واژهنامهٔ هوش مصنوعی
چندوجهی چیست؟
مدلهایی که بهطور ذاتی چند نوع داده — متن، تصویر، صوت و ویدیو — را پردازش و تولید میکنند.
معادل انگلیسی
multimodal
تعریف مرجع (انگلیسی)
Models that natively process and generate text, image, audio, video
واژههای دیگر
جستوجوی نزدیکترین همسایهnearest neighbor search
یافتن نقاطی در فضای برداری که کمترین فاصله را با یک بردار پرسش دارند، و پایهٔ جستوجوی شباهت در پایگاههای برداری است.
پرامپت منفیnegative prompt
توصیفی که به مدل تولید تصویر میگوید چه عناصری را در خروجی نیاورد، در کنار توصیف اصلیِ آنچه باید ساخته شود.
شبکهٔ عصبیneural network
مدل محاسباتیِ الهامگرفته از مغز که از لایههایی از واحدهای بههمپیوسته ساخته شده و الگوها را از روی داده میآموزد.
گرهnode
یک ماشین یا سرور منفرد در یک خوشهٔ محاسباتی که معمولاً چند شتابدهنده دارد و بخشی از بار کلی آموزش یا استنتاج را بر عهده میگیرد.
واحد پردازش عصبی (NPU)npu
تراشهای ویژهٔ اجرای شبکههای عصبی که برای استنتاج کممصرف روی دستگاههایی مانند گوشی و رایانهٔ شخصی بهینه شده است.
تشخیص اشیاobject detection
وظیفهای در بینایی ماشین که اشیای موجود در تصویر را شناسایی میکند و موقعیت هرکدام را با یک کادر محصورکننده مشخص میسازد.
همهٔ اصطلاحات را در واژهنامهٔ هوش مصنوعی ببینید، یا کار با هوش مصنوعی را در آموزش از پایه یاد بگیرید.