دانش‌نامهٔ Noventix

واژه‌نامهٔ هوش مصنوعی

مفاهیم و اصطلاحات هوش مصنوعی را عمیق‌تر بشناس.

۳۴۵ اصطلاح آموزشی۲۵ حوزهٔ موضوعیرایگان برای همه
مرور سریع

از الفبا شروع کن

دسته‌بندی‌ها

موضوع موردنظرت را انتخاب کن

۱۷ اصطلاح
نتایج فیلترشده · حرف Mحذف فیلترها
عامل‌های هوش مصنوعی
MCP (Model Context Protocol)

پروتکل متن مدل

پروتکل متن مدل؛ استانداردی برای اتصال مدل‌های هوش مصنوعی به ابزارها و پایگاه‌های داده خارجی. MCP برای استانداردتر کردن نحوه دسترسی مدل‌ها به ابزارها و منابع خارجی طراحی شده و می‌تواند ساخت اتصال‌ها را ساده‌تر کند.

مشاهدهٔ جزئیات
یادگیری ماشین
ML (Machine Learning)

یادگیری ماشین (ML)

یادگیری ماشین؛ مخفف Machine Learning. ML شکل کوتاه‌شده اصطلاح Machine Learning است و همان مفهوم یادگیری ماشین را بیان می‌کند.

مشاهدهٔ جزئیات
استقرار مدل‌ها
MLOps (Machine Learning Operations)

عملیات یادگیری ماشین

عملیات یادگیری ماشین؛ روش‌ها و ابزارها برای استقرار، پایش و نگهداری مدل‌ها در محیط واقعی. MLOps همکاری بین توسعه، داده و عملیات را برای تبدیل مدل آزمایشی به یک سرویس پایدار ساده‌تر می‌کند.

مشاهدهٔ جزئیات
یادگیری ماشین
Machine Learning

یادگیری ماشین

یادگیری ماشین؛ شاخه‌ای از هوش مصنوعی که در آن مدل‌ها از داده‌ها یاد می‌گیرند بدون برنامه‌نویسی صریح تمام قواعد. در یادگیری ماشین، به جای نوشتن همه قوانین به‌صورت دستی، مدل از نمونه‌های داده الگوهای لازم را یاد می‌گیرد.

مشاهدهٔ جزئیات
Fine-tuning و PEFT
Machine Teaching

آموزش به ماشین

آموزش به ماشین؛ طراحی نظام‌مند نمونه‌ها، برچسب‌ها و بازخوردی که به مدل داده می‌شود تا رفتار هدف را با کمترین داده اضافی بیاموزد.

مشاهدهٔ جزئیات
عامل‌های هوش مصنوعی
Memory

حافظه

حافظه؛ اطلاعاتی که یک سیستم AI برای حفظ زمینه، ترجیحات یا نتایج قبلی در اختیار دارد.

مشاهدهٔ جزئیات
Fine-tuning و PEFT
Meta Learning

یادگیری فرا

یادگیری فرا؛ «یادگیری چگونه‌یادگرفتن»؛ روشی که مدل از تجربه چند وظیفه، قواعد یادگیری کارآمدتر یا نقطه شروع بهتری برای وظیفه جدید پیدا می‌کند.

مشاهدهٔ جزئیات
یادگیری عمیق
MoE (Mixture of Experts)

مخلوط خبرگان

مخلوط خبرگان؛ معماری‌ای که چند زیرمدل تخصصی را ترکیب می‌کند تا بهره‌وری و کیفیت بهتر شود. در MoE معمولا برای هر ورودی فقط بخشی از Expertها فعال می‌شوند و همین موضوع می‌تواند استفاده از مدل بزرگ را کارآمدتر کند.

مشاهدهٔ جزئیات
مبانی هوش مصنوعی
Model

مدل

مدل؛ نتیجه آموزش که می‌تواند پیش‌بینی، طبقه‌بندی یا تولید محتوا انجام دهد. مدل را می‌توان موتور تصمیم‌گیری یا تولید در یک سیستم AI دانست که پس از آموزش روی داده‌های جدید اجرا می‌شود.

مشاهدهٔ جزئیات
استقرار مدل‌ها
Model API

API مدل

API مدل؛ رابطی که به برنامه‌ها اجازه می‌دهد قابلیت‌های یک مدل هوش مصنوعی را از طریق درخواست‌های نرم‌افزاری استفاده کنند.

مشاهدهٔ جزئیات
امنیت و ایمنی هوش مصنوعی
Model Card

کارت مدل

کارت مدل؛ سند کوتاهی که کاربرد موردنظر، محدودیت‌ها، داده آموزش و معیارهای ارزیابی یک مدل را ثبت می‌کند تا استفاده‌کننده ریسک‌ها را بشناسد.

مشاهدهٔ جزئیات
استقرار مدل‌ها
Model Drift

رانش مدل

رانش مدل؛ کاهش تدریجی دقت مدل به دلیل تغییر الگوهای داده در طول زمان. پایش مداوم عملکرد کمک می‌کند افت تدریجی کیفیت مدل زودتر شناسایی شود.

مشاهدهٔ جزئیات
استقرار مدل‌ها
Model Routing

مسیریابی مدل

مسیریابی مدل؛ انتخاب خودکار مدل مناسب برای هر درخواست بر اساس عواملی مانند نوع کار، کیفیت موردنیاز، سرعت یا هزینه.

مشاهدهٔ جزئیات
استقرار مدل‌ها
Monitoring

پایش مدل

پایش مدل؛ مشاهده پیوسته کیفیت، سرعت و توزیع داده‌های ورودی مدل در محیط واقعی تا افت عملکرد زودهنگام شناسایی شود.

مشاهدهٔ جزئیات
عامل‌های هوش مصنوعی
Multi-Agent System

سیستم چندعاملی

سیستم چندعاملی؛ سیستمی متشکل از چند عامل هوشمند که می‌توانند وظایف را بین خود تقسیم کرده و با یکدیگر همکاری کنند.

مشاهدهٔ جزئیات
هوش مصنوعی مولد
Multi-Modal

چند‌حالته

چند‌حالته؛ مدلی که چند نوع ورودی مثل متن، تصویر و صدا را هم‌زمان پردازش می‌کند. مثلا یک مدل چندحالته می‌تواند سؤال متنی را همراه با یک تصویر دریافت کند و بر اساس هر دو پاسخ دهد.

مشاهدهٔ جزئیات
هوش مصنوعی مولد
Multimodal AI

هوش مصنوعی چندوجهی

هوش مصنوعی چندوجهی؛ سیستمی که می‌تواند چند نوع اطلاعات مانند متن، تصویر، صدا و ویدیو را دریافت یا تولید کند و ارتباط میان آن‌ها را درک کند.

مشاهدهٔ جزئیات