گواهینامه IAPP AIGP: آمادگی آزمون حاکمیت هوش مصنوعی ۲۰۲۶ - آخرین آپدیت

سرفصل ها و درس ها

مبانی هوش مصنوعی (دامنه ۱) Foundations of AI (Domain 1)

• مقدمه دوره: نقشه راه AIGP Course Introduction: The AIGP Roadmap.

• تعریف IAPP از هوش مصنوعی در مقابل نرم‌افزارهای سنتی The IAPP Definition of AI vs. Traditional Software.

• طبقه‌بندی سیستم‌های هوش مصنوعی OECD The OECD Classification of AI Systems.

• سیستم‌های قطعی در مقابل سیستم‌های احتمالی Deterministic vs. Probabilistic Systems.

• هوش مصنوعی مبتنی بر منطق (نمادین): موج اول Logic-Based (Symbolic) AI: The First Wave.

• «زمستان هوش مصنوعی» و درس‌هایی برای حاکمیت The "AI Winter" and Lessons for Governance.

• دانلود منابع Download Resources

• یادگیری ماشین آماری: موج دوم Statistical Machine Learning: The Second Wave

• اتصال‌گرایی و شبکه‌های عصبی: موج سوم Connectionism and Neural Networks: The Third Wave.

• مدل‌های پایه و هوش مصنوعی مولد Foundation Models and Generative AI.

• نقش پردازش: چرا GPUها اهمیت دارند The Role of Compute: Why GPUs Matter.

• رایانش ابری در مقابل زیرساخت‌های محلی هوش مصنوعی Cloud Computing vs. On-Premise AI Infrastructure.

• چرخه حیات هوش مصنوعی: از طراحی تا بازنشستگی The AI Lifecycle: Design to Retirement.

• یادگیری نظارت شده: برچسب‌گذاری و حقیقت زمینی Supervised Learning: Labeling and Ground Truth.

• موارد استفاده رگرسیون در مقابل طبقه‌بندی Regression vs. Classification Use Cases.

• یادگیری بدون نظارت: یافتن ساختارهای پنهان Unsupervised Learning: Finding Hidden Structures.

• یادگیری تقویت شده: عامل‌ها و سیاست‌ها Reinforcement Learning: Agents and Policies.

• یادگیری عمیق: لایه‌های پنهان و پیچیدگی Deep Learning: Hidden Layers and Complexity.

• مبانی پردازش زبان طبیعی (NLP) Natural Language Processing (NLP) Basics

• بینایی ماشین: تشخیص چهره در مقابل تشخیص اشیاء Computer Vision: Facial Recognition vs. Object Detection.

• هوش مصنوعی چندوجهی: ترکیب متن، تصویر و صدا Multimodal AI: Mixing Text, Image, and Sound.

• مدل‌های زبانی بزرگ (LLMs): توکن‌ها و زمینه (Context) Large Language Models (LLMs): Tokens and Context.

• معماری ترنسفورمر: توجه به خود (Self Attention) The Transformer Architecture: Self-Attention.

• مدل‌های انتشار و تولید تصاویر مصنوعی Diffusion Models and Synthetic Image Generation.

• سیستم‌های خودمختار در مقابل سیستم‌های خودکار Autonomous Systems vs. Automated Systems.

• سیستم‌های اجتماعی-فنی: چرا انسان‌ها اهمیت دارند Socio-Technical Systems: Why People Matter.

• انسان‌انگاری: خطر رفتار با هوش مصنوعی مانند یک انسان Anthropomorphism: The Danger of Treating AI like a Human.

• شناسایی «هوش مصنوعی سایه» در سازمان‌ها Identifying "Shadow AI" in Organizations.

• تأمین: خرید هوش مصنوعی در مقابل ساخت آن Procurement: Buying AI vs. Building AI.

• مدل‌های هوش مصنوعی متن‌باز در مقابل اختصاصی Open Source vs. Proprietary AI Models.

• تیم‌های علوم داده: نقش‌ها و مسئولیت‌ها Data Science Teams: Roles and Responsibilities.

• ریسک ذاتی: مشکل «جعبه سیاه» Inherent Risk: The "Black Box" Problem.

• ریسک ذاتی: توهمات و واقع‌گرایی Inherent Risk: Hallucinations and Factuality.

• ریسک ذاتی: رانش و زوال مدل Inherent Risk: Model Drift and Decay.

• ریسک ذاتی: اتکای بیش از حد (سوگیری اتوماسیون) Inherent Risk: Over-reliance (Automation Bias

• سوگیری: سوگیری تاریخی در داده‌های آموزشی Bias: Historical Bias in Training Data.

• سوگیری: سوگیری بازنمایی در مجموعه‌داده‌ها Bias: Representation Bias in Datasets.

• سوگیری: سوگیری اندازه‌گیری و تجمیع Bias: Measurement and Aggregation Bias.

• تبعیض: تأثیر متمایز در مقابل رفتار متمایز Discrimination: Disparate Impact vs. Treatment.

• حریم خصوصی: حملات بازسازی داده‌ها Privacy: Data Reconstruction Attacks.

• حریم خصوصی: حملات استنباط عضویت Privacy: Membership Inference Attacks.

• امنیت: تزریق پرامپت (مستقیم) Security: Prompt Injection (Direct).

• امنیت: تزریق پرامپت (غیرمستقیم) Security: Prompt Injection (Indirect).

• امنیت: نمونه‌های متخاصم (دور زدن) Security: Adversarial Examples (Evasion).

• امنیت: مسموم کردن داده‌ها در حین آموزش Security: Data Poisoning during Training.

• امنیت: استخراج/معکوس‌سازی مدل Security: Model Extraction/Inversion.

• ایمنی: رفتارهای نوظهور در مدل‌های بزرگ Safety: Emergent Behaviors in Large Models.

• ایمنی: عدم همسویی اهداف Safety: Goal Misalignment.

• تأثیرات محیط‌زیستی آموزش هوش مصنوعی The Environmental Impact of AI Training.

• کار و حقوق بشر در برچسب‌گذاری داده‌ها Labor and Human Rights in Data Labeling.

• مالکیت معنوی: مالکیت داده‌های آموزشی Intellectual Property: Training Data Ownership

• مالکیت معنوی: حق چاپ خروجی‌های هوش مصنوعی Intellectual Property: Copyright of AI Outputs.

• توضیح‌پذیری در مقابل تفسیرپذیری Explainability vs. Interpretability.

• توضیحات پسینی (LIME/SHAP) Post-hoc Explanations (LIME/SHAP).

• شفافیت: «حق داشتن توضیح» Transparency: The "Right to an Explanation."

• پاسخگویی: یافتن مسئول نهایی Accountability: Finding the "Neck to Wring."

• قابلیت اعتراض: به چالش کشیدن تصمیم هوش مصنوعی Contestability: Challenging an AI Decision

• معیارهای عدالت: عدالت گروهی در مقابل فردی Fairness Metrics: Group vs. Individual Fairness.

• استحکام: عملکرد تحت فشار Robustness: Performance under Stress.

• قابلیت اطمینان: ثبات در ورودی‌های متنوع Reliability: Consistency across Diverse Inputs.

• آزمون Quiz

اصول راهنما و چارچوب‌های جهانی (دامنه ۲) Guiding Principles & Global Frameworks (Domain 2)

• تغییر رویکرد از اخلاق به مقررات The Shift from Ethics to Regulation.

• اصول هوش مصنوعی OECD: بررسی کلی The OECD AI Principles: Overview.

• اصل ۱ OECD: رشد فراگیر و پایداری OECD Principle 1: Inclusive Growth and Sustainability.

• اصل ۲ OECD: ارزش‌های انسان‌محور OECD Principle 2: Human-Centric Values.

• اصل ۳ OECD: شفافیت و توضیح‌پذیری OECD Principle 3: Transparency and Explainability.

• اصل ۴ OECD: استحکام، امنیت و ایمنی OECD Principle 4: Robustness, Security, and Safety.

• اصل ۵ OECD: پاسخگویی OECD Principle 5: Accountability.

• توصیه‌نامه یونسکو در مورد اخلاق هوش مصنوعی The UNESCO Recommendation on Ethics of AI.

• طرح اولیه کاخ سفید برای منشور حقوق هوش مصنوعی White House Blueprint for an AI Bill of Rights.

• فرمان اجرایی ۱۴۱۱۰: هوش مصنوعی ایمن و مطمئن Executive Order 14110: Safe and Secure AI.

• مقدمه‌ای بر NIST AI RMF 1.0 Introduction to the NIST AI RMF 1.0.

• هسته NIST RMF: تابع حاکمیت (GOVERN) NIST RMF Core: GOVERN Function.

• هسته NIST RMF: تابع نقشه‌برداری (MAP) NIST RMF Core: MAP Function.

• هسته NIST RMF: تابع اندازه‌گیری (MEASURE) NIST RMF Core: MEASURE Function.

• هسته NIST RMF: تابع مدیریت (MANAGE) NIST RMF Core: MANAGE Function.

• پروفایل‌های NIST AI RMF (مخصوص هر مورد استفاده) NIST AI RMF Profiles (Use-case specific).

• مقدمه‌ای بر ISO/IEC 42001 (AIMS) Introduction to ISO/IEC 42001 (AIMS).

• ISO 42001: رهبری و تعهد ISO 42001: Leadership and Commitment.

• ISO 42001: فرآیندهای ارزیابی ریسک AI ISO 42001: AI Risk Assessment Processes.

• ISO 42001: برنامه‌ریزی و کنترل عملیاتی ISO 42001: Operational Planning and Control.

• ISO/IEC 23894: راهنمای مدیریت ریسک ISO/IEC 23894: Risk Management Guidance.

• ISO/IEC 38507: حاکمیت هوش مصنوعی برای سازمان‌ها ISO/IEC 38507: Governance of AI for Orgs.

• IEEE 7000: طراحی سیستم مبتنی بر ارزش IEEE 7000: Value-Based System Design.

• فرآیند هوش مصنوعی G7 هیروشیما G7 Hiroshima AI Process.

• اعلامیه بلچلی در مورد ایمنی هوش مصنوعی The Bletchley Declaration on AI Safety.

• حریم خصوصی در طراحی (Privacy by Design) در AI Privacy-by-Design in AI.

• چارچوب‌های اخلاق در طراحی Ethics-by-Design Frameworks.

• ارزیابی تأثیر بر حقوق بشر (HRIA) Human Rights Impact Assessments (HRIA).

• مسئولیت اجتماعی شرکت‌ها (CSR) و هوش مصنوعی Corporate Social Responsibility (CSR) and AI.

• قانون پاسخگویی الگوریتمی (پیشنهادی آمریکا) Algorithmic Accountability Act (Proposed US).

• حاکمیت بخشی در مقابل حاکمیت افقی Sectoral vs. Horizontal Governance.

• نقش جامعه مدنی در نظارت بر هوش مصنوعی The Role of Civil Society in AI Oversight.

• اخلاق حرفه‌ای برای توسعه‌دهندگان AI Professional Ethics for AI Developers.

• نگرانی‌های استفاده دوگانه (غیرنظامی در مقابل نظامی) Dual-Use Concerns (Civilian vs. Military).

• چارچوب‌های هوش مصنوعی برای خیر اجتماعی (AI4SG) AI for Social Good (AI4SG) Frameworks.

• کاهش سوگیری: تکنیک‌های پیش-پردازش Bias Mitigation: Pre-processing Techniques.

• کاهش سوگیری: تکنیک‌های حین-پردازش Bias Mitigation: In-processing Techniques.

• کاهش سوگیری: تکنیک‌های پس-پردازش Bias Mitigation: Post-processing Techniques.

• منشور حاکمیت هوش مصنوعی: تدوین The AI Governance Charter: Drafting.

• مرور بخش ۲: خلاصه اصول جهانی Section 2 Review: Global Principles Summary

• آزمون Quiz

قوانین و مقررات هوش مصنوعی (دامنه ۳) AI Laws and Regulations (Domain 3)

• بررسی ریسک AI در سطح هیئت مدیره: دفاع از چارچوب حاکمیتی شما Board-Level AI Risk Review: Defending Your Governance Framework

• مرور کلی روندهای نظارتی جهانی هوش مصنوعی Overview of Global AI Regulatory Trends.

• قانون هوش مصنوعی اتحادیه اروپا: دامنه و صلاحیت فرامرزی The EU AI Act: Scope and Extraterritoriality.

• EU AI Act: رویکرد مبتنی بر ریسک EU AI Act: The Risk-Based Approach.

• ریسک غیرقابل قبول: رویه‌های ممنوعه هوش مصنوعی Unacceptable Risk: Prohibited AI Practices

• الزامات AI پرخطر: حاکمیت داده‌ها Requirements for High-Risk AI: Data Governance.

• الزامات AI پرخطر: مستندات فنی Requirements for High-Risk AI: Technical Docs.

• الزامات AI پرخطر: نظارت انسانی Requirements for High-Risk AI: Human Oversight.

• الزامات AI پرخطر: دقت و امنیت Requirements for High-Risk AI: Accuracy/Security.

• هوش مصنوعی با هدف عام (GPAI) و ریسک سیستمیک General Purpose AI (GPAI) and Systemic Risk.

• دفتر هوش مصنوعی اتحادیه اروپا و ساختار حاکمیتی The EU AI Office and Governance Structure.

• جریمه‌ها و ضمانت‌های اجرایی تحت قانون EU AI Act Fines and Penalties under the EU AI Act.

• ماده ۲۲ GDPR: تصمیم‌گیری خودکار GDPR Art. 22: Automated Decision Making.

• پایه قانونی پردازش AI تحت GDPR Lawful Basis for AI Processing under GDPR.

• ارزیابی تأثیر حفاظت از داده‌ها (DPIA) برای AI Data Protection Impact Assessments (DPIA) for AI.

• حق اعتراض و حق پاک شدن در هوش مصنوعی Right to Object and the Right to Erasure in AI.

• دستورالعمل مسئولیت هوش مصنوعی اتحادیه اروپا The EU AI Liability Directive

• قوانین ایالتی آمریکا: رویکرد کالیفرنیا به AI US State Laws: California’s Approach to AI.

• قوانین ایالتی آمریکا: قانون AI کلرادو US State Laws: Colorado’s AI Act.

• اجرای کمیسیون تجارت فدرال (FTC) Federal Trade Commission (FTC) Enforcement.

• بخش ۵ قانون FTC: «شستشوی هوش مصنوعی» (AI Washing) Section 5 of the FTC Act: "AI Washing."

• مقررات توصیه‌های الگوریتمی چین China’s Algorithmic Recommendation Regulation.

• تدابیر هوش مصنوعی مولد چین China’s Generative AI Measures.

• قانون هوش مصنوعی و داده‌های کانادا (AIDA) Canada’s Artificial Intelligence and Data Act (AIDA).

• مقررات AI بریتانیا: رویکرد مبتنی بر زمینه UK AI Regulation: A Context-led Approach.

• چارچوب قانونی هوش مصنوعی برزیل (EBIA) Brazil’s AI Legal Framework (EBIA).

• مالکیت معنوی: دعاوی حقوقی داده‌های آموزشی Intellectual Property: Training Data Lawsuits.

• استثنائات استخراج متن و داده (TDM) Text and Data Mining (TDM) Exceptions.

• قانون خدمات دیجیتال (DSA) و محتوای AI Digital Services Act (DSA) and AI Content.

• مسئولیت محصول و ربات‌های خودمختار Product Liability and Autonomous Robots

• قوانین تدارکات عمومی برای هوش مصنوعی Public Procurement Rules for AI.

• مقررات داده‌های بیومتریک (BIPA و GDPR) Biometric Data Regulation (BIPA and GDPR).

• آزمون‌های استاندارد و قوانین AI در آموزش Standardized Testing and AI in Education Laws.

• هوش مصنوعی در خدمات مالی (Basel و SEC) AI in Financial Services (Basel and SEC).

• جریان داده‌های AI فرامرزی Cross-Border AI Data Flows.

• هوش مصنوعی در مراقبت‌های بهداشتی (FDA و EMA) AI in Healthcare (FDA and EMA).

• نقش استانداردها در انطباق (هارمونیزاسیون) The Role of Standards in Compliance (Harmonization).

• قانون استخدام: قانون AEDT شهر نیویورک Employment Law: New York City’s AEDT Law.

• ارزیابی‌های انطباق برای هوش مصنوعی Conformity Assessments for AI.

• مرور بخش ۳: چشم‌انداز نظارتی Section 3 Review: Regulatory Landscape.

• آزمون Quiz

بخش ۴: حاکمیت بر چرخه حیات هوش مصنوعی Section 4: Governing the AI Lifecycle

• ادغام هوش مصنوعی در حاکمیت شرکتی Integrating AI into Corporate Governance.

• تشکیل کمیته حاکمیت هوش مصنوعی Establishing an AI Governance Committee.

• تعریف اولیه‌ی «مسئله کسب‌وکار» Defining the "Business Problem" First.

• مطالعه امکان‌سنجی: ROI در مقابل ریسک The Feasibility Study: ROI vs. Risk

• فهرست‌بندی و کاتالوگ موارد استفاده Use Case Inventories and Cataloging.

• حاکمیت داده‌ها برای AI: تامین Data Governance for AI: Sourcing.

• نسب و منشأ داده‌ها (Data Lineage) Data Lineage and Provenance.

• گاوهای حریم خصوصی داده و ناشناس‌سازی Data Privacy Vaults and Anonymization.

• کیفیت داده‌ها: کامل بودن و دقت Data Quality: Completeness and Accuracy.

• تنوع و نمایندگی داده‌ها Data Diversity and Representativeness.

• داده‌های مصنوعی: مزایا و ریسک‌ها Synthetic Data: Benefits and Risks.

• حاکمیت برچسب‌گذاری: مدیریت حاشیه‌نویس‌ها Labeling Governance: Managing Annotators.

• انتخاب مدل: دقت در مقابل تفسیرپذیری Model Selection: Accuracy vs. Interpretability.

• حاکمیت تنظیم ابرپارامترها Hyperparameter Tuning Governance.

• ریسک‌های بیش‌برازش (Overfitting) و کم‌برازش (Underfitting) Overfitting and Underfitting Risks.

• اخلاق در مهندسی ویژگی‌ها Feature Engineering Ethics.

• یادگیری انتقالی و ریسک‌های مدل‌های پیش‌آموزش‌دیده Transfer Learning and Pre-trained Risks.

• تنظیم دقیق: حاکمیت بر LLMهای تخصصی Fine-tuning: Governance of Specialized LLMs.

• نظارت بر تولید تقویت‌شده با بازیابی (RAG) Retrieval-Augmented Generation (RAG) Oversight.

• یادگیری تقویت شده از بازخورد انسانی (RLHF) Reinforcement Learning from Human Feedback (RLHF).

• TEVV: تست، ارزیابی، تایید و صحه‌گذاری TEVV: Test, Evaluation, Verification, and Validation.

• تست واحد (Unit Testing) برای منطق AI Unit Testing for AI Logic.

• تست یکپارچگی در محیط عملیاتی Integration Testing in Production.

• کارت‌های مدل: مستندسازی برای ذینفعان Model Cards: Documenting for Stakeholders.

• دیتاشیت برای مجموعه‌داده‌ها Datasheets for Datasets.

• کمی‌سازی عملکرد: Precision, Recall, F1 Quantifying Performance: Precision, Recall, F1.

• تست عدالت: نسبت تأثیر متمایز Fairness Testing: Disparate Impact Ratio.

• ارزیابی‌های آسیب‌پذیری برای AI Vulnerability Assessments for AI.

• مدیریت ریسک شخص ثالث (TPRM) Third-Party Risk Management (TPRM).

• چک‌لیست‌های بررسی دقت تامین‌کنندگان Vendor Due Diligence Checklists.

• حفاظت‌های قراردادی در توافق‌نامه‌های AI Contractual Protections in AI Agreements.

• توافق‌نامه‌های سطح خدمات (SLAs) برای AI Service Level Agreements (SLAs) for AI.

• محیط سندباکس برای تست The Sandbox Environment for Testing.

• مرحله استیجینگ و تست پذیرش کاربر (UAT) Staging and User Acceptance Testing (UAT).

• طراحی انسان در حلقه (HITL) Human-in-the-Loop (HITL) Design.

• نظارت انسان روی حلقه (HOTL) Human-on-the-loop (HOTL) Oversight.

• معماری انسان در فرمان (HIC) Human-in-command (HIC) Architecture.

• ابزارهای توضیح‌پذیری: SHAP در مقابل LIME Explainability Tools: SHAP vs. LIME.

• تست استحکام در برابر حملات متخاصم Adversarial Robustness Testing

• تیم قرمز AI: یافتن آسیب‌پذیری‌ها Red Teaming AI: Finding Vulnerabilities.

• آزمون Quiz

بخش ۵: استقرار، نظارت و عملیات Section 5: Deployment, Monitoring, and Operations

• جلسه هیئت مدیره: ادغام AI در چارچوب حاکمیت شرکتی Board Meeting: Integrating AI into Corporate Governance Framework

• معیارهای تصمیم‌گیری برای اجرا یا عدم اجرا (Go/No Go) The Go/No-Go Decision Criteria.

• استراتژی‌های استقرار: Canary در مقابل Blue-Green Deployment Strategies: Canary vs. Blue-Green.

• زیرساخت نظارتی: داشبوردها Monitoring Infrastructure: Dashboards

• تشخیص رانش داده‌ها (Data Drift) در محیط عملیاتی Detecting Data Drift in Production.

• تشخیص رانش مفهوم (Concept Drift) Detecting Concept Drift.

• یادگیری مستمر در مقابل مدل‌های ایستا Continuous Learning vs. Static Models.

• نظارت بر سوگیری‌ها به صورت آنی Monitoring for Bias in Real-Time.

• مدیریت حوادث: تعریف نقض امنیتی AI Incident Management: Defining an AI Breach.

• گزارش حوادث مهم به نهادهای نظارتی eporting Significant Incidents to Regulators

• تحلیل علت ریشه برای شکست‌های AI Root Cause Analysis for AI Failures.

• مکانیزم «کلید قطع» (Kill Switch) هوش مصنوعی The AI "Kill Switch" Mechanism.

• حلقه‌های بازخورد کاربر و راهکارهای جبرانی User Feedback Loops and Recourse.

• تأثیر زوال عملکرد مدل Impact of Model Performance Decay.

• مدیریت کنترل نسخه (MLOps) Managing Version Control (MLOps).

• وصله‌های امنیتی برای سیستم‌های AI Security Patching for AI Systems.

• مدیریت لاگ‌ها و حسابرسی Log Management and Auditing.

• حسابرسی داخلی برای حاکمیت AI Internal Audits for AI Governance.

• حسابرسی‌های خارجی و گواهینامه‌ها External Audits and Certifications.

• مدیریت تغییر برای تحول هوش مصنوعی Change Management for AI Transformation.

• مقیاس‌بندی حاکمیت AI در واحدهای تجاری Scaling AI Governance across Business Units.

• آزمون Quiz

بخش ۶: استراتژی، پیاده‌سازی و فرهنگ Section 6: Strategy, Implementation & Culture

• حرکت از اخلاق AI به استراتژی AI Moving from AI Ethics to AI Strategy.

• تعریف بیانیه مأموریت حاکمیت هوش مصنوعی Defining the AI Governance Mission Statement.

• نقشه‌برداری ذینفعان: چه کسی مالک ریسک AI است؟ Stakeholder Mapping: Who owns AI risk?

• نقش هیئت مدیره در نظارت بر AI Role of the Board of Directors in AI Oversight.

• همکاری بین‌وظیفه‌ای: حقوقی، ریسک و IT Cross-functional Collaboration: Legal, Risk, and IT.

• تشکیل کمیته حاکمیت هوش مصنوعی (AIGC) Establishing an AI Governance Committee (AIGC).

• تدوین سیاست استفاده پذیرفتنی (AUP) برای AI Drafting an AI Acceptable Use Policy (AUP).

• مدیریت تغییر: غلبه بر «اضطراب هوش مصنوعی» در کارکنان Change Management: Overcoming "AI Anxiety" in staff.

• شکاف مهارت‌های AI: شناسایی نیازهای آموزشی The AI Skills Gap: Identifying training needs.

• ارتقای مهارت نیروی کار: برنامه‌های سواد AI Upskilling the Workforce: AI Literacy programs.

• ساختارهای انگیزشی: پاداش برای رفتار اخلاقی در AI Incentive Structures: Rewarding ethical AI behavior.

• بودجه‌بندی برای حاکمیت: هزینه انطباق Budgeting for Governance: The cost of compliance.

• اندازه‌گیری بلوغ: مدل بلوغ حاکمیت هوش مصنوعی Measuring Maturity: The AI Governance Maturity Model.

• مزیت رقابتی: «اعتماد» به عنوان تمایز برند Competitive Advantage: "Trust" as a brand differentiator.

• هوش مصنوعی در زنجیره تأمین: مدیریت ریسک بالادستی AI in the Supply Chain: Managing upstream risk.

• انتقال بین‌المللی داده‌ها در عصر AI International Data Transfers in the AI Era.

• استانداردسازی اصطلاحات: ایجاد واژه‌نامه AI شرکتی Standardizing Terms: Creating a corporate AI Glossary.

• ارتباط ریسک AI با مدیران غیرفنی Communicating AI Risk to Non-Technical Executives.

• روابط عمومی: مدیریت بحران‌های PR مرتبط با AI Public Relations: Handling AI-related PR crises.

• مدیریت پذیرش داخلی «هوش مصنوعی سایه» Managing Internal "Shadow AI" adoption.

• اجرای سیاست‌ها: اتفاق افتادن در صورت نادیده گرفتن سیاست‌ها Policy Enforcement: What happens when policies are ignored?

• خطوط گزارش‌دهی: جایگاه مدیر AI در نمودار سازمانی Reporting Lines: Where the AI Lead sits in the org chart.

• ارزیابی مشاوران خارجی هوش مصنوعی Evaluating External AI Consultants.

• گزارش‌دهی ESG (محیط زیست، اجتماعی، حاکمیتی) و AI ESG Reporting (Environmental, Social, Governance) and AI.

• پایداری AI: مصرف انرژی مدل‌های بزرگ AI Sustainability: Energy consumption of Large Models.

• رسیدگی به جابجایی شغلی و گذارهای نیروی کار Addressing Job Displacement and Workforce Transitions.

• روانشناسی تعامل انسان و هوش مصنوعی The Psychology of Human-AI Interaction.

• محافظت در برابر «سوگیری اتوماسیون» در کارکنان Guarding against "Automation Bias" in employees.

• ترویج دیدگاه‌های متنوع در طراحی AI Promoting Diverse Perspectives in AI Design.

• نقش حسابرسی داخلی در حاکمیت AI The Role of Internal Audit in AI Governance.

• بهبود مستمر: به‌روزرسانی منشور حاکمیتی Continuous Improvement: Updating the Governance Charter.

• حاکمیت بر جریان‌های کاری عامل‌محور (عامل‌های خودمختار AI) Governing Agentic Workflows (Autonomous AI agents).

• مدیریت «پراکندگی مدل‌ها» در سطح سازمان Managing "Model Sprawl" across the enterprise.

• تنظیمات حریم خصوصی پیش‌فرض در نرم‌افزارهای AI Privacy-by-Default settings in AI software.

• تأمین اخلاقی داده‌ها: رضایت و عدالت Ethical Sourcing of Data: Consent and Fairness.

• استراتژی مالکیت معنوی برای نوآوری‌های AI Intellectual Property strategy for AI innovations.

• مصونیت حرفه‌ای حقوقی در حسابرسی‌های AI Legal Professional Privilege in AI Audits.

• بیمه برای AI: کاهش مسئولیت از طریق پوشش بیمه‌ای Insurance for AI: Mitigating liability through coverage.

• حاکمیت AI در تحقیق و توسعه (R&D) Governing AI in Research and Development (R&D).

• هک اخلاقی برای AI: ایجاد طرح پاداش برای یافتن باگ (Bug Bounty) Ethical Hacking for AI: Establishing a Bug Bounty.

• تشکیل تیم پاسخ به حوادث هوش مصنوعی (AIRT) Establishing an AI Incident Response Team (AIRT).

• تمرینات شبیه‌سازی (Tabletop): شبیه‌سازی شکست AI Tabletop Exercises: Simulating an AI Failure.

• داشبوردهای داخلی برای سلامت AI Internal Dashboards for AI Health

• تعریف «حیاتی بودن» برای موارد مختلف استفاده از AI Defining "Criticality" for different AI use cases.

• ساخت «فرهنگ شفافیت» Building a "Culture of Transparency."

• رسیدگی به افشاگران در دپارتمان AI Handling Whistleblowers in the AI Department.

• همسویی با استانداردهای بین‌المللی (NIST در مقابل ISO) International Standards Alignment (NIST vs. ISO).

• مقابله با «بیزاری» از الگوریتم‌ها Dealing with Algorithmic "Aversion."

• خلاصه مدیریتی: نقطه بررسی استراتژی Executive Summary: Strategy Checkpoint.

• آزمون تمرینی بخش ۶: استراتژی و فرهنگ Section 6 Practice Quiz: Strategy & Culture.

• آزمون Quiz

• از اخلاق AI تا استراتژی AI سازمانی – جلسه همسویی مدیریتی From AI Ethics to Enterprise AI Strategy – Executive Alignment Meeting

بخش ۷: موارد استفاده تخصصی و ریسک‌های پیشرفته Section 7: Specialized Use Cases & Advanced Risk

• حاکمیت AI در منابع انسانی (استخدام/رتبه‌بندی) Governing AI in Human Resources (Recruitment/Ranking).

• حاکمیت AI در امور مالی (اعتبار/تشخیص کلاهبرداری) Governing AI in Finance (Credit/Fraud Detection).

• حاکمیت AI در مراقبت‌های بهداشتی (تشخیص/داده‌های بیمار) Governing AI in Healthcare (Diagnostics/Patient Data).

• حاکمیت AI در بازاریابی (شخصی‌سازی/ترغیب) Governing AI in Marketing (Personalization/Nudging).

• حاکمیت AI در امنیت سایبری (هوش تهدیدات) Governing AI in Cybersecurity (Threat Intelligence).

• حاکمیت AI در خدمات حقوقی (بررسی اسناد) Governing AI in Legal Services (Document Review).

• حاکمیت AI در تولید (نگهداری پیش‌بینانه) Governing AI in Manufacturing (Predictive Maintenance).

• مطالعه موردی پرخطر: شناسایی بیومتریک High-Risk Case Study: Biometric Identification.

• مطالعه موردی پرخطر: پلیس پیش‌بین High-Risk Case Study: Predictive Policing.

• مطالعه موردی پرخطر: وسایل نقلیه خودران High-Risk Case Study: Self-Driving Vehicles.

• حریم خصوصی پیشرفته: حریم خصوصی تفاضلی در عمل Advanced Privacy: Differential Privacy in Practice.

• امنیت پیشرفته: اعتماد صفر (Zero Trust) برای مدل‌های AI Advanced Security: Zero-Trust for AI Models.

• دیپ‌فیک‌ها: شناسایی و کاهش اثر Deepfakes: Identification and Mitigation.

• دیس‌اینفورمیشن و «عملیات نفوذ» از طریق AI Disinformation and "Influence Operations" via AI.

• سلاح‌سازی AI: دفاع و اخلاق Weaponization of AI: Defense and Ethics.

• حاکمیت بر LLMهای سفارشی (مدل‌های خاص دامنه) Governing Custom LLMs (Domain-specific models).

• ریسک‌های «معکوس‌سازی مدل» در AI بهداشتی The Risks of "Model Inversion" in Healthcare AI.

• تضادهای نظارتی فرامرزی Cross-border Regulatory Conflicts.

• هوش مصنوعی در شرکت‌های کوچک و متوسط (SMEs) AI in Small and Medium Enterprises (SMEs).

• آینده AI: آمادگی برای AGI (هوش مصنوعی عمومی) The Future of AI: AGI (Artificial General Intelligence) Prep.

• حاکمیت بر ادغام AI کوانتومی Governing Quantum-AI Integration.

• مدیریت آسیب‌پذیری‌های مدل‌های متن‌باز Managing Open-Source Model Vulnerabilities.

• هماهنگی سیستم‌های چندعاملی (MAS) Multi-Agent Systems (MAS) Coordination.

• ارزیابی تأثیر برای AI کم‌ریسک Impact Assessments for Low-Risk AI.

• مقابله با رویدادهای «قوی سیاه» در AI Dealing with "Black Swan" AI Events.

• «حق فراموش شدن» در مجموعه‌های آموزشی AI The "Right to be Forgotten" in AI Training Sets.

• کاهش سوگیری‌های شناختی در ارزیابان AI Mitigating Cognitive Biases in AI Evaluators.

• هوش مصنوعی و دسترسی‌پذیری (حقوق معلولان) AI and Accessibility (Disability Rights).

• حسابرسی محیط‌زیستی مراکز داده Environmental Auditing of Data Centers.

• آزمون Quiz

بخش ۸: آمادگی آزمون IAPP و تسلط نهایی Section 8: IAPP Exam Prep & Final Mastery

• مرور بدنه دانش (BoK) آزمون IAPP AIGP The IAPP AIGP Body of Knowledge (BoK) Review.

• درک امتیازدهی وزنی در آزمون ۱۰۰ سوالی Understanding Weighted Scoring on the 100-Question Exam.

• رمزگشایی سوالات سناریومحور (موردهای طولانی) Decoding Scenario-Based Questions (Long-form cases).

• استراتژی‌های مدیریت زمان برای بازه ۳ ساعته Time Management Strategies for the 3-Hour Window.

• حذف گزینه‌های «گمراه‌کننده» Eliminating "Distractor" Answer Choices.

• موضوع کلیدی: سطوح ریسک قانون EU AI Act High-Yield Topic: EU AI Act Risk Levels.

• موضوع کلیدی: توابع NIST RMF High-Yield Topic: NIST RMF Functions.

• موضوع کلیدی: کنترل‌های ISO 42001 High-Yield Topic: ISO 42001 Controls.

• تاریخ‌ها و ضرب‌الاجل‌های کلیدی در مقررات AI (۲۰۲۴-۲۰۲۶) Key Dates and Deadlines in AI Regulation (2024-2026).

• آزمون تمرینی ۱: تمرکز بر دامنه ۱ و ۲ Practice Exam 1: Domain 1 & 2 Focus.

• آزمون تمرینی ۲: تمرکز بر دامنه ۳ و ۴ Practice Exam 2: Domain 3 & 4 Focus.

• آزمون تمرینی ۳: تمرکز بر دامنه ۵ و ۶ Practice Exam 3: Domain 5 & 6 Focus.

• تحلیل سوالات غلط: شناسایی نقاط ضعف Analyzing Failed Questions: Identifying Weak Areas.

• لجستیک روز آزمون: پروتکل‌های Pearson VUE Exam Day Logistics: Pearson VUE Protocols.

• مدیریت استرس آزمون و خستگی شناختی Managing Exam Stress and Cognitive Fatigue.

• اخلاق حرفه‌ای: منشور رفتاری IAPP The Ethics of the Profession: IAPP Code of Conduct.

• برنامه‌ریزی شغلی: ساخت رزومه حاکمیت AI Career Planning: Building your AI Governance Resume.

• نتیجه‌گیری: تبدیل شدن به رهبر در هوش مصنوعی قابل اعتماد Conclusion: Becoming a Leader in Trustworthy AI.

• تست تمرینی ۱ Practice Test 1

• تست تمرینی ۲ Practice Test 2

• آزمون Quiz

• مرور نهایی آمادگی AIGP – شبیه‌سازی گروه مطالعه مدیریتی AIGP Final Readiness Review – Executive Study Group Simulation