اصطلاحات هوش مصنوعی به زبان ساده: یک واژه‌نامه برای مبتدیان

پنج واژه‌ای که در ساعت اول اهمیت دارند

بیشتر نوشته‌ها دربارهٔ هوش مصنوعی واژگانی را فرض می‌گیرند که هیچ‌کس هرگز به شما یاد نداده است. بخش مفیدش کوچک است. پنج واژه تقریباً تمام بار عملی را می‌کشند و بقیه ماه‌ها می‌توانند صبر کنند.

مدل خودِ هوش مصنوعی است: سامانهٔ آموزش‌دیده‌ای که واژه‌های شما را می‌خواند و پاسخی تولید می‌کند. برنامه همان مدل نیست. ChatGPT برنامه‌ای است که مدل‌های OpenAI را اجرا می‌کند، Gemini برنامه‌ای است که مدل‌های Google را، و Whizi برنامه‌ای است که مدل‌های چند شرکت را یک‌جا نگه می‌دارد. این تمایز اولین باری که پاسخی ناامیدتان کند ارزشش را نشان می‌دهد، چون عوض‌کردن مدل معمولاً اهرم بزرگ‌تری از بازنویسی پرسش است.

prompt فقط همان چیزی است که تایپ می‌کنید. هیچ نحو مخفی، هیچ فهرست فرمانی و هیچ چیزی برای حفظ‌کردن وجود ندارد. یک درخواست ساده که بگوید خروجی برای چه کسی است، چه کاری باید انجام دهد و چه شکلی را می‌خواهید، تقریباً همیشه از یک جملهٔ زیرکانه بهتر عمل می‌کند.

چت‌بات همان پنجرهٔ گفتگویی است که در آن تایپ می‌کنید. هر چیزی که در یک گفتگو گفته‌اید هنگام پاسخ‌دادن برای مدل قابل‌مشاهده می‌ماند، و به همین دلیل پرسش‌های تکمیلی مثل «کوتاه‌ترش کن» یا «رسمی‌تر بنویس» بدون تکرار درخواست اصلی کار می‌کنند. اگر گفتگوی تازه‌ای باز کنید آن حافظهٔ مشترک از بین می‌رود، و وقتی موضوع عوض می‌شود دقیقاً همین را می‌خواهید: زمینهٔ باقی‌مانده از یک پرسش بی‌ربط یکی از دلایل رایج پاسخ‌هایی است که کمی ناجور به نظر می‌رسند.

توکن تکه‌ای از متن است، تقریباً سه‌چهارم یک واژهٔ متوسط انگلیسی. مدل‌ها به جای واژه با توکن می‌خوانند، می‌شمارند و صورتحساب می‌دهند، پس یک سند هزار کلمه‌ای جایی نزدیک ۱۳۰۰ توکن می‌شود. بیشتر در صفحه‌های قیمت‌گذاری و محدودیت‌های مصرف با این واژه روبه‌رو می‌شوید.

پنجرهٔ زمینه یعنی مدل چه مقدار متن را هم‌زمان می‌تواند پیش چشم داشته باشد، که با توکن اندازه‌گیری می‌شود. این مقدار باید سندی را که چسبانده‌اید، کل گفتگوی تا اینجا و پاسخی که در حال نوشته‌شدن است پوشش دهد. وقتی یک قرارداد پنجاه‌صفحه‌ای را در یک چت می‌اندازید و پاسخ‌ها بی‌سروصدا با صفحهٔ سه در تناقض می‌افتند، لبهٔ آن را پیدا کرده‌اید. پنجرهٔ زمینه چیست اعداد واقعی را دارد؛ قاعدهٔ عملی کوتاه است. یک گفتگوی طولانی دربارهٔ یک موضوع، بعد از نو شروع کنید.

کاری که همین حالا می‌توانید انجام دهید: هر برنامهٔ هوش مصنوعی را باز کنید و به زبان خودتان بخواهید اصطلاحی را که این هفته دیده‌اید و نشناخته‌اید توضیح دهد. بعد پرسش دومی بپرسید: «فرض کردی من از قبل چه چیزی را می‌دانم؟» آن پرسش تکمیلی یک تعریف را به یک توضیح تبدیل می‌کند، و روی هر موضوعی جواب می‌دهد.

البته پاسخ را با چیز دیگری بسنجید. این سامانه‌ها چیزهای نادرست را دقیقاً با همان لحن آرامی می‌گویند که برای چیزهای درست به کار می‌برند، و تعریف‌ها هدف نرمی هستند: یک جزئیات ساختگی اما باورپذیر از کنار شما رد می‌شود چون راهی برای گرفتنش نداشته‌اید. آن نقص نامی دارد، و در جدول پایین آمده است.

بقیهٔ واژه‌نامه، و اینکه آیا هنوز به آن نیاز دارید

این‌ها واژه‌هایی هستند که در تیترها، صفحه‌های قیمت‌گذاری و بخش نظرها منتظرتان‌اند. ستون سوم بخش صادقانهٔ ماجراست. بیشتر این‌ها دانش روز اول نیستند، و وانمودکردن به عکسش همان چیزی است که مبتدی‌ها را دربارهٔ موضوعی که اصلاً به آن‌ها ربط ندارد احساس نادانی می‌دهد.

اصطلاح	معنی ساده	آیا لازمش دارید؟
LLM	مدل زبانی بزرگ، همان نوع مدلی که پشت هر برنامهٔ چتی است که نامش را شنیده‌اید. وقتی مقاله‌ای می‌گوید LLM، آن را «هوش مصنوعی» بخوانید	بله، تا تیترها دیگر نامفهوم نباشند
هوش مصنوعی مولد	هر هوش مصنوعی که به جای مرتب‌کردن چیزهای موجود، متن، تصویر، صدا یا ویدئوی تازه می‌سازد	بله، یک جمله کافی است
آموزش	فرایند طولانی و پرهزینهٔ خوراندن حجم عظیمی از متن به مدل تا الگوها را یاد بگیرد. پیش از بازکردن برنامه تمام شده بود	بله، به‌اختصار
تاریخ قطع آموزش	تاریخی که دادهٔ آموزشی در آن متوقف می‌شود. دربارهٔ هر چیز پس از آن بپرسید، مدل دارد حدس می‌زند، مگر برنامه وب را جستجو کند	بله، این یکی مردم را غافلگیر می‌کند
توهم	پاسخی مطمئن، روان و کاملاً ساختگی. مهم‌ترین نقص	بله، از روز اول
چندوجهی	مدل بیش از متن را مدیریت می‌کند: عکس، PDF، صدا و گاهی ویدئو	بله، همان لحظه که بخواهید عکسی بارگذاری کنید
تنظیم دقیق	آموزش دوبارهٔ یک مدل موجود روی دادهٔ خودتان تا تخصصی شود	نه هنوز، این یک پروژهٔ شرکتی است
دما	درجه‌ای برای میزان تصادفی‌بودن واژه‌ها. پایین یعنی قابل‌پیش‌بینی، بالا یعنی رها	نه هنوز، مقادیر پیش‌فرض معقول برایتان انتخاب شده
عامل	هوش مصنوعی‌ای که به جای یک پاسخ، چند گام را خودش برمی‌دارد	نه هنوز، بخش بعدی را ببینید
API	لوله‌کشی‌ای که برنامه‌نویس‌ها با آن یک مدل را به نرم‌افزار خودشان وصل می‌کنند	نه هنوز، مگر کد بنویسید
RAG	تولید تقویت‌شده با بازیابی: مدل پیش از پاسخ، در یک انبار سند دنبال اطلاعات می‌گردد	نه هنوز، هرچند هر برنامه‌ای که از فایل‌های بارگذاری‌شدهٔ شما پاسخ می‌دهد روی آن کار می‌کند
مدل متن‌باز	مدلی که وزن‌هایش را هرکسی می‌تواند دانلود و اجرا کند، مانند Llama یا DeepSeek	نه هنوز، برای کاربران چت تفاوت کمی می‌سازد
مدل استدلالی	مدلی که پیش از پاسخ، مسئله را در گام‌های قابل‌مشاهده حل می‌کند. کندتر، اما در ریاضی و منطق بهتر	به‌زودی، اولین باری که پرسشی سخت شکست بخورد
prompt سامانه	دستورالعمل‌های پنهانی که برنامه پیش از تایپ شما به مدل می‌دهد	نه هنوز، وقتی دستیار خودتان را بسازید مفید است

دو سطر یک پانوشت می‌طلبند. توهم یک ایراد گاه‌به‌گاه نیست که با یک وصله برطرف شود؛ از شیوهٔ تولید متن در این سامانه‌ها بیرون می‌آید، و به همین دلیل چرا هوش مصنوعی اشتباه می‌کند خودش یک راهنمای مستقل است و نه یک بند فهرست. و چندوجهی‌بودن به‌محض اینکه عکس یک رسید، اسکرین‌شات یک پیام خطا یا یک فرم اسکن‌شده روی دستتان باشد، ارزش ده دقیقه وقت را دارد. کار با تصویر و سند نشان می‌دهد این کار در یک روز معمولی چه شکلی است.

واژه‌هایی که بازاریابی به کار می‌برد و کمتر از ظاهرشان معنا دارند

فروشندگان دقیقاً دروغ نمی‌گویند. آن‌ها واژه‌هایی را به کار می‌برند که زمانی معنای مشخصی داشتند و حالا بیشتر یعنی «ما چیزی عرضه کردیم». دانستن این فاصله همان چیزی است که جلوی پرداخت هزینهٔ ارتقا برای یک فهرست کشویی از پاسخ‌های آماده را می‌گیرد.

• مجهز به هوش مصنوعی. معمولاً یعنی یک قابلیت، مدلی را که شرکت دیگری ساخته صدا می‌زند. گاهی یعنی یک جعبهٔ پیشنهاد که می‌توانید خاموشش کنید. ارزش پرسیدن دارد: کدام مدل، و آیا پیش‌فرض روشن است؟
• هوشمند. از پیش از این موج وجود داشته و حالا معنای بسیار کمی دارد. پوشهٔ هوشمند یعنی یک جستجوی ذخیره‌شده. پاسخ هوشمند یعنی سه عبارت آماده. از صفت رد شوید و دنبال فعل بگردید: با کار شما چه می‌کند؟
• نسل بعدی. ادعایی در زمان آینده. کاملاً با این سازگار است که محصول از نسخه‌ای که جایگزینش شده بدتر باشد، و معمولاً وقتی ظاهر می‌شود که هیچ بهبود قابل‌اندازه‌گیری‌ای نتوان نام برد.
• عامل هوش مصنوعی. پرکارترین عبارت سال ۲۰۲۶. در معنای دقیق یعنی نرم‌افزاری که خودش چند گام را برنامه‌ریزی و اجرا می‌کند، مثل رزرو یک سفر از ابتدا تا انتها. در بازاریابی معمولاً یعنی یک چت‌بات با آواتار دوستانه‌تر. بپرسید وقتی گیر می‌کند چه می‌کند، و آیا می‌تواند بدون تأیید شما اقدام کند.
• هوش مصنوعی‌محور. جمله‌ای دربارهٔ راهبرد داخلی است، نه دربارهٔ تجربهٔ شما از محصول. به شما می‌گوید یک شرکت بودجهٔ مهندسی‌اش را کجا نشانه رفته، که شاید هنوز به قابلیتی که می‌خواستید بابتش پول بدهید نرسیده باشد.

یک پرسش همهٔ این‌ها را می‌شکافد: بپرسید وقتی این قابلیت اشتباه می‌کند چه اتفاقی می‌افتد. محصولاتی که واقعاً هوش مصنوعی درونشان است پاسخی دارند، و آن پاسخ شامل مراحل بازبینی، یک دکمهٔ بازگشت، نشانه‌ای از میزان اطمینان یا یک منبع قابل‌مشاهده است. محصولاتی که فقط برچسب دارند ساکت می‌شوند.

چرا نام مدل‌ها شبیه پلاک خودرو است

نام یک مدل دو بخش دارد که دو کار متفاوت می‌کنند. واژه همان خانواده است، خط محصولی که شرکت به توسعه‌اش ادامه می‌دهد: GPT از OpenAI، Claude از Anthropic، Gemini از Google، Llama از Meta. اعداد و پسوندها نسخه هستند و اغلب اندازه، پس یک خانواده ممکن است یک عضو کوچک و سریع و یک عضو بزرگ و دقیق را در یک صبح عرضه کند. خواندن یک نام بیشتر یعنی جداکردن این دو نیمه و نادیده‌گرفتن بازاریابی میانشان.

شاید توجه کرده باشید که این مقاله حتی یک شمارهٔ نسخه هم نمی‌آورد. این عمدی است. نسخه‌ها هر چند هفته عوض می‌شوند، و هر واژه‌نامه‌ای که آن‌ها را میخکوب کند تا فصل بعد نادرست است. چیزی که عوض نمی‌شود شکل انتخاب است. مدل‌های کوچک سریع و ارزان‌اند و برای مرتب‌کردن یک ایمیل کاملاً کافی. مدل‌های بزرگ کندترند و با سندهای بلند و استدلال‌های سخت بهتر کنار می‌آیند. هر خانواده شخصیتی هم دارد که در لحن و در میزان پایبندی به منبعی که به آن داده‌اید خودش را نشان می‌دهد.

تازه‌ترین نسخه هم به‌طور خودکار مناسب کار شما نیست. تازه‌تر معمولاً یعنی نمرهٔ بهتر در آزمون‌های سنجش، و آن آزمون‌ها مسائل امتحانی را می‌سنجند، نه اینکه نوشته شبیه شما باشد. خیلی‌ها می‌بینند مدلی قدیمی‌تر و ارزان‌تر ایمیل‌هایشان را بهتر می‌نویسد، و مدل گران را برای دو کار سخت هفته کنار می‌گذارند. این را فقط با اجرای یک کار واقعی روی دو یا سه مدل و خواندن خروجی‌ها کنار هم یاد می‌گیرید، و انتخاب مدل هوش مصنوعی همین را گام‌به‌گام مرور می‌کند. انجام‌دادن این کار بدون پرداخت به سه ارائه‌دهنده، تمام دلیلی است که Whizi برای آن GPT، Claude، Gemini و مدل‌های تصویر را در یک اشتراک گذاشته است.

پنج اصطلاح که در ماه سوم ارزش یادگیری دارند

تا ماه سوم به چند دیوار خورده‌اید. این پنج واژه نام همان دیوارهاست، و به همین دلیل ارزش یادگیری‌شان آن موقع است، نه حالا.

۱. مدل استدلالی. اولین باری اهمیت پیدا می‌کند که مدلی با اطمینان یک محاسبهٔ چندمرحله‌ای یا یک معمای منطقی را خراب کند. تعویض به یک مدل استدلالی اغلب مسئله را کامل حل می‌کند، به قیمت انتظار بیشتر برای پاسخ.

۲. prompt سامانه. وقتی اهمیت پیدا می‌کند که ببینید دارید همان بند پیش‌زمینه را در هر گفتگوی تازه می‌چسبانید. راه‌حل این است که یک‌بار آن را به‌عنوان دستورالعمل ثابت ذخیره کنید.

۳. RAG. وقتی اهمیت پیدا می‌کند که پاسخ‌ها را بر پایهٔ فایل‌های خودتان بخواهید و نه اینترنت باز، مثلاً پوشه‌ای از آیین‌نامه‌ها که از سال ۲۰۱۹ کسی نخوانده است.

۴. دما. وقتی اهمیت پیدا می‌کند که خروجی در تلاش‌های مختلف یا خیلی یکنواخت به نظر برسد یا خیلی بی‌ثبات، و ترجیح بدهید یک درجه را بچرخانید تا اینکه مدام دوباره امتحان کنید.

۵. تنظیم دقیق. برای یک فرد تقریباً هرگز اهمیت پیدا نمی‌کند، و دانستن دلیلش ارزش دارد: پول واقعی می‌خواهد، به صدها نمونهٔ تمیز نیاز دارد، و یک prompt خوب روی یک مدل خوب تقریباً در همهٔ کاربردهایی که مردم تصور می‌کنند از آن بهتر عمل می‌کند.

اگر لایهٔ زیرین همهٔ این‌ها را می‌خواهید، هوش مصنوعی واقعاً چیست سازوکار را بدون ریاضیات پوشش می‌دهد، و چگونه با هوش مصنوعی حرف بزنیم همان بند prompt از بخش اول را به یک عادت تبدیل می‌کند. این صفحه را یک هفته در یک تب باز بگذارید. واژگان تقریباً از چهارمین باری که به واژه‌ای برخورد کنید که از قبل می‌شناسید، دیگر ترسناک نیست.