دوره آموزشی یادگیری XAI: هوش مصنوعی قابل توضیح

تو این دوره، جازمیا هنری به بررسی عوامل داده‌ای و ریاضی‌ای می‌پردازه که باعث ایجاد سوگیری (bias) تو هوش مصنوعی‌های مولد (Generative AI) می‌شن. یاد می‌گیری چطوری با مدیریت داده‌ها، تحلیل‌های آماری و محدودیت‌های بعد از آموزش مدل، می‌شه از سوگیری‌های مضر داخل این مدل‌ها جلوگیری کرد.
با مثال‌ها و مطالعات موردی واقعی، این دوره بهت کمک می‌کنه که استراتژی‌هایی رو یاد بگیری و به کار ببری تا سیستم‌های هوش مصنوعی عادلانه‌تر و شفاف‌تر ساخته بشن و از تبعیض‌های ناخواسته جلوگیری بشه.

اهداف یادگیری
درک منابع داده‌ای و فرضیات ریاضی پشت هوش مصنوعی مولد که منجر به نتایج سوگیرانه می‌شه
شناسایی و ارزیابی سوگیری‌ها در مدل‌های زبان بزرگ (LLM) با استفاده از مدیریت داده، تحلیل آماری و روش‌های جایگزین (counterfactual)
اجرای تکنیک‌های عملی برای محدود کردن مدل‌ها پس از استقرار به منظور کاهش خطر بازگشت سوگیری
استفاده از معیارهای تساوی (parity metrics) برای اندازه‌گیری و تنظیم سطح سوگیری در خروجی مدل
بررسی مطالعات موردی درباره مدل‌های زبان سوگیر، ارزیابی شکست‌ها و فرصت‌های بهبود روش‌های آموزشی