دوره آموزشی ساخت سیستمهای هوش مصنوعی قابلاعتماد: شفافیت، قابلیت توضیح و کنترل با استاندارد ISO/IEC TR 24028
1 ساعت 18 دقیقهمتوسط2025-01-29
مدرسین

Lyron Andrews
جزئیات دوره
با توجه به اینکه محیطهای قانونی و نظارتی جهانی در تلاشند تا با دنیای سریعاً در حال تغییر و تکامل هوش مصنوعی همگام شوند، بسیاری از الزامات جدید نیاز به ارائه شواهدی از اعتمادپذیری در توسعه و پیادهسازی سیستمهای هوش مصنوعی دارند. در این دوره، مربی لیرون اندروز توضیح میدهد که چگونه میتوانید از راهنماییهای استاندارد ISO/IEC TR 24028 برای استفاده از ابزارهای هوش مصنوعی بر اساس اصول اعتمادپذیری، که شامل توضیحپذیری، شفافیت و کنترلپذیری است، بهره ببرید.
اهداف یادگیری:
تحلیل روشهای ایجاد اعتماد در سیستمهای هوش مصنوعی از طریق شفافیت، توضیحپذیری، و کنترلپذیری.
ارزیابی مشکلات مهندسی، تهدیدات، و ریسکهای مرتبط با سیستمهای هوش مصنوعی و تکنیکهای کاهش دهندهی احتمالی.
بهکارگیری روشهایی برای ارزیابی و بهبود دسترسپذیری، پایداری، قابلیت اطمینان، دقت، ایمنی، امنیت، و حریم خصوصی سیستمهای هوش مصنوعی.
توضیح مفاهیم اعتمادپذیری در هوش مصنوعی، شامل توضیحپذیری، شفافیت، و کنترلپذیری در زمینه محیطهای قانونی و نظارتی جهانی در حال تحول.
طراحی سیستمهای هوش مصنوعی با توجه دقیق به توضیحپذیری، شفافیت، و کنترلپذیری برای افزایش اعتمادپذیری آنها.
اهداف یادگیری:
تحلیل روشهای ایجاد اعتماد در سیستمهای هوش مصنوعی از طریق شفافیت، توضیحپذیری، و کنترلپذیری.
ارزیابی مشکلات مهندسی، تهدیدات، و ریسکهای مرتبط با سیستمهای هوش مصنوعی و تکنیکهای کاهش دهندهی احتمالی.
بهکارگیری روشهایی برای ارزیابی و بهبود دسترسپذیری، پایداری، قابلیت اطمینان، دقت، ایمنی، امنیت، و حریم خصوصی سیستمهای هوش مصنوعی.
توضیح مفاهیم اعتمادپذیری در هوش مصنوعی، شامل توضیحپذیری، شفافیت، و کنترلپذیری در زمینه محیطهای قانونی و نظارتی جهانی در حال تحول.
طراحی سیستمهای هوش مصنوعی با توجه دقیق به توضیحپذیری، شفافیت، و کنترلپذیری برای افزایش اعتمادپذیری آنها.
مهارت ها
Responsible AIEthics and LawData PrivacyGovernance, Risk, and ComplianceArtificial Intelligence (AI)CybersecurityData ScienceBusiness Analysis and StrategyOne-Off
سرفصل ها
مقدمه
- ساخت سیستمهای هوش مصنوعی قابل اعتماد
چارچوبهای موجود قابل اجرا برای قابل اعتماد بودن (بندهای 5-5.5)
- شناسایی لایههای اعتماد (بند 5.1)
- استانداردهای کیفیت نرمافزار و دادهها (بند 5.2)
- کاربرد مدیریت ریسک (بند 5.4)
ذینفعان و به رسمیت شناختن نگرانیهای سطح بالا (بندهای 6-7.2)
- ذینفعان، انواع، داراییها و ارزشها (بندهای 6-6.4)
- مسئولیت، پاسخگویی و حاکمیت (بند 7.1)
- ایمنی (بند 7.2)
آسیب پذیری ها , تهدیدها و چالشها (بندهای 8-8.10)
- تهدیدات امنیتی ویژه هوش مصنوعی (بندهای 8-8.2)
- تهدیدات حریم خصوصی ویژه هوش مصنوعی (بند 8.3)
- تعصب، غیرقابل پیشبینی بودن و غیر شفاف بودن (بندهای 8.4-8.6)
- مشخصات سیستم و چالشهای پیادهسازی (بندهای 8.7-8.8.4)
- چالشهای مربوط به استفاده (بندهای 8.9-8.10)
اقدامات کاهشی
- شفافیت (بندهای 9-9.2)
- قابل توضیح (بندهای 9.3-9.3.7)
- قابلیت کنترل، تعصب و حریم خصوصی (بندهای 9.4-9.6)
- قابلیت اطمینان، انعطاف پذیری و استحکام (بندهای 9.7-9.9)
- آزمایش (بندهای 9.10-9.10.2.7)
- ارزیابی (بندهای 9.10.3-9.10.5)
- استفاده و کاربرد (بندهای 9.11-9.11.4)
نتیجه گیری
- به ساختن سیستمهای هوش مصنوعی قابل اعتماد ادامه دهید