مقدمه

خوش‌ اومدید :)

یه سلام کوئرایی!

هوش مصنوعی مولد

اهمیت هوش مصنوعی مولد

انواع ابزارهای هوش مصنوعی

دستیار مجازی در مقابل چت‌بات

مهندسی پرامپت چیست؟

مسیر یادگیری در کوئرا کالج

آنچه خواهیم دید...

چت‌بات‌ها و پرامپت

فضای کوئرا کالج

اهداف فصل

مدل‌های نوین: VLM ،LLM و Diffusion

آموزش و Fine-tune کردن مدل‌ها

کوییزهای کوئرا کالج

کوییز

معرفی پلتفرم‌های هوش مصنوعی

معرفی ChatGPT

معرفی Microsoft Copilot

معرفی Gemini

معرفی Claude

معرفی DeepSeek

معرفی Grok

مقایسه مدل‌ها

معرفی Perplexity

اولین پرامپت

پرامپت چیست؟

انواع پرامپت

پرامپت خوب و پرامپت بد

محدودیت‌های هوش مصنوعی

حداکثر توکن مجاز

الگوهای پایه در پرامپت

پترن چیست؟

مدل باشخصیت!

بهبود سوال

تأییدکننده شناختی

مخاطب باشخصیت!

تکنیک سطح دانش

تعامل معکوس

بازی!

بازی سازی

تمپلیت

ساخت متا لنگویج

دستور پخت!

روش‌های جایگزین

ورودی بخواه!

منو

چک کردن فکت‌ها

تولید از انتها

فیلتر معنایی

گسترش

ترکیب کن!

تکنیک‌های پیشرفته در مهندسی پرامپت

یادگیری درون محتوا

پرامپت‌نویسی با مثال

تولید افکار

تجزیه‌ی مسئله

انتقاد از خود

پرامپت‌نویسی هدف محور یا فرآیند محور

پرامپت‌نویسی تولید دانش

دکوریتورها

متا پرامپتینگ

نکات مهم در پرامپت‌نویسی

پرامپت هکینگ

پرامپت هکینگ چیست؟

تزریق دستور

نَشت درخواست

فرار از زندان!

تفاوت تزریق دستور و جیلبریکینگ

بازیگری

روش‌های دیگر - ۱

روش‌های دیگر - ۲

هک اخلاقی؟

مهندسی پرامپت در برنامه‌نویسی

ابزارهای برنامه نویسی

تولید کد

دیباگ کد

UI/UX

طراحی وب

علوم داده

تست و بهبود عملکرد

مدیریت پروژه

ابزارهای هوش‌مصنوعی

ابزارهای تولید تصویر

استفاده از DALL·E

ابزارهای تولید ویدئو

ابزارهای تولید صدا

ابزارهای تولید موسیقی

ترجمه و گفتار

ابزارهای ارائه

ابزارهای نوشتن

ابزارهای تحقیق و مقاله‌نویسی

ادامه ابزارهای تحقیق و مقاله‌نویسی

آشنایی با Hugging Face

آینده‌ی مسیر مهندسی پرامپت

مسیر شغلی

مهارت‌های یک مهندس پرامپت

وظایف یک مهندس پرامپت

به‌روز باشید!

مخاطرات هوش مصنوعی

اگر به دنیای هوش مصنوعی و چت‌بات‌ها، که در آینده بیش‌تر با آن‌ها آشنا می‌شوید، علاقه‌مندید، احتمالاً نام هوش مصنوعی مولد یا *Generative Artificial Intelligence* (به اختصار *GenAI* یا *GAI*) را شنیده‌اید. همان‌طور که از نام این دسته از مدل‌ها برمی‌آید، آن‌ها وظیفهٔ تولید را بر عهده دارند؛ یعنی می‌توانند متن، تصویر، صوت، ویدئو، کد و انواع دیگری از محتوا را تولید کنند. امروزه بسیاری از سامانه‌های مولد، چندوجهی هستند؛ یعنی می‌توانند چند نوع داده، مانند متن، تصویر و صوت، را به‌صورت هم‌زمان پردازش یا تولید کنند.

> البته این توصیف چندان تخصصی نیست و در حقیقت نام‌گذاری مدل‌های مولد، به نحوهٔ مدل‌سازی آن‌ها از داده‌ها برمی‌گردد. به‌دلیل این‌که این توصیف، عملکرد مدل‌های مولد را به‌خوبی و ساده بیان می‌کند، به‌همان اکتفا می‌کنیم.

## تاریخچه‌ی هوش مصنوعی مولد

|![تاریخچه‌ی هوش مصنوعی مولد](https://quera.org/qbox/download/2GVNdwhSTw/timeline-on-evolution-of-generative-ai-infographic.webp)|
|:-----:|
|این عکس برگرفته از *Digital for Life* می‌باشد|

این تصویر بخشی از روند تحول هوش مصنوعی مولد را تا حدود سال ۲۰۲۴ نشان می‌دهد؛ در سال‌های بعد، رشد مدل‌های چندوجهی، تولید ویدئو و عامل‌های هوشمند نیز به روندهای مهم این حوزه تبدیل شده‌اند.  

با این مدل‌ها در ادامه بیش‌تر آشنا می‌شوید. اکنون اجازه دهید تا کمی به تاریخچه و پیدایش این مدل‌های هوش‌مصنوعی بپردازیم و البته، چه کسی بهتر از خود این مدل‌ها می‌تواند پاسخ دهد؟!

----------
**متنی که در ادامه مشاهده می‌کنید توسط مدل _GPT-5.5_ در پاسخ به سؤال _«تاریخچه‌ی مدل‌های هوش‌مصنوعی مولد را به اختصار توضیح بده»_ ایجاد شده است.**

تاریخچهٔ مدل‌های هوش مصنوعی مولد (*Generative AI Models*) شامل چندین مرحلهٔ کلیدی در توسعه و پیشرفت این فناوری است. در ادامه، به‌اختصار به این مراحل اشاره می‌کنم:

### دههٔ ۱۹۵۰ تا ۱۹۸۰
- **آغاز هوش مصنوعی:** در این دوران، اصول اولیهٔ هوش مصنوعی، یادگیری ماشین و شبکه‌های عصبی اولیه شکل گرفت و پایه‌های نظری بسیاری از مدل‌های امروزی گذاشته شد.

### دههٔ ۱۹۹۰
- **گسترش روش‌های آماری و احتمالاتی:** در این دوره، مدل‌های آماری و احتمالاتی نقش مهم‌تری در یادگیری ماشین پیدا کردند و زمینه برای مدل‌سازی بهتر داده‌ها و توسعهٔ روش‌های مولد پیشرفته‌تر فراهم شد.

### دههٔ ۲۰۰۰
- **پیشرفت سخت‌افزار و یادگیری عمیق:** با افزایش توان پردازشی و در دسترس قرار گرفتن داده‌های بیش‌تر، شبکه‌های عصبی بار دیگر مورد توجه قرار گرفتند و زمینه برای جهش بزرگ مدل‌های عمیق در دههٔ بعدی فراهم شد.

### دههٔ ۲۰۱۰
- **معرفی مدل‌های مولد عمیق:** در این دهه، مدل‌های مهمی مانند اتوانکودرهای واریاسیونی (*Variational Autoencoders - VAEs*) در سال ۲۰۱۳ و شبکه‌های خصمانهٔ مولد (*Generative Adversarial Networks - GANs*) در سال ۲۰۱۴ معرفی شدند. این مدل‌ها توانستند کیفیت تولید داده‌هایی مانند تصویر و صوت را به‌طور چشم‌گیری بهبود دهند. 
- **ترنسفورمرها (*Transformers*):** با معرفی مقالهٔ *Attention Is All You Need* در سال ۲۰۱۷، معماری ترنسفورمر وارد عرصه شد. این معماری به یکی از پایه‌های اصلی مدل‌های زبانی بزرگ و بسیاری از سامانه‌های مولد امروزی تبدیل شد.

### دههٔ ۲۰۲۰
- **مدل‌های زبانی بزرگ و عمومی‌شدن هوش مصنوعی مولد:** با معرفی *ChatGPT* در سال ۲۰۲۲، مدل‌های زبانی بزرگ به‌شکلی گسترده وارد زندگی روزمره، آموزش، تولید محتوا و محیط‌های کاری شدند. 
- **رشد مدل‌های انتشار (*Diffusion Models*):** از اوایل دههٔ ۲۰۲۰، مدل‌های انتشار به یکی از فناوری‌های اصلی تولید تصویر و سپس ویدئو تبدیل شدند و کیفیت خروجی‌های بصری را به‌طور چشم‌گیری افزایش دادند. 
- **پیشرفت در مدل‌های چندوجهی:** مدل‌هایی که می‌توانند متن، تصویر، صوت و در برخی موارد ویدئو را در قالب یک سامانهٔ یکپارچه پردازش کنند، به بخش مهمی از اکوسیستم هوش مصنوعی مولد تبدیل شده‌اند.
- **حرکت به‌سوی عامل‌های هوشمند (*Agents*):** در سال‌های اخیر، تمرکز این حوزه فقط بر تولید محتوا نبوده است و سامانه‌هایی توسعه یافته‌اند که می‌توانند از ابزارها استفاده کنند، چند مرحله را پشت سر هم اجرا کنند و برای حل مسئله در محیط‌های دیجیتال عمل کنند.

### چشم‌انداز آینده
- **مدل‌های مولد پیشرفته‌تر و قابل‌اعتمادتر:** با ادامهٔ پژوهش‌ها و پیشرفت‌های فنی، انتظار می‌رود مدل‌های مولد آینده از نظر دقت، کنترل‌پذیری، چندوجهی‌بودن، استفاده از ابزارها و کاربرد در مسائل واقعی پیشرفته‌تر شوند. در کنار این پیشرفت‌ها، موضوعاتی مانند ایمنی، حریم خصوصی، مالکیت فکری و ارزیابی قابلیت‌ها نیز اهمیت بیش‌تری پیدا کرده‌اند.

این تاریخچهٔ مختصر، مسیر تکامل مدل‌های هوش مصنوعی مولد را از آغاز تا امروز به تصویر می‌کشد و نشان می‌دهد که چگونه پیشرفت‌های علمی و فنی به ایجاد مدل‌هایی پیچیده‌تر، کارآمدتر و کاربردی‌تر منجر شده‌اند.

----------
همان‌طور که متوجه شده‌اید، اوج هنرنمایی هوش مصنوعی مولد در همین چند سال اخیر بوده است. با معرفی معماری‌هایی مانند ترنسفورمر، گسترش مدل‌های زبانی بزرگ، رشد مدل‌های انتشار و پیشرفت مدل‌های چندوجهی، این صنعت دچار تحول‌های چشم‌گیری شده است. همچنین ابزارهایی مانند *ChatGPT* باعث شدند هوش مصنوعی مولد بیش از پیش در میان کاربران عمومی، آموزش، شرکت‌ها و صنعت شناخته شود. امروزه آشنایی با نحوهٔ کار با دست‌کم یکی از این ابزارها، بیش از گذشته به یک مهارت مهم و کاربردی تبدیل شده است.

آموزش عملی پرامپت‌نویسی