمراه‌کننده منجر شود.
L
مدل‌های زبانی بزرگ (Large Language Models) مدل‌های زبانی بزرگ یا LLMs به شبکه‌های عصبی بسیار گسترده‌ای اشاره دارند که توانایی تولید و پردازش متون و پاسخ‌های پیچیده را دارند. این مدل‌ها با حجم عظیمی از داده‌های متنی آموزش دیده و به کاربردهای پردازش زبان طبیعی اختصاص یافته‌اند.
لاما (Llama) لاما یک مدل زبانی AI است که توسط متا توسعه یافته و به صورت رایگان در اختیار توسعه‌دهندگان قرار گرفته است. متا با ارائه این مدل، امیدوار است که لاما به یکی از عناصر اصلی اکوسیستم هوش مصنوعی تبدیل شود.
M
یادگیری ماشینی (Machine Learning) یادگیری ماشینی فرآیندی است که طی آن الگوریتم‌ها با قرار گرفتن در معرض داده‌های گسترده به‌طور خودکار یاد می‌گیرند و بهبود می‌یابند. این فناوری در حوزه‌هایی نظیر شناسایی تصویر و تحلیل داده کاربرد زیادی دارد و با مرور زمان دقت بیشتری پیدا می‌کند.
فروپاشی مدل (Model Collapse) فروپاشی مدل یکی از مشکلات احتمالی در AI است که زمانی رخ می‌دهد که یک مدل بیش‌ازحد با داده‌هایی آموزش ببیند که خودشان توسط AI تولید شده‌اند. این موضوع می‌تواند منجر به کاهش کیفیت و دقت مدل شود.
چندمدلی (Multimodal) چندمدلی به مدل‌هایی اطلاق می‌شود که می‌توانند انواع مختلفی از داده‌ها، نظیر متن و تصویر را به‌طور همزمان پردازش کنند. این فناوری، کاربردهای گسترده‌ای در زمینه‌های خلاقیت و پژوهش پیدا کرده است.
