در واژهنامههوشسامان
این بخش برای کمک به شما در درک اصطلاحات و مفاهیم کلیدی مرتبط با هوش مصنوعی و تکنولوژیهای ما طراحی شده است. چه تازهکار در زمینه هوش مصنوعی باشید و چه یک متخصص که به دنبال تعاریف دقیق است، در اینجا توضیحات شفاف و مختصری برای ارتقای دانش و تجربه شما با ما خواهید یافت.
هوش مصنوعی که برای انجام وظایف خاصی طراحی شده است، مانند چتباتها یا سیستمهای پیشنهاددهی.
تکنیکی در پردازش زبان طبیعی (NLP) که در آن کلمات به بردارهای عددی تبدیل میشوند تا پردازش شوند.
یک سیستم مبتنی بر هوش مصنوعی که به کاربران امکان میدهد با استفاده از فرمانهای صوتی تعامل داشته باشند. این سیستم از تشخیص گفتار و پردازش زبان طبیعی (NLP) برای تفسیر و پاسخگویی به پرسشهای گفتاری استفاده میکند و معمولاً در خدمات مشتری یا دستیارهای مجازی به کار میرود.
دادههایی که برای ارزیابی عملکرد مدل یادگیری ماشین در حین آموزش و تنظیم دقیق پارامترهای آن استفاده میشوند.
نمایش عددی کلمات یا نقاط داده که در مدلهای هوش مصنوعی استفاده میشود.
نرمافزار مبتنی بر هوش مصنوعی که به کاربران در انجام وظایف کمک میکند، مانند Siri یا Alexa.
وضعیتی که در آن یک مدل یادگیری ماشین بیش از حد ساده است و نمیتواند الگوهای اساسی موجود در دادهها را شناسایی کند، که منجر به عملکرد ضعیف میشود.
نوعی یادگیری ماشین که در آن مدل بدون استفاده از دادههای برچسبدار، الگوهای موجود در دادهها را شناسایی میکند.
دادههایی که برای ارزیابی عملکرد یک مدل هوش مصنوعی آموزشدیدهشده استفاده میشوند تا اطمینان حاصل شود که مدل بهخوبی به دادههای جدید و نادیده تعمیم مییابد.
مجموعه دادهای که برای آموزش یک مدل هوش مصنوعی جهت شناسایی الگوها و انجام پیشبینیها یا تصمیمگیریها استفاده میشود.
یک تکنیک یادگیری ماشین که در آن مدلی که برای یک وظیفه توسعه یافته است، برای یک وظیفه دیگر اما مرتبط مجدداً استفاده میشود و نیاز به مجموعه دادههای بزرگ را کاهش میدهد.
یک چارچوب متنباز برای یادگیری ماشین و یادگیری عمیق که توسط گوگل توسعه یافته و بهطور گسترده برای ساخت و آموزش شبکههای عصبی استفاده میشود.
معیاری برای سنجش توانایی یک ماشین در نمایش هوش مشابه انسان در مکالمه.
نوعی یادگیری ماشین که مدل با استفاده از دادههای برچسبدار (جفتهای ورودی-خروجی) آموزش میبیند.
یک الگوریتم یادگیری نظارتشده برای طبقهبندی و رگرسیون که بهترین ابرصفحه را برای جداسازی کلاسهای مختلف در دادهها پیدا میکند.
استفاده از هوش مصنوعی و ابزارهای دیگر برای مدیریت و بهینهسازی حضور در شبکههای اجتماعی، از جمله تولید محتوا، زمانبندی، تعامل، نظارت و تحلیل. این کار به کسبوکارها کمک میکند تا دیدهشدن برند و تعامل با مخاطبان را بهبود بخشند.
فناوری هوش مصنوعی که گفتار را به متن تبدیل میکند.
هوش مصنوعی که احساسات و نظرات را در دادههای متنی شناسایی میکند.
نوعی شبکه عصبی که برای وظایف پیشبینی دنبالهها، مانند پیشبینی سریهای زمانی یا پردازش زبان طبیعی طراحی شده است.
نوعی یادگیری ماشین که در آن عاملها با انجام اقدامات و دریافت پاداش یا جریمه، تصمیمگیری را یاد میگیرند.
استفاده از رباتهای مجهز به هوش مصنوعی برای خودکارسازی فرآیندهای تکراری در کسبوکار.
تکنیکهای هوش مصنوعی که از دادههای تاریخی برای پیشبینی نتایج آینده استفاده میکنند.
مدلی از هوش مصنوعی که ابتدا روی مجموعه دادههای بزرگ آموزش دیده و سپس برای وظایف خاص تنظیم نهایی میشود.
خطای مدلسازی که زمانی رخ میدهد که یک مدل یادگیری ماشین بیش از حد از دادههای آموزشی یاد میگیرد و در نتیجه توانایی تعمیم به دادههای جدید و نادیده را از دست میدهد.
روشی برای بهبود عملکرد مدلهای هوش مصنوعی از طریق تنظیم پارامترها.
شاخهای از هوش مصنوعی که بر تعامل بین کامپیوترها و زبان انسان تمرکز دارد و به ماشینها امکان درک و پاسخگویی به متن یا گفتار را میدهد.
مجموعهای از الگوریتمها که بر اساس ساختار مغز انسان مدلسازی شدهاند و برای شناسایی الگوها از طریق تفسیر دادههای حسی طراحی شدهاند.
استفاده از فناوری برای خودکارسازی وظایف بازاریابی مانند کمپینهای ایمیلی، ارسال پستهای شبکههای اجتماعی، پرورش سرنخها، تقسیمبندی مشتریان و پیگیری عملکرد. این کار باعث بهبود کارایی و هماهنگی در تلاشهای بازاریابی میشود.
یک زیرمجموعه از هوش مصنوعی که شامل آموزش الگوریتمها برای شناسایی الگوها و اتخاذ تصمیمات بر اساس دادهها است.
فرآیند آموزش یک مدل هوش مصنوعی با استفاده از دادههای تاریخی برای انجام پیشبینیها.
هوش مصنوعی که میتواند انواع مختلف دادهها مانند متن، تصویر و صدا را پردازش و درک کند.
مدلهای هوش مصنوعی که بر روی مقادیر زیادی متن آموزش دیدهاند تا زبان مشابه انسان تولید کنند.
یادگیری هوش مصنوعی که بدون تقویت یا نظارت فوری انجام میشود.
یک رابط برنامهنویسی سطح بالا برای شبکههای عصبی که بر روی TensorFlow اجرا میشود و با هدف سادهسازی فرآیند ساخت مدلهای یادگیری عمیق طراحی شده است.
هوش مصنوعی که اشیا، چهرهها یا صحنهها را در تصاویر شناسایی میکند.
فرآیند انجام پیشبینی بر اساس یک مدل آموزشدیده هوش مصنوعی.
فرآیند بهینهسازی پارامترهایی که مدلهای یادگیری ماشین را کنترل میکنند.
یک چارچوب یادگیری ماشین که شامل دو شبکه عصبی است که با یکدیگر رقابت میکنند تا دادههایی مشابه دادههای دنیای واقعی تولید کنند.
هوش مصنوعی که بر اساس دادههای ورودی، محتوای جدیدی مانند متن، تصویر یا موسیقی تولید میکند.
یک سختافزار که فرآیند آموزش مدلهای هوش مصنوعی و محاسبات یادگیری عمیق را تسریع میکند.
فرآیند انتخاب و تبدیل دادههای خام به مجموعهای از ویژگیها که قابل استفاده توسط الگوریتمهای یادگیری ماشین هستند.
فرآیند انتخاب، اصلاح یا ایجاد ویژگیهای جدید برای بهبود عملکرد مدلهای یادگیری ماشین.
یک تکنیک یادگیری ماشین که در آن مدلها روی دستگاههای غیرمتمرکز آموزش داده میشوند، بدون اینکه دادههای خام به اشتراک گذاشته شوند.
سیستمهای هوش مصنوعی که توضیحات شفاف و قابلفهمی از نحوه اتخاذ تصمیمات یا پیشبینیها ارائه میدهند، با هدف بهبود شفافیت و اعتماد.
عملیاتی که دادهها را نزدیکتر به منبع آن (در حاشیه شبکه) پردازش میکند بهجای پردازش در یک مرکز داده متمرکز، که معمولاً برای فعالسازی برنامههای هوش مصنوعی در زمان واقعی استفاده میشود.
عملیاتی که اطمینان حاصل میکند هوش مصنوعی بهطور مسئولانه و بدون آسیب یا سوگیری استفاده میشود.
نوعی از یادگیری ماشین که از شبکههای عصبی با لایههای زیاد برای تحلیل مقادیر زیادی از دادهها استفاده میکند.
فرآیند تحلیل مجموعههای بزرگ داده بهمنظور کشف الگوها، همبستگیها و روندهایی که میتوانند برای تحلیل پیشبینیکننده یا تصمیمگیری مورد استفاده قرار گیرند.
یک تکنیک که برای کاهش تعداد ویژگیها در یک مجموعه داده استفاده میشود، در حالی که تا حد امکان اطلاعات حفظ میشود، و معمولاً در مراحل پیشپردازش به کار میرود.
مدلی که از ساختار درختی برای اتخاذ تصمیمات بر اساس دادههای ورودی استفاده میکند.
رشتهای از هوش مصنوعی که به کامپیوترها امکان میدهد تا ورودیهای بصری مانند تصاویر یا ویدیوها را تفسیر کرده و بر اساس آنها تصمیمگیری کنند.
یک برنامه نرمافزاری که از هوش مصنوعی برای شبیهسازی گفتگو با کاربران استفاده میکند و معمولاً در خدمات مشتری به کار میرود.
یک الگوریتم یادگیری عمیق تخصصی که معمولاً در وظایف بینایی کامپیوتری مانند طبقهبندی تصویر و شناسایی اشیاء استفاده میشود.
یک فناوری که از هوش مصنوعی برای تحلیل مکالمات (متن یا صدا) استفاده میکند تا بینشهایی به دست آورد، تعاملات مشتری را بهبود بخشد، احساسات را تشخیص دهد و استراتژیهای ارتباطی را بهینهسازی کند.
یک ابزار یا پلتفرم مبتنی بر هوش مصنوعی که محتوای دیجیتال، مانند مقالات، وبلاگها یا پستهای شبکههای اجتماعی، را بر اساس پارامترها یا ورودیهای دادهای تعریفشده توسط کاربر ایجاد میکند. این ابزار تولید محتوا را خودکار کرده و در زمان و منابع صرفهجویی میکند.
یک رویکرد بازاریابی که از تلاشهای جمعی یک گروه بزرگ یا جامعه برای ترویج یک محصول، برند یا خدمات استفاده میکند. این رویکرد شامل استفاده از تکنیکهای جمعسپاری و هوش مصنوعی برای بهینهسازی تلاشهای تبلیغاتی و تعاملات است.
فرآیند گروهبندی نقاط داده مشابه بر اساس ویژگیها یا الگوهای خاص، که معمولاً در یادگیری بدون نظارت استفاده میشود.
فناوری هوش مصنوعی که به ماشینها این امکان را میدهد تا به طور طبیعی در زبان انسان درک کرده و پاسخ دهند.
مجموعهای از دادههای متنی که برای آموزش مدلهای هوش مصنوعی استفاده میشود.
مجموعه دادههای بسیار بزرگ که برای تحلیل و استخراج بینشهای معنیدار به فناوریهای پیشرفته پردازش نیاز دارند.
یک خطای سیستماتیک که به دلیل دادههای نادرست، تأثیرات انسانی یا عوامل دیگر به مدلهای هوش مصنوعی وارد میشود و منجر به نتایج ناعادلانه یا نادرست میشود.
یک برنامه خودکار که با کاربران یا سیستمها تعامل میکند، معمولاً در خدمات مشتری یا چتباتها.
روشی گامبهگام برای حل یک مشکل که در هوش مصنوعی برای پردازش دادهها استفاده میشود.
تحلیل پیشبینیکننده: استفاده از آمار و یادگیری ماشین برای پیشبینی نتایج آینده بر اساس دادههای گذشته.
شبیهسازی فرآیندهای هوش انسانی توسط ماشینها، بهویژه سیستمهای کامپیوتری، شامل یادگیری، استدلال و اصلاح خودکار.
یک شبکه از نورونهای مصنوعی که برای شبیهسازی نحوه پردازش اطلاعات در مغز انسان طراحی شده و بهطور گسترده در یادگیری ماشین و یادگیری عمیق استفاده میشود.
یک مدل ریاضی از یک فرآیند که برای پیشبینی یا دستهبندی دادهها بر اساس الگوهای یادگرفتهشده استفاده میشود.
یک شبکه از نورونهای مصنوعی که نحوه پردازش اطلاعات در مغز انسان را شبیهسازی میکند و بهطور گسترده در یادگیری ماشین و یادگیری عمیق به کار میرود.
یک تکنیک در دادهکاوی برای کشف روابط جالب بین متغیرها در مجموعه دادههای بزرگ که معمولاً در تحلیل سبد خرید استفاده میشود.
چارچوب و فرآیندهایی که برای اطمینان از توسعه، اجرا و استفاده مسئولانه، اخلاقی و شفاف از سیستمهای هوش مصنوعی به کار میروند.
مدلی از خدمات ابری که دسترسی به ابزارها، پلتفرمها و فناوریهای هوش مصنوعی را بدون نیاز به ساخت یا نگهداری زیرساخت فراهم میکند.
فرآیند خودکارسازی استفاده از مدلهای یادگیری ماشین.