مهم‌ترین اصطلاحات هوش مصنوعی که باید بدانید

:root{

--bg:#faf9f7; --card:#ffffff; --text:#1f2a24; --muted:#5b6b62;

--accent:#0f7a52; --accent-light:#e6f4ee; --accent2:#b8722f; --accent2-light:#fbeee0;

--border:#e4e0d8;

padding-top: env(safe-area-inset-top,0px); padding-bottom: env(safe-area-inset-bottom,0px);

@media (prefers-color-scheme: dark){

:root:not([data-theme="light"]){

--bg:#141814; --card:#1c211d; --text:#eef2ee; --muted:#a3ada5;

--accent:#3fcf95; --accent-light:#173327; --accent2:#e0a15c; --accent2-light:#2e2013;

--border:#2b322c;

:root[data-theme="dark"]{

--bg:#141814; --card:#1c211d; --text:#eef2ee; --muted:#a3ada5;

--accent:#3fcf95; --accent-light:#173327; --accent2:#e0a15c; --accent2-light:#2e2013;

--border:#2b322c;

*{box-sizing:border-box}

body{

margin:0; background:var(--bg); color:var(--text);

font-family:'Vazirmatn', Tahoma, sans-serif;

line-height:2; font-size:17px;

.wrap{max-width:760px; margin:0 auto; padding:40px 20px 70px}

header.hero{

background:linear-gradient(135deg,var(--accent-light),var(--bg));

border-bottom:1px solid var(--border);

padding:50px 20px 40px;

header.hero .wrap{padding:0}

h1{

font-size:clamp(26px,4vw,36px); font-weight:800; margin:0 0 14px;

color:var(--text); line-height:1.6;

.lead{color:var(--muted); font-size:18px; margin:0; line-height:2;}

.meta{margin-top:18px; font-size:14px; color:var(--muted);}

h2{

font-size:23px; font-weight:700; color:var(--accent);

margin:46px 0 16px; padding-bottom:8px; border-bottom:2px solid var(--accent-light);

display:flex; align-items:center; gap:10px;

h2 .num{

display:inline-flex; align-items:center; justify-content:center;

width:30px; height:30px; border-radius:50%; background:var(--accent);

color:#fff; font-size:14px; flex:none;

p{margin:0 0 18px; color:var(--text);}

strong{color:var(--accent); font-weight:700;}

.term-box{

background:var(--card); border:1px solid var(--border); border-radius:14px;

padding:20px 22px; margin:18px 0 28px;

.term-box .en{

display:inline-block; font-family:Tahoma, sans-serif; direction:ltr; font-size:13px;

color:var(--muted); background:var(--accent-light); padding:3px 10px;

border-radius:20px; margin-bottom:10px;

.callout{

background:var(--accent2-light); border-right:4px solid var(--accent2);

border-radius:10px; padding:16px 20px; margin:20px 0; font-size:15.5px; color:var(--text);

.callout b{color:var(--accent2);}

.intro-box{

background:var(--card); border:1px solid var(--border); border-radius:16px;

padding:24px; margin:30px 0;

.intro-box ul{margin:0; padding:0 22px 0 0;}

.intro-box li{margin-bottom:8px; color:var(--muted);}

hr.sep{border:none; border-top:1px solid var(--border); margin:48px 0;}

footer.academy{

background:var(--accent-light); border:1px solid var(--border);

border-radius:18px; padding:30px 26px; margin-top:20px; text-align:center;

footer.academy h3{color:var(--accent); font-size:22px; margin:0 0 12px;}

footer.academy p{color:var(--text); max-width:520px; margin:0 auto 6px;}

مهم‌ترین اصطلاحات هوش مصنوعی که باید بدانید

از پرامپت تا MCP؛ راهنمای ساده و کاربردی واژه‌هایی که این روزها همه‌جا می‌شنوید اما شاید معنای دقیقشان برایتان روشن نباشد.

زمان مطالعه: حدود ۷ دقیقه

هوش مصنوعی مولد در چند سال اخیر واژگان تازه‌ای وارد زبان روزمره کرده است؛ کلماتی که در گفت‌وگوی برنامه‌نویس‌ها، مدیران محصول و حتی کاربران عادی به وفور شنیده می‌شود. در این مقاله، مهم‌ترین این اصطلاحات را به زبانی ساده و با مثال توضیح می‌دهیم تا با خواندن یک متن، تصویر کاملی از دنیای هوش مصنوعی به دست بیاورید.

در این مقاله می‌خوانید:

پرامپت، توکن و مدل زبانی بزرگ چه هستند

پنجرهٔ متن و تفاوت آن با حافظه مدل

RAG چگونه دانش تازه به مدل می‌دهد

MCP و Skill چه نقشی در ابزارهای هوشمند دارند

Fine-tuning، Embedding و Hallucination چیستند

۱ پرامپت (Prompt)

Prompt

پرامپت همان متنی است که شما به یک مدل هوش مصنوعی می‌دهید تا پاسخی متناسب با آن دریافت کنید؛ از یک سؤال ساده گرفته تا دستورالعملی چندخطی با جزئیات دقیق. کیفیت پرامپت مستقیماً روی کیفیت پاسخ اثر می‌گذارد، به همین دلیل مهارتی به نام «پرامپت‌نویسی» شکل گرفته که به نوشتن دستورهای شفاف، ساختاریافته و هدفمند می‌پردازد.

۲ مدل زبانی بزرگ (LLM)

Large Language Model

مدل زبانی بزرگ، سامانه‌ای است که با آموزش روی حجم عظیمی از متن، یاد می‌گیرد کلمه بعدی را در یک جمله پیش‌بینی کند. همین توانایی ساده، وقتی در مقیاس بزرگ تکرار شود، به مدل امکان می‌دهد متن بنویسد، کد تولید کند، ترجمه کند و به سؤالات پاسخ دهد. GPT، Claude و Gemini نمونه‌هایی از این مدل‌ها هستند.

۳ توکن (Token)

Token

مدل‌های زبانی متن را کلمه‌به‌کلمه نمی‌خوانند، بلکه آن را به قطعات کوچک‌تری به نام توکن می‌شکنند که می‌تواند یک کلمه، بخشی از یک کلمه یا حتی یک نشانه باشد. قیمت‌گذاری و سرعت پردازش در بسیاری از سرویس‌های هوش مصنوعی بر اساس تعداد همین توکن‌ها محاسبه می‌شود.

۴ پنجرهٔ متن (Context Window)

Context Window

پنجرهٔ متن، حداکثر مقدار اطلاعاتی است که یک مدل در یک لحظه می‌تواند «به خاطر بسپارد» و در نظر بگیرد؛ شامل پرامپت شما، پاسخ‌های قبلی و هر فایل ضمیمه‌شده. هرچه این پنجره بزرگ‌تر باشد، مدل می‌تواند اسناد طولانی‌تر یا گفت‌وگوهای پیچیده‌تر را بدون فراموشی دنبال کند.

نکته: پنجرهٔ متن با حافظهٔ دائمی فرق دارد؛ وقتی گفت‌وگو تمام می‌شود، مدل معمولاً چیزی از آن به خاطر نمی‌سپارد، مگر آن‌که سامانه‌ای برای «حافظه» جداگانه طراحی شده باشد.

۵ RAG (بازیابی تقویت‌شدهٔ تولید)

Retrieval-Augmented Generation

RAG روشی است که پیش از پاسخ‌دهی، مدل را به یک پایگاه دانش یا مجموعه اسناد وصل می‌کند تا اطلاعات مرتبط را جست‌وجو و بازیابی کند، سپس بر اساس آن پاسخ دقیق‌تر و به‌روزتری تولید کند. این روش باعث می‌شود مدل بدون نیاز به آموزش دوباره، به دانش تازه یا اختصاصی یک سازمان دسترسی داشته باشد و کمتر دچار پاسخ‌های نادرست شود.

۶ MCP (پروتکل زمینهٔ مدل)

Model Context Protocol

MCP یک استاندارد باز است که به مدل‌های هوش مصنوعی اجازه می‌دهد به شکلی یکپارچه به ابزارها، فایل‌ها و سرویس‌های بیرونی مثل تقویم، ایمیل یا پایگاه‌داده وصل شوند. پیش از MCP، هر اتصال باید جداگانه و اختصاصی ساخته می‌شد؛ این پروتکل مانند یک «پریز برق استاندارد» عمل می‌کند که ابزارهای مختلف را با یک زبان مشترک به مدل متصل می‌کند.

۷ اسکیل و عامل هوشمند (Skill & Agent)

Skill / Agent

اسکیل مجموعه‌ای از دستورالعمل‌ها، مثال‌ها و گاهی ابزارهای تخصصی است که به مدل کمک می‌کند یک نوع کار خاص را بهتر و استانداردتر انجام دهد، مثل نوشتن گزارش با فرمت مشخص یک شرکت. عامل هوشمند یا Agent فراتر می‌رود: سامانه‌ای است که با دریافت یک هدف کلی، خودش برنامه‌ریزی می‌کند، از ابزارها استفاده می‌کند و مرحله‌به‌مرحله پیش می‌رود تا به آن هدف برسد.

۸ تنظیم‌دقیق (Fine-tuning)

Fine-tuning

تنظیم‌دقیق فرایندی است که در آن یک مدل از پیش آموزش‌دیده، با داده‌های اختصاصی و کوچک‌تر دوباره آموزش داده می‌شود تا در یک حوزهٔ خاص یا با لحن معینی بهتر عمل کند. برخلاف RAG که دانش را در لحظهٔ پاسخ به مدل می‌دهد، فاین‌تیونینگ رفتار و دانش را مستقیماً در ساختار خود مدل تغییر می‌دهد.

۹ امبدینگ (Embedding)

Embedding

امبدینگ، بازنمایی عددی یک متن، تصویر یا مفهوم است که معنای آن را در قالب یک بردار از اعداد ذخیره می‌کند. این بازنمایی باعث می‌شود مدل بتواند شباهت معنایی بین دو متن را بسنجد، حتی اگر از کلمات کاملاً متفاوتی استفاده کرده باشند؛ همین ویژگی پایهٔ سامانه‌های جست‌وجوی هوشمند و RAG است.

۱۰ توهم مدل (Hallucination)

Hallucination

توهم به حالتی گفته می‌شود که مدل با اطمینان کامل، پاسخی نادرست یا ساختگی تولید می‌کند؛ مثلاً منبعی را که وجود ندارد ارجاع می‌دهد. این پدیده از نحوهٔ کار مدل‌های زبانی نشأت می‌گیرد که بر اساس احتمال، کلمهٔ بعدی را حدس می‌زنند، نه این‌که همیشه حقیقت را «بدانند».

آکادمی برنامه‌نویسی بدیعی

اگر می‌خواهید فراتر از این مفاهیم بروید و به‌صورت عملی هوش مصنوعی، برنامه‌نویسی و ابزارهای مدرن توسعه را یاد بگیرید،سایت و اپلیکیشن آکادمی برنامه‌نویسی بدیعی را دنبال کنید.