دوره آموزشی ارزیابی سیستمهای هوش مصنوعی با رویکرد انسانی
1 ساعت 30 دقیقهمتوسط2026-06-30
مدرسین

Humane Intelligence

Mala Kumar

Annie Brown

Theodora Skeadas
جزئیات دوره
این دوره به متخصصان غیرمهندس کمک میکند تا بتوانند سیستمهای هوش مصنوعی را بهتر درک، ارزیابی و مدیریت کنند. تمرکز اصلی دوره بر استفاده از هوش انسانی (Human Intelligence) برای بررسی عملکرد AI و اطمینان از هماهنگی آن با مأموریتها، ارزشها و نیازهای واقعی سازمانها است.
در این دوره با روشهای عملی ارزیابی مبتنی بر حوزه (Domain-Driven AI Evaluation) آشنا میشوید و یاد میگیرید چگونه سیستمهای هوش مصنوعی را در شرایط واقعی و معنادار، مانند حوزههای سلامت عمومی، آموزش، سیاستگذاری و خدمات اجتماعی، مورد آزمایش قرار دهید.
این دوره به شما نشان میدهد چگونه ارزیابیهای Human-in-the-Loop را طراحی و اجرا کنید؛ یعنی فرآیندی که در آن انسانها بهصورت هدفمند خروجیهای AI را بررسی کرده و کیفیت، دقت، انصاف و همراستایی آنها را ارزیابی میکنند. همچنین یاد میگیرید چگونه مشکلاتی مانند سوگیری الگوریتمی (AI Bias)، عدم تطابق با اهداف سازمانی و ریسکهای احتمالی را در مراحل اولیه توسعه شناسایی و کاهش دهید.
با مشاهده گفتگوهای تخصصی، تمرینهای واقعی و نمونههای کاربردی، مفاهیم انتزاعی هوش مصنوعی را به روشهای عملی برای ارزیابی و تصمیمگیری تبدیل خواهید کرد.
این دوره برای افرادی طراحی شده است که در تصمیمگیری درباره پذیرش و استفاده از AI نقش دارند، حتی اگر پیشزمینه فنی یا مهندسی نداشته باشند. پس از پایان دوره، توانایی طراحی چارچوبهای ارزیابی AI، ایجاد Taxonomy و Ontology، اجرای فرآیندهای ارزیابی و مدیریت ریسکهای مرتبط با هوش مصنوعی را به دست خواهید آورد.
مخاطبان مناسب دوره:
مدیران و متخصصانی که در تصمیمگیری برای استفاده از هوش مصنوعی نقش دارند
تیمهای مأموریتمحور و سازمانهای فعال در حوزه تأثیر اجتماعی
سازمانهایی که از AI برای خدمات عمومی یا اهداف اجتماعی استفاده میکنند
مدیران محصول (Product Managers)
مدیران برنامه و پروژه (Program Leads)
تیمهای سیاستگذاری (Policy Teams)
متخصصان محتوا، عملیات و کسبوکار
🎯 اهداف یادگیری
پس از پایان این دوره، شما قادر خواهید بود:
مفهوم ارزیابی انسانمحور سیستمهای هوش مصنوعی (Human-Centered AI Evaluation) را درک کرده و اهمیت آن را برای سازمانها توضیح دهید.
روشهای ارزیابی AI مبتنی بر نیازهای واقعی حوزه کسبوکار و سازمانی (Domain-Driven Evaluation) را به کار بگیرید.
چارچوبهای ارزیابی سیستمهای هوش مصنوعی را بر اساس مأموریتها، ارزشها و اهداف سازمان طراحی کنید.
فرآیندهای Human-in-the-Loop را برای بررسی و بهبود عملکرد مدلهای AI اجرا کنید.
خروجیهای سیستمهای هوش مصنوعی را از نظر کیفیت، دقت، انصاف و همراستایی ارزیابی کنید.
سوگیریهای احتمالی (AI Bias) و مشکلات عدم تطابق مدلهای AI با نیازهای واقعی را شناسایی کنید.
Taxonomy و Ontologyهای مناسب برای دستهبندی و تحلیل دادهها و خروجیهای AI طراحی کنید.
ارزیابیهای عملی هوش مصنوعی را در حوزههایی مانند سلامت، آموزش و خدمات عمومی انجام دهید.
ریسکهای مرتبط با پذیرش و استفاده از سیستمهای AI را شناسایی کرده و راهکارهای کاهش آنها را توسعه دهید.
در تصمیمگیریهای مرتبط با پذیرش، مدیریت و استفاده مسئولانه از فناوریهای هوش مصنوعی مشارکت مؤثر داشته باشید.
در این دوره با روشهای عملی ارزیابی مبتنی بر حوزه (Domain-Driven AI Evaluation) آشنا میشوید و یاد میگیرید چگونه سیستمهای هوش مصنوعی را در شرایط واقعی و معنادار، مانند حوزههای سلامت عمومی، آموزش، سیاستگذاری و خدمات اجتماعی، مورد آزمایش قرار دهید.
این دوره به شما نشان میدهد چگونه ارزیابیهای Human-in-the-Loop را طراحی و اجرا کنید؛ یعنی فرآیندی که در آن انسانها بهصورت هدفمند خروجیهای AI را بررسی کرده و کیفیت، دقت، انصاف و همراستایی آنها را ارزیابی میکنند. همچنین یاد میگیرید چگونه مشکلاتی مانند سوگیری الگوریتمی (AI Bias)، عدم تطابق با اهداف سازمانی و ریسکهای احتمالی را در مراحل اولیه توسعه شناسایی و کاهش دهید.
با مشاهده گفتگوهای تخصصی، تمرینهای واقعی و نمونههای کاربردی، مفاهیم انتزاعی هوش مصنوعی را به روشهای عملی برای ارزیابی و تصمیمگیری تبدیل خواهید کرد.
این دوره برای افرادی طراحی شده است که در تصمیمگیری درباره پذیرش و استفاده از AI نقش دارند، حتی اگر پیشزمینه فنی یا مهندسی نداشته باشند. پس از پایان دوره، توانایی طراحی چارچوبهای ارزیابی AI، ایجاد Taxonomy و Ontology، اجرای فرآیندهای ارزیابی و مدیریت ریسکهای مرتبط با هوش مصنوعی را به دست خواهید آورد.
مخاطبان مناسب دوره:
مدیران و متخصصانی که در تصمیمگیری برای استفاده از هوش مصنوعی نقش دارند
تیمهای مأموریتمحور و سازمانهای فعال در حوزه تأثیر اجتماعی
سازمانهایی که از AI برای خدمات عمومی یا اهداف اجتماعی استفاده میکنند
مدیران محصول (Product Managers)
مدیران برنامه و پروژه (Program Leads)
تیمهای سیاستگذاری (Policy Teams)
متخصصان محتوا، عملیات و کسبوکار
🎯 اهداف یادگیری
پس از پایان این دوره، شما قادر خواهید بود:
مفهوم ارزیابی انسانمحور سیستمهای هوش مصنوعی (Human-Centered AI Evaluation) را درک کرده و اهمیت آن را برای سازمانها توضیح دهید.
روشهای ارزیابی AI مبتنی بر نیازهای واقعی حوزه کسبوکار و سازمانی (Domain-Driven Evaluation) را به کار بگیرید.
چارچوبهای ارزیابی سیستمهای هوش مصنوعی را بر اساس مأموریتها، ارزشها و اهداف سازمان طراحی کنید.
فرآیندهای Human-in-the-Loop را برای بررسی و بهبود عملکرد مدلهای AI اجرا کنید.
خروجیهای سیستمهای هوش مصنوعی را از نظر کیفیت، دقت، انصاف و همراستایی ارزیابی کنید.
سوگیریهای احتمالی (AI Bias) و مشکلات عدم تطابق مدلهای AI با نیازهای واقعی را شناسایی کنید.
Taxonomy و Ontologyهای مناسب برای دستهبندی و تحلیل دادهها و خروجیهای AI طراحی کنید.
ارزیابیهای عملی هوش مصنوعی را در حوزههایی مانند سلامت، آموزش و خدمات عمومی انجام دهید.
ریسکهای مرتبط با پذیرش و استفاده از سیستمهای AI را شناسایی کرده و راهکارهای کاهش آنها را توسعه دهید.
در تصمیمگیریهای مرتبط با پذیرش، مدیریت و استفاده مسئولانه از فناوریهای هوش مصنوعی مشارکت مؤثر داشته باشید.
مهارت ها
AI for Data AnalysisAI Literacy for EveryoneAI Foundations and LiteracyAI Productivity and Everyday UseArtificial Intelligence (AI)Business Analysis and StrategyOne-Off
سرفصل ها
مقدمه
- شما میتوانید سیستمهای هوش مصنوعی بهتری بسازید
ساخت اولین ارزیابی هوش مصنوعی شما - تیم قرمز
- چرا ارزیابیهای هوش مصنوعی مهم هستند
- تیم قرمز و سایر ارزیابیها در عمل
- کارگاه آموزشی تیم قرمز هوش مصنوعی از ابتدا تا انتها
- مقدمهای بر پروژه کوچک (تمرین تیم قرمز پیتزا فروشی)
ارزیابیهای زمینهای هوش مصنوعی
- نگاشت فضاهای مسئله - رویکردهای گراف دانش طبقهبندی در مقابل هستیشناسی
- پروژه کوچک - استراتژی ارزیابی خود را انتخاب و توجیه کنید
طراحی طبقهبندیها و هستیشناسیها
- طیف ارزیابی - از کاملاً خودکار تا کاملاً انسانی
- طبقهبندیها و هستیشناسیها در عمل
- پروژه کوچک - تنظیم طبقهبندی شما
شناسایی حالتهای شکست هوش مصنوعی
- سوگیری در دادهها و مدلها
- واقعیت و توهم
- گمراهی و اتکای بیش از حد
- خطرات امنیتی و خصمانه
- پروژه کوچک - شناسایی ریسکهای اولویتدار برای نقد و بررسیهای جعلی رستورانهای پیتزا
اجرای ارزیابی
- انتخاب سریع و طراحی سناریو (حکمرانی)
- بهترین شیوههای تشکیل تیم قرمز
- بررسی تخصصی و حاشیهنویسی در تیم قرمز
- پروژه کوچک - طرح تیم قرمز خود را پیشنویس کنید
پروژه نهایی - از یافتهها تا تصمیمگیری
- درک دادههای تیم قرمز
- حالا نتیجه کار با تیم قرمز چیست؟
- استراتژیها و اقدامات حفاظتی برای کاهش خطرات
- پروژه کوچک - بهترین مدل هوش مصنوعی را انتخاب کنید و ارزیابی خود را نهایی کنید
- منابع تکمیلی و مراحل بعدی