هوش مصنوعی چیست؟
از شناخت مفهوم تا انتخاب کار مناسب

۱ · مفاهیم پایه

هوش مصنوعی، یادگیری ماشین و هوش مصنوعی مولد

این نام‌ها همیشه محصول‌های جدا یا مرحله‌های اجباری یک پروژه نیستند. یادگیری ماشین به روش‌هایی اشاره دارد که از داده الگو می‌آموزند؛ یادگیری عمیق خانواده‌ای از روش‌های یادگیری با شبکه‌های چندلایه است. هوش مصنوعی مولد برای ساخت خروجی‌هایی مانند متن و تصویر به کار می‌رود. یک سامانه واقعی می‌تواند بخشی قاعده ثابت و بخشی مدل یادگرفته‌شده داشته باشد.

این جدول تعریف ساده برای شروع است، نه فهرست کامل روش‌ها. برای تفکیک دقیق‌تر، تفاوت هوش مصنوعی، یادگیری ماشین و یادگیری عمیق و تفاوت هوش مصنوعی مولد و پیش‌بینی‌کننده را ببینید. چارچوب مفهومی با منبع IBM درباره AI تطبیق داده شده است.

آیا هر سامانه هوشمند مثل انسان فکر می‌کند؟

از دیدن یک پاسخ روان نمی‌توان آگاهی، قصد یا درستی همه جواب‌ها را نتیجه گرفت. برای تصمیم کاربردی، خروجی قابل مشاهده و مرز خطا را بسنجید. مثلاً در استخراج موعد از یک متن، باید معلوم باشد موعد نوشته‌شده پیدا شده یا مقدار تازه‌ای حدس زده شده است. نام «هوشمند» این تفاوت را حذف نمی‌کند.

همچنین مدل زبانی را بانک اطلاعات به‌روز فرض نکنید. اگر کار به موجودی، قیمت یا وضعیت سفارش وابسته است، منبع معتبر و روش دریافت آن لازم است. چرا مدل زبانی جای پایگاه داده نیست؟ همین مرز را با مثال توضیح می‌دهد.

۲ · از نیاز خودتان شروع کنید

برای چه کاری دنبال هوش مصنوعی هستید؟

در انتخاب ابزار، زبان، دسترسی، نوع خروجی و واحد هزینه را جدا ببینید. پشتیبانی فارسی با امکان استفاده از سرویس در هر کشور یکی نیست. یک طرح رایگان هم لزوماً سقف، مدت و امکانات ثابت ندارد. راهنمای انتخاب ابزار، منابع رسمی و نمونه فارسی برای بررسی این شرط‌ها را کنار هم می‌گذارد.

نمونه کاربردی؛ «هوش مصنوعی برای کار من» را روشن کنیم

در مثال آموزشی، شرکت می‌گوید «می‌خواهیم از هوش مصنوعی استفاده کنیم». این جمله هنوز یک پروژه نیست. اگر نیاز را به «پاسخ به سؤال‌های عمومی ارسال کالا در سایت» محدود کنیم، ورودی سؤال بازدیدکننده، منبع شرایط ارسال و خروجی پاسخ یا ارجاع روشن می‌شود. اگر نیاز «دیدن وضعیت سفارش همین شخص» باشد، اتصال و کنترل دسترسی هم به کار اضافه می‌شود.

برای شروع، سه جمله بنویسید: ورودی من چیست؟ نتیجه لازم چیست؟ چه چیزی نباید بدون بررسی انجام شود؟ سپس یک نمونه معمول، یک نمونه ناقص و یک مورد خارج از دامنه آماده کنید. این تمرین برای انتخاب مسیر است و گزارش اجرای یک مشتری یا تضمین نتیجه محسوب نمی‌شود.

۳ · کاربرد در ارتباط با مشتری

از یادگیری تا پاسخ‌گویی و پیگیری

کاربردهای مشتری‌محور نیز یک مسئله واحد نیستند. پاسخ‌گویی به تلفن ورودی، پیگیری پس از ارسال پیشنهاد، جواب سؤال سایت و ارزیابی کیفیت گفت‌وگو به مسیرهای متفاوتی نیاز دارند. با مشخص‌کردن نتیجه، انتخاب خدمت و تعریف آزمون هم روشن‌تر می‌شود.

برای پیگیری، ابتدا آخرین توافق، مسئول و قدم بعد را بنویسید. برای پاسخ‌گویی، منبع معتبر و موضوع‌های نیازمند ارجاع را مشخص کنید. برای تحلیل، شاهد هر ارزیابی باید قابل بازبینی باشد. مسیر شروع و راه‌اندازی با تیم اپرا کمک می‌کند بدانید چه اطلاعاتی آماده کنید و چه چیزی پیش از اجرا باید روشن شود.

اگر هنوز درباره سناریو تصمیم نگرفته‌اید، درخواست بررسی نیاز ثبت کنید. توضیح کوتاه مسئله و خروجی مورد انتظار برای شروع کافی است؛ تعهد زمان، قیمت اختصاصی، اتصال و دامنه اجرا باید در پیشنهاد مشخص شوند.

۴ · اجرا روی کامپیوتر یا استفاده از سرویس

برای هوش مصنوعی کارت گرافیک لازم است؟

می‌خواهید اولین مدل را روی دستگاه خودتان اجرا کنید؟ آموزش نصب Ollama و گرفتن اولین پاسخ مراحل نصب، دریافت مدل کوچک، آزمایش و رفع خطا را توضیح می‌دهد.

پاسخ به کاری بستگی دارد که روی دستگاه خود انجام می‌دهید. استفاده از یک سرویس با اجرای محلی مدل یکسان نیست. برای اجرای محلی، مدل، نوع پردازش، حافظه و محدودیت‌های نرم‌افزار مهم‌اند؛ از بزرگ‌بودن عدد حافظه یا نام کارت، سرعت و تناسب را نتیجه نگیرید.

از راهنمای انتخاب کارت گرافیک برای هوش مصنوعی و مقایسه CPU و GPU برای اجرای مدل استفاده کنید. اگر فقط می‌خواهید کار را به یک سرویس بسپارید، ابتدا روش دریافت و خروجی آن را بررسی کنید؛ خرید سخت‌افزار پیش‌شرط عمومی همه کاربردها نیست.

پرامپت‌نویسی کجای مسیر است؟

پرامپت یعنی شرح کار و شرایطی که به مدل می‌دهید. یک درخواست خوب، وظیفه، داده مرجع، قالب خروجی و رفتار در نبود اطلاعات را روشن می‌کند. برای نمونه: «از متن زیر فقط اقدام‌های صریح را استخراج کن؛ اگر مسئول یا موعد نوشته نشده، نامشخص بنویس.» برای تمرین، آموزش پرامپت‌نویسی با نمونه قابل ارزیابی را ببینید. متن دستور، صحت منبع یا مجوز اقدام را به‌تنهایی تضمین نمی‌کند.

۵ · مسیرهای موضوعی

موضوع موردنیازتان را پیدا کنید

این مسیرها، آموزش عمومی را به مسئله کاربردی و سپس خدمت مرتبط وصل می‌کنند. اصطلاح‌های نزدیک در یک مقصد مشترک پوشش داده شده‌اند تا برای هر مترادف صفحه‌ای تکراری نسازیم.

۶ · کتابخانه آموزش‌های مکمل

از سؤال عمومی به راهنمای دقیق‌تر

برای بررسی جزئی‌تر، آموزش‌ها را با موضوع یا بخشی از عنوان پیدا کنید. جست‌وجوی این فهرست در مرورگر انجام می‌شود و چیزی ارسال نمی‌کند.

عنوانی با این عبارت پیدا نشد. عبارت کوتاه‌تر یا موضوع نزدیک را امتحان کنید.