دوره آموزشی بهره‌گیری از هوش مصنوعی در نقش‌های سازمان‌های مردم‌نهاد (Nonprofit) توسط مایکروسافت و نت‌هوپ (NetHope)

این دوره به بررسی پتانسیل عظیم هوش مصنوعی در حوزه‌هایی می‌پردازد که مستقیماً با زندگی انسان‌ها، توسعه اجتماعی و حفاظت از محیط زیست سر و کار دارند. دنیای هوش مصنوعی فقط محدود به کسب‌وکارهای تجاری نیست؛ اتفاقاً وقتی از این فناوری برای کارهای بشردوستانه استفاده می‌کنیم، می‌تونه نتایج خیره‌کننده‌ای داشته باشه. در این آموزش، با مثال‌های واقعی یاد می‌گیرید که چطور هوش مصنوعی در کارهایی مثل «نقشه‌برداری از بحران‌ها»، «پیش‌بینی وقایع» و استانداردسازی راهنمایی‌های محلی به کمک سازمان‌ها می‌آید. نکته خیلی مهمی که اینجا تاکید میشه اینه: هوش مصنوعی قراره دستیار شما باشه، نه تصمیم‌گیرنده نهایی. یعنی تخصص و قضاوت انسانی باید همیشه حرف اول رو بزنه.

همچنین می‌بینید که چطور فناوری‌های مختلفی مثل هوش مصنوعی مولد (GenAI)، یادگیری ماشین و پردازش زبان طبیعی (NLP) دست به دست هم می‌دن تا تأثیرگذاری کارهای خیریه و اجتماعی رو چند برابر کنن. از اونجایی که داده، سوخت اصلیِ موتورِ هوش مصنوعیه، به اهمیت جمع‌آوری دقیق و منصفانه داده‌ها و مباحث حاکمیت داده هم می‌پردازیم. از طرفی، چون سازمان‌های غیرانتفاعی معمولاً با محدودیت بودجه و زیرساخت دست‌ و پنجه نرم می‌کنن، یاد می‌گیرید چطور با گام‌های کوچک و تدریجی، ظرفیت‌سازی کنید. در آخر، مباحث اخلاقی مثل حفظ کرامت انسانی، جلوگیری از سوگیری‌های ناعادلانه و شفافیت در عملکرد، همراه با روش‌هایی برای بومی‌سازی ابزارها با توجه به فرهنگ و شرایط محلی بررسی میشه تا خروجی کار واقعاً برای جامعه هدف مفید باشه.

اهداف یادگیری
تشریح ارتباط متقابل فناوری‌های هوش مصنوعی مانند داده، یادگیری ماشین (ML) و پردازش زبان طبیعی (NLP)
به‌کارگیری تکنیک‌های هوش مصنوعی برای تقویت کارهای بشردوستانه و اجتماعی با استفاده از ابزارهایی مثل نقشه‌برداری بحران و پیش‌بینی، ضمن حفظ فرآیند تصمیم‌گیری انسانی
توضیح نقش داده به‌عنوان ستون فقرات ابزارهای هوش مصنوعی و اهمیت جمع‌آوری، حفاظت و حاکمیت مسئولانه داده‌ها برای اطمینان از دقت، انصاف و ایمنی
فهرست کردن پیامدهای اخلاقی استفاده از هوش مصنوعی در سازمان‌های غیرانتفاعی
توصیف اهمیت جلوگیری از سوگیری، تضمین حریم خصوصی، حفظ شفافیت و نظارت انسانی در فرآیندهای تصمیم‌گیری
توسعه استراتژی‌هایی برای تطبیق ابزارهای هوش مصنوعی با شرایط محلی با ادغام واقعیت‌های جامعه، زبان، فرهنگ، محیط و ریسک‌ها