۶ مفهوم هوش مصنوعی که باید بلد باشی! | LLM، RAG، AI Agent و MCP

در این ویدیو می‌خواهیم هوش مصنوعی مدرن را از صفر و به زبان ساده بفهمیم. اگر موقع کار با ChatGPT یا دنبال کردن اخبار AI با اصطلاحاتی مثل LLM، RAG، AI Agent، MCP، Training و System Prompt روبه‌رو شده‌اید و دقیقاً نمی‌دانید هرکدام چه کاری انجام می‌دهند، این ویدیو برای شماست. من پوریا دیانتی هستم برای توضیح این مفاهیم از یک مثال ساده استفاده می‌کنیم: اگر قرار بود یک «انسان مصنوعی» بسازیم، چه چیزهایی لازم داشتیم؟ 🧠 LLM → مغز سیستم هوش مصنوعی 🎓 Training → فرایند آموزش مدل 📚 RAG → دسترسی مدل به اطلاعات و منابع جدید 🛠️ AI Agent → مدلی که می‌تواند از ابزارها استفاده کند و Action انجام دهد 🔌 MCP – Model Context Protocol → استاندارد اتصال AI به ابزارها و منابع داده 📋 System Prompt → دستورالعمل‌ها و قوانین رفتاری مدل همچنین درباره تفاوت AI Agent و LLM، نقش Runtime، Tool Calling، Guardrailها و Prompt Injection هم صحبت می‌کنیم تا تصویر کامل‌تری از سیستم‌های هوش مصنوعی امروزی داشته باشید. اگر می‌خواهید مفاهیم هوش مصنوعی، Machine Learning و AI Agentها را بدون توضیحات پیچیده و با تصویر و مثال یاد بگیرید، کانال را Subscribe کنید. ویدیوهای بعدی این مجموعه می‌روند سراغ موضوعاتی مثل: Loss → Gradient → Gradient Descent → Neural Networks → Transformers → LLMs #هوش_مصنوعی #AI #AIAgent #LLM #RAG #MCP #ChatGPT تگ‌ها هوش مصنوعی, آموزش هوش مصنوعی, هوش مصنوعی به زبان ساده, هوش مصنوعی مدرن, ai, artificial intelligence, آموزش ai, llm, مدل زبانی بزرگ, large language model, rag, rag چیست, ai agent, ایجنت هوش مصنوعی, آموزش ai agent, mcp, آموزش mcp, mcp چیست, model context protocol, system prompt, system prompt چیست, training ai, آموزش مدل هوش مصنوعی, chatgpt, agentic ai, ai agents, tool calling, prompt engineering, machine learning, یادگیری ماشین