دوره جامع آمادگی آزمون گواهینامه متخصص حاکمیت هوش مصنوعی (AIGP) از IAPP - آخرین آپدیت

سرفصل ها و درس ها

مقدمه دوره و بررسی کلی گواهینامه AIGP Course Introduction and AIGP Certification Overview

• ساختار دوره و اهداف یادگیری Course format and learning objectives

• گواهینامه AIGP چیست؟ What is the AIGP certification?

• چه کسانی باید در این دوره شرکت کنند؟ Who should take this course?

• ساختار آزمون AIGP و دامنه‌های آن AIGP exam structure and domains

دامنه ۱: درک مبانی حاکمیت هوش مصنوعی 1. Domain I: Understanding the Foundations of AI Governance

• مطالعه موردی: اصول هوش مصنوعی Baidu در یک اکوسیستم پرریسک Case study: Baidu's AI principles in a high-risk ecosystem

• چه چیزی هوش مصنوعی را از نرم‌افزارهای سنتی متمایز می‌کند؟ What makes AI different from traditional software?

• شفاف‌سازی نقش‌ها در چرخه حیات هوش مصنوعی Clarifying roles across the AI lifecycle

• حاکمیت تامین‌کنندگان و زنجیره تامین هوش مصنوعی Governance of AI vendors and supply chains

• مطالعه موردی: نحوه ایجاد برنامه هوش مصنوعی مسئولانه در Telstra Case study: How Telstra built a responsible AI program

• درک ریسک‌های هوش مصنوعی و آسیب‌های اجتماعی Understanding AI risks and societal harms

• اصول محوری هدایت‌کننده هوش مصنوعی مسئولانه Core principles guiding responsible AI

• هوش مصنوعی چیست و چرا حاکمیت آن اهمیت دارد؟ What is AI? And why governance matters

• سازماندهی تیم‌های موثر حاکمیت هوش مصنوعی Organizing effective AI governance teams

• تطبیق حاکمیت هوش مصنوعی با نیازهای سازمانی Adapting AI governance to fit organizational needs

• درک انواع هوش مصنوعی و روش‌های یادگیری Understanding types of AI and learning methods

• تعریف نقش‌های کلیدی در حاکمیت هوش مصنوعی Defining key roles in AI governance

• ایجاد فرهنگ آگاهی از حاکمیت هوش مصنوعی Building a culture of AI governance awareness

• به‌کارگیری حاکمیت در سراسر چرخه حیات هوش مصنوعی Applying governance across the AI lifecycle

• تکامل سیاست‌های حریم خصوصی و امنیتی برای سیستم‌های AI Evolving privacy and security policies for AI systems

دامنه ۲، ماژول ۲: قوانین، استانداردها و چارچوب‌های هوش مصنوعی 2. Domain 2, Module 2: Laws, Standards, and Frameworks for AI

• استانداردهای جهانی و خاص هر صنعت در هوش مصنوعی Industry-specific and global AI standards

• هوش مصنوعی و تکامل قوانین مسئولیت محصول AI and evolving product liability laws

• ایجاد اصطلاحات یکپارچه برای هوش مصنوعی Establishing consistent AI terminology

• اصول هوش مصنوعی OECD و دستورالعمل‌های بین‌المللی OECD AI Principles and International Guidelines

• وظایف قانونی اصلی کنترل‌کنندگان داده‌های AI Core legal duties of AI data controllers

• هوش مصنوعی و قوانین حمایت از مصرف‌کننده AI and consumer protection laws

• اجرای قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) و چارچوب جریمه‌ها Enforcement of the EU AI Act and penalty framework

• نحوه دسته‌بندی هوش مصنوعی بر اساس ریسک در قانون اتحادیه اروپا How the EU AI Act categorizes AI by risk

• تعهدات انطباق بر اساس سطح ریسک هوش مصنوعی Compliance obligations based on AI risk tier

• درک NIST ARIA برای پروفایل‌بندی ریسک هوش مصنوعی Understanding NIST ARIA for AI Risk Profiling

• قوانین ضد تبعیض و مسئولیت‌پذیری هوش مصنوعی Anti-discrimination laws and AI accountability

• خلاصه قوانین، استانداردها و چارچوب‌های هوش مصنوعی Summary of AI laws, standards, and frameworks

• چارچوب مدیریت ریسک هوش مصنوعی NIST (RMF) The NIST AI Risk Management Framework (RMF)

• حاکمیت استفاده از داده‌های شخصی حساس در AI Governing AI use of sensitive personal data

• درک دامنه و ساختار قانون هوش مصنوعی اتحادیه اروپا Understanding the scope and structure of the EU AI Act

• استاندارد ISO/IEC 42001: استاندارد سیستم مدیریت هوش مصنوعی ISO/IEC 42001: AI management system standard

• چالش‌های مالکیت معنوی (IP) در عصر سیستم‌های هوش مصنوعی IP challenges in the age of AI systems

• مسئولیت‌های قانونی بر اساس نقش بازیگران Legal responsibilities based on actor roles

• درک قوانین حریم خصوصی در متن هوش مصنوعی Understanding privacy laws in the AI context

• چالش‌های رضایت و شفافیت در هوش مصنوعی Consent and transparency challenges in AI

• یونسکو و اعلامیه‌های اخلاقی جهانی در مورد AI UNESCO and global ethical declarations on AI

دامنه ۳، ماژول ۳: مدیریت ریسک، مسئولیت‌پذیری و اثرات 3. Domain 3, Module 3: Risk, Accountability, and Impact Management

• مطالعه موردی: چارچوب حاکمیت ریسک مدل‌های IBM Case study: IBM's model risk governance framework

• کنترل‌های عملیاتی و امنیتی در توسعه مدل هوش مصنوعی Operational and security controls in AI model development

• مبانی حاکمیت داده‌ها در توسعه AI Data governance foundations in AI development

• مانیتورینگ سیستم‌های هوش مصنوعی پس از استقرار Monitoring AI systems post-deployment

• تضمین شفافیت هوش مصنوعی و افشاهای مقرراتی Ensuring AI transparency and regulatory disclosures

• ایجاد امکان جبران خسارت و نظارت در سیستم‌های AI Enabling redress and oversight in AI systems

• مدیریت خطاها و ناهنجاری‌ها در توسعه مدل هوش مصنوعی Handling errors and anomalies in AI model development

• تعریف ریسک و آسیب در حاکمیت هوش مصنوعی Defining risk and harm in AI governance

• تسهیل همکاری مستمر ذینفعان پس از پیاده‌سازی AI Enabling ongoing stakeholder collaboration after AI

• ساخت استراتژی‌های کاهش ریسک و کنترل برای هوش مصنوعی Building risk mitigation and control strategies for AI

• ردیابی происانی و منشأ داده‌ها در سیستم‌های AI Tracking data lineage and provenance in AI systems

• ادغام مدیریت ریسک در طراحی مدل هوش مصنوعی Embedding risk management into AI model design

• مدیریت مسئولانه حوادث و شکست‌های هوش مصنوعی Managing AI incidents and failures responsibly

• ثبت و مدیریت مستندات آموزش و تست هوش مصنوعی Capturing and managing AI training and testing documentation

• ارزیابی سیستم‌های AI برای انتشار و افشا Evaluating AI systems for release and disclosure

• مدل‌های ارزیابی ریسک و طبقه‌بندی هوش مصنوعی AI risk assessment and classification models

• حسابرسی و تست استرس سیستم‌های AI برای سنجش پایداری Auditing and stress testing AI systems for robustness

• ساختاردهی به شوراهای حاکمیت AI و تیم‌های collaborative Structuring AI governance boards and collaborative teams

• خلاصه حاکمیت ریسک و مسئولیت‌پذیری AI Summary of AI risk and accountability governance

• ساختاردهی به آموزش و تست AI برای اهداف حاکمیتی Structuring AI training and testing for governance

• ساختاردهی به مستندات ریسک و حاکمیت هوش مصنوعی Structuring documentation for AI risk and governance

دامنه ۴، ماژول ۴: دغدغه‌های امنیت سایبری و حریم خصوصی داده‌ها 4. Domain 4, Module 4: Cybersecurity and Data Privacy Concerns

• بازبینی دوره‌ای و تست‌های امنیتی Periodic review and security testing

• مانیتورینگ امنیت و عملکرد پس از استقرار Security and performance monitoring after deployment

• انطباق در استقرار (مانیتورینگ پس از عرضه به بازار) Compliance in deployment (post-market monitoring)

• تطبیق انواع مدل‌های AI با نیازهای استقرار Matching AI model types to deployment needs

• درک آمادگی استقرار و همسویی با موارد کاربردی Understanding deployment readiness and use case alignment

• بازبینی قانونی و قراردادی (تامین‌کننده/لایسنس) Legal and contractual review (vendor/license)

• برنامه‌ریزی برای شرایط اضطراری و کنترل‌های غیرفعال‌سازی Contingency planning and deactivation controls

• سوگیری و عدالت در استقرار Bias and fairness in deployment

• مدیریت حوادث در مرحله استقرار Incident management in deployment

• جلوگیری از سوءاستفاده و مدیریت آسیب‌های ثانویه AI Preventing misuse and managing secondary AI harms

• به‌کارگیری سیاست‌ها در استقرار (عملیات، آموزش) Applying policies in deployment (operations, training)

• ارزیابی اثرات پیش از استقرار Pre-deployment impact assessment

• شفافیت و ارتباطات خارجی Transparency and external communication

• گزینه‌های استقرار: ملاحظات ابری، لبه‌ای (Edge) و تنظیم دقیق (Fine-tuning) Deployment options: Cloud, edge, and fine-tuning considerations

• ایمنی هوش مصنوعی و اثرات اجتماعی AI safety and societal impact

• حاکمیت برای مدل‌های اختصاصی در مقابل اجزای شخص ثالث Governance for proprietary models vs. third-party components

مرور کلی: مطالعات موردی حاکمیت هوش مصنوعی 5. Overview: AI Governance Case Studies

• در این بخش چه انتظاراتی داشته باشیم؟ What to expect in this section

• حاکمیت هوش مصنوعی در خدمات مالی AI governance in financial services

• حاکمیت هوش مصنوعی در حمل و نقل خودران AI governance in autonomous transportation

• حاکمیت هوش مصنوعی در شهرهای هوشمند و زیرساخت‌های شهری AI governance in smart cities and urban infrastructure

• حاکمیت هوش مصنوعی در مراقبت‌های بهداشتی و فناوری‌های پزشکی AI governance in healthcare and medical technologies

• نتیجه‌گیری بخش و نکات کلیدی Section conclusion and key takeaways

جمع‌بندی نهایی دوره و نکات کلیدی 6. Final Course Summary and Key Takeaways

• جمع‌بندی نهایی دوره و نکات کلیدی Final course summary and key takeaways