تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی مسئولیت‌پذیری در هوش مصنوعی: ساخت سیستم‌های مسئولانه و شفاف

دوره آموزشی مسئولیت‌پذیری در هوش مصنوعی: ساخت سیستم‌های مسئولانه و شفاف

2 ساعت 57 دقیقهمبتدی2025-08-20

مدرسین

Barton Poulson

Barton Poulson

Professor, Designer, Data Analytics Expert

جزئیات دوره

هوش مصنوعی می‌تونه برای کسب‌وکارها یه جهش بزرگ در عملکرد و سودآوری ایجاد کنه، اما در عین حال می‌تونه یه عالمه چالش‌های اخلاقی، قانونی و اجتماعی هم به همراه داشته باشه. تو این دوره غیر فنی و مفهومی، Barton Poulson به بررسی خطرات هوش مصنوعی مولد (Generative AI) می‌پردازه و راهکارهایی برای رفع برخی از نگرانی‌های کلیدی ارائه می‌کنه.

Barton مسائل اخلاقی مرتبط با AI مثل مفهوم عدالت و استدلال اخلاقی رو بررسی می‌کنه. همچنین به نگرانی‌های اجتماعی و چالش‌های ایمنی در هوش مصنوعی می‌پردازه، مثل سناریوهای حیاتی در پزشکی و کاربردهای نظامی. در پایان، توصیه‌هایی برای توسعه‌دهنده‌ها، مدیران، متخصصین PR، قانون‌گذاران و مصرف‌کننده‌ها ارائه می‌شه تا بتونن از پتانسیل‌های AI مولد به روشی امن، قابل اعتماد و سودآور استفاده کنن.

این دوره شامل تمرین‌های شبیه‌سازی مبتنی بر AI (AI-powered Role Play) هم هست، که به شما کمک می‌کنه مهارت‌های جدید رو تو سناریوهای واقعی تمرین کنین و یادگیری عملی داشته باشین.

اهداف یادگیری
مرور چالش‌های هوش مصنوعی و درک ریسک‌های اون.
استفاده از هوش مصنوعی محدود (Narrow AI) در تصمیم‌گیری‌های عملی.
آشنایی با دو رویکرد اصلی در مواجهه با مسائل AI.
بررسی مفاهیم یادگیری نظارت‌شده و بدون نظارت (Supervised & Unsupervised Learning).
توضیح نحوه‌ی ایجاد یا جلوگیری از آزار و اذیت توسط AI.
شناخت سه مفهوم اصلی که عدالت توزیعی (Distributive Justice) بر اساس اون‌ها ساخته شده.

مهارت ها

Responsible AIArtificial Intelligence (AI)One-Off

سرفصل ها

۰. مقدمه

  • 01 - خوش آمدید

۱. زمینه برای هوش مصنوعی

  • 02 - وعده هوش مصنوعی
  • 03 - هوش مصنوعی مولد و تحلیلی
  • 04 - هوش مصنوعی عمومی و محدود
  • 05 - هوش مصنوعی عمومی (AGI)

۲. چالش‌های فنی هوش مصنوعی

  • 06 - چالش‌های فنی برای هوش مصنوعی مولد
  • 07 - چالش خطاهای طبقه‌بندی
  • 08 - علل خطاهای طبقه‌بندی
  • 09 - سوگیری در هوش مصنوعی
  • 10 - ژانرهای یادگیری
  • 11 - داده‌های آموزشی مغرضانه
  • 12 - اعتبار سازه
  • 13 - فقدان معنا
  • 14 - آسیب‌پذیری در برابر حملات
  • 15 - حمله با هوش مصنوعی

۳. چالش‌های اجتماعی هوش مصنوعی

  • 16 - ابعاد عدالت
  • 17 - استدلال اخلاقی
  • 18- مسائل مربوط به اصالت

۴. چالش‌های حقوقی هوش مصنوعی

  • 19 - قوانین GenAI
  • 20- قوانین حفظ حریم خصوصی
  • 21 - تبعیض کاذب
  • 22 - حق توضیح
  • 23 - تبعیض در داده‌ها
  • 24 - تبعیض در اجرا
  • 25 - تبعیض و اطلاعات نادرست در هوش مصنوعی مولد

۵. چالش‌های ایمنی هوش مصنوعی

  • 26 - هوش مصنوعی در موقعیت‌های مرگ و زندگی
  • 27 - هوش مصنوعی در ارتش
  • 28 - چالش‌های هوش مصنوعی نظامی
  • 29 - ایمنی فیزیکی و هوش مصنوعی مولد

۶. مقابله با چالش‌های هوش مصنوعی

  • 30- استراتژی‌هایی برای توسعه‌دهندگان
  • 31- استراتژی‌هایی برای مدیران اجرایی
  • 32- استراتژی‌های روابط عمومی
  • 33- استراتژی‌هایی برای نهادهای نظارتی
  • 34- استراتژی‌هایی برای مصرف‌کنندگان

نتیجه‌گیری

  • 35 - مراحل بعدی

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal