دوره آموزشی مبانی معماری هوش مصنوعی عاملی: طراحی سیستمهای هوش مصنوعی خودمختار
1 ساعت 2 دقیقهمتوسط2025-05-29
مدرسین

Thomas Erl
جزئیات دوره
سیستمهای هوش مصنوعی عاملمحور (Agentic AI) با سیستمهای پیشبینیکننده یا تولیدکننده محتوا کلی فرق دارن. مثلا سیستمهای پیشبینیکننده مثل اونهایی که به ما میگن قراره فردا هوا چطوری باشه یا فروش یه محصول چقدر میشه، فقط بر اساس دادههای قبلی پیشبینی میکنن. سیستمهای تولیدکننده محتوا مثل چتباتها یا برنامههایی که تصویر یا موسیقی میسازن، کارشون تولید چیز جدیده. اما سیستمهای عاملمحور خودشون هوشمندن، هدف دارن، میتونن شرایط رو بفهمن، فکر کنن، تصمیم بگیرن و به صورت مستقل کار کنن تا یه هدفی رو برسونن.
این سیستمها اول محیط اطرافشون رو میبینن (مثل چشمای خودمون یا حسگرها)، بعد فکر میکنن که چیکار باید بکنن، تصمیم میگیرن، عمل میکنن و از نتیجهای که میگیرن یاد میگیرن و بهتر میشن. مثلا یه ربات که میخواد تو یه انبار کار کنه، همزمان چندتا کار انجام میده، مشکلات رو حل میکنه و حتی از اشتباهاتش درس میگیره. گاهی هم چندتا عامل هوش مصنوعی با هم همکاری میکنن تا یه پروژه بزرگتر رو انجام بدن.
برای ساخت این سیستمها میشه از چند نوع عامل هوشمند استفاده کرد:
عاملهای واکنشی که سریع به اتفاقات واکنش میدن؛
عاملهای برنامهریز که قبل از عمل، خوب فکر میکنن؛
عاملهای یادگیرنده که از تجربههاشون چیزای جدید یاد میگیرن؛
و عاملهای همکار که با بقیه عاملها کار تیمی میکنن.
یه سیستم میتونه ترکیبی از اینها باشه و قدرتمندتر بشه.
معماریهای پایهای که این سیستمها روش ساخته میشن، مثل مدل «باورها-خواستهها-قصدها» (BDI) هستن که بر اساس باورها و خواستههای یک عامل تصمیم میگیرن. چارچوبهایی مثل PEAS هم کمک میکنن تا ببینیم سیستم تو چه محیطی کار میکنه و چه ابزارهایی داره. علاوه بر این، معماریهای چندعاملی و مدلهای شناختی که از مغز انسان الهام گرفتن هم استفاده میشن.
این دوره با بیش از ۱۰۰ شکل و تصویر آموزشی، به زبان ساده و بدون اصطلاحات سخت توضیح میده که چطور این سیستمهای عاملمحور ساخته میشن و چطور هر عامل میتونه درک کنه، فکر کنه، عمل کنه، یاد بگیره و با بقیه همکاری کنه تا سیستمهای هوشمند و مستقل ساخته بشن که فراتر از پیشبینی یا تولید محتوا هستن.
اهداف یادگیری دوره
شناخت تفاوتهای اصلی بین سیستمهای پیشبینیکننده، تولیدکننده و عاملمحور.
درک نحوه عملکرد سیستمهای هوش مصنوعی عاملمحور در محیطهای مختلف.
آشنایی با انواع مختلف عاملهای هوش مصنوعی و کاربردهای آنها.
یادگیری معماریهای پایهای و مدلهای ساخت سیستمهای عاملمحور.
یادگیری چگونگی طراحی سیستمهای هوشمند که میتوانند به صورت مستقل و تیمی کار کنند.
توانایی تحلیل و ارزیابی عملکرد سیستمهای عاملمحور در مسائل پیچیده.
توسعه مهارتهای عملی با استفاده از تصاویر و نمودارهای آموزشی.
آشنایی با کاربردهای عملی و دنیای واقعی عاملهای هوش مصنوعی.
درک نحوه یادگیری و بهبود سیستمهای عاملمحور در طول زمان.
آشنایی با مفاهیم همکاری بین چند عامل هوش مصنوعی برای حل مسائل بزرگتر.
این سیستمها اول محیط اطرافشون رو میبینن (مثل چشمای خودمون یا حسگرها)، بعد فکر میکنن که چیکار باید بکنن، تصمیم میگیرن، عمل میکنن و از نتیجهای که میگیرن یاد میگیرن و بهتر میشن. مثلا یه ربات که میخواد تو یه انبار کار کنه، همزمان چندتا کار انجام میده، مشکلات رو حل میکنه و حتی از اشتباهاتش درس میگیره. گاهی هم چندتا عامل هوش مصنوعی با هم همکاری میکنن تا یه پروژه بزرگتر رو انجام بدن.
برای ساخت این سیستمها میشه از چند نوع عامل هوشمند استفاده کرد:
عاملهای واکنشی که سریع به اتفاقات واکنش میدن؛
عاملهای برنامهریز که قبل از عمل، خوب فکر میکنن؛
عاملهای یادگیرنده که از تجربههاشون چیزای جدید یاد میگیرن؛
و عاملهای همکار که با بقیه عاملها کار تیمی میکنن.
یه سیستم میتونه ترکیبی از اینها باشه و قدرتمندتر بشه.
معماریهای پایهای که این سیستمها روش ساخته میشن، مثل مدل «باورها-خواستهها-قصدها» (BDI) هستن که بر اساس باورها و خواستههای یک عامل تصمیم میگیرن. چارچوبهایی مثل PEAS هم کمک میکنن تا ببینیم سیستم تو چه محیطی کار میکنه و چه ابزارهایی داره. علاوه بر این، معماریهای چندعاملی و مدلهای شناختی که از مغز انسان الهام گرفتن هم استفاده میشن.
این دوره با بیش از ۱۰۰ شکل و تصویر آموزشی، به زبان ساده و بدون اصطلاحات سخت توضیح میده که چطور این سیستمهای عاملمحور ساخته میشن و چطور هر عامل میتونه درک کنه، فکر کنه، عمل کنه، یاد بگیره و با بقیه همکاری کنه تا سیستمهای هوشمند و مستقل ساخته بشن که فراتر از پیشبینی یا تولید محتوا هستن.
اهداف یادگیری دوره
شناخت تفاوتهای اصلی بین سیستمهای پیشبینیکننده، تولیدکننده و عاملمحور.
درک نحوه عملکرد سیستمهای هوش مصنوعی عاملمحور در محیطهای مختلف.
آشنایی با انواع مختلف عاملهای هوش مصنوعی و کاربردهای آنها.
یادگیری معماریهای پایهای و مدلهای ساخت سیستمهای عاملمحور.
یادگیری چگونگی طراحی سیستمهای هوشمند که میتوانند به صورت مستقل و تیمی کار کنند.
توانایی تحلیل و ارزیابی عملکرد سیستمهای عاملمحور در مسائل پیچیده.
توسعه مهارتهای عملی با استفاده از تصاویر و نمودارهای آموزشی.
آشنایی با کاربردهای عملی و دنیای واقعی عاملهای هوش مصنوعی.
درک نحوه یادگیری و بهبود سیستمهای عاملمحور در طول زمان.
آشنایی با مفاهیم همکاری بین چند عامل هوش مصنوعی برای حل مسائل بزرگتر.
مهارت ها
Software ArchitectureAI for Business FoundationsArtificial Intelligence FoundationsArtificial Intelligence for BusinessArtificial Intelligence (AI)Software DevelopmentOne-Off
سرفصل ها
۰. مقدمه
- 01 - مقدمه
- 02 - آنچه باید بدانید
۱. اصول اولیه سیستم هوش مصنوعی عاملدار
- 03 - سیستمهای هوش مصنوعی عاملدار و عاملهای هوش مصنوعی مستقل
- 04 - مقایسه سیستم هوش مصنوعی
- 05 - انواع عاملهای هوش مصنوعی خودمختار
- 06 - حلقه تعامل عامل-محیط
۲. ماژولهای عامل هوش مصنوعی خودمختار اصلی
- 07 - ماژول ادراک
- 08 - ماژول استدلال
- 09 - ماژول اکشن
- 10 - ماژول یادگیری
۳. معماری راهکار هوش مصنوعی عاملگرا
- 11 - استفاده از ماژول عامل هوش مصنوعی
- 12 - معماریهای عامل هوش مصنوعی
- 13 - سیستمهای هوش مصنوعی عاملدار، مانیتور میکنند
- 14 - معماریهای پایه سیستم هوش مصنوعی عاملگرا
نتیجهگیری
- 15 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی معماریهای ارتباطی راهکار هوش مصنوعی عاملی (Agentic AI)
- دوره آموزشی کارگاه امنیت میکروسرویسها: از ساخت تا استقرار در محیط عملیاتی
- دوره آموزشی ساخت میکروسرویسهای مقیاسپذیر با TypeScript و Node.js
- دوره آموزشی چرخه حیات توسعه نرمافزار (SDLC)
- دوره آموزشی معماری نرمافزار: الگوهایی برای توسعهدهندگان
- دوره آموزشی معماری ابری: مفاهیم پیشرفته
- دوره آموزشی الگوهای طراحی راهکارهای هوش مصنوعی: داده، آموزش مدل، و معماریهای کاربردی
- دوره آموزشی امنیت در میکروسرویسها