هوش مصنوعی یک چیز واحد نیست؛ خانوادهای از رویکردهاست که طی هفت دهه لایهبهلایه روی هم بنا شدهاند. درک این نقشه، پیشنیازِ هر تصمیمِ مدیریتیِ درست است.
لایههای تودرتوی هوش مصنوعی
هوش مصنوعی (AI)
چترِ کلی: هر سامانهای که رفتارِ هوشمندانه نشان دهد — از قاعدهمحور تا یادگیرنده.
یادگیری ماشین (ML)
یادگیری الگو از داده بهجای قاعدهٔ دستی؛ نظارتشده، بدوننظارت و تقویتی.
یادگیری ژرف (DL)
شبکههای عصبیِ چندلایه؛ موتورِ جهشِ یک دههٔ اخیر.
هوش مصنوعیِ مولد
تولیدِ متن، تصویر، صوت و کد؛ مبتنی بر مدلهای بنیادین.
گونهشناسی بر اساس معماری و وظیفه
هر خانواده برای دستهٔ متفاوتی از مسائل بهینه است.
| خانواده | نمونه | کاربردِ شاخص |
|---|---|---|
| Encoder-only | BERT | درک و طبقهبندیِ متن، جستوجوی معنایی |
| Decoder-only | GPT, Qwen, Llama | تولید متن، گفتوگو، عاملها |
| Encoder-decoder | T5 | ترجمه، خلاصهسازی |
| Diffusion | Stable Diffusion | تولید تصویر و ویدئو |
| Mixture-of-Experts | Mixtral | کارایی بالا با فعالسازیِ بخشی از مدل |
| مدلهای استدلالی | o-series, DeepSeek-R1 | تفکر چندمرحلهای، حل مسئلهٔ پیچیده |
هوش مصنوعیِ مولد در برابر عاملمحور
مولد (Generative)
به پرسش پاسخ میدهد و محتوا تولید میکند؛ منفعل و تکمرحلهای.
عاملمحور (Agentic)
هدف میگیرد، برنامه میریزد، ابزار بهکار میبرد و چندمرحلهای اقدام میکند.
نکتهٔ مدیریتی
برای هر مسئله، سادهٔترین خانوادهای را انتخاب کنید که کار را انجام میدهد؛ مدلِ بزرگترِ مولد همیشه پاسخِ بهینه نیست.