آموزش دوره جامع گواهینامه تخصصی حاکمیت و حریم خصوصی هوش مصنوعی (AIGP) [ویدئویی] - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مسیر شما برای تبدیل شدن به رهبر حاکمیت هوش مصنوعی Your Path to Becoming an AI Governance Leader

• معرفی گواهینامه AIGP Introduction to the AIGP Certification

• درک بدنه دانش AIGP Understanding the AIGP Body of Knowledge

• طبقه‌بندی بلوم و سوالات آزمون شما Bloom's Taxonomy and Your Exam Questions

• چهار حوزه آزمون AIGP The Four Domains of the AIGP Exam

درک مبانی هوش مصنوعی Understanding Foundation of AI

• هوش مصنوعی چیست What Is Artificial Intelligence

• ویژگی‌های سیستم‌های هوش مصنوعی Traits of AI Systems

• تاثیر هوش مصنوعی بر تصمیم‌گیری AI's Impact on Decision-Making

• طبقه‌بندی سیستم‌های هوش مصنوعی – چارچوب OECD Classifying AI Systems – The OECD Framework

• انواع هوش مصنوعی: ANI, AGI, ASI Types of AI - ANI, AGI, ASI

• یادگیری نظارت‌شده، نظارت‌نشده و یادگیری تقویتی Supervised, Unsupervised, Reinforcement Learning

• توضیح یادگیری عمیق و شبکه‌های عصبی Deep Learning and Neural Networks Explained

• یادگیری ماشین در دنیای واقعی: ریسک‌ها و مزایا Machine Learning in the Real World - Risks and Benefits

• سیستم اجتماعی-فنی چیست What Is a Socio-Technical System

• لایه‌های انسانی، سازمانی و فنی Human, Organizational, and Technical Layers

• رفتارهای نوظهور و پیش‌بینی‌ناپذیری Emergent Behaviour's and Unpredictability

• پاسخگویی در سیستم‌های پیچیده هوش مصنوعی Accountability in Complex AI Systems

• مقدمه‌ای بر طبقه‌بندی هوش مصنوعی OECD Introduction to the OECD AI Classification

• دسته‌بندی هوش مصنوعی بر اساس موارد استفاده Use-Case Based Categorization of AI

• به‌کارگیری مدل OECD در عمل Applying the OECD Model in Practice

• مدل‌های متن‌باز و اکوسیستم‌های ابری Open-Source Models and Cloud Ecosystems

• فشار رقابتی و شتاب‌دهی به هوش مصنوعی Competitive Pressure and AI Acceleration

• ژئوپلیتیک نوآوری در هوش مصنوعی The Geopolitics of AI Innovation

• [BOK 2.1] سیاست‌های حاکمیت داده برای سیستم‌های هوش مصنوعی [BOK 2.1] Data Governance Policies for AI Systems

• [BOK 2.1] ملاحظات مالکیت معنوی در توسعه هوش مصنوعی [BOK 2.1] Intellectual Property Considerations in AI Development

• [BOK 2.1] اسناد و قراردادهای ارزیابی ریسک شخص ثالث [BOK 2.1] Third-Party Risk Assessment Documents and Contracts

• [BOK 2.1] سیاست‌های استفاده قابل قبول برای سیستم‌های هوش مصنوعی شخص ثالث [BOK 2.1] Acceptable Use Policies for Third-Party AI Systems

• [BOK 2.1] مدل‌های هوش مصنوعی در مقابل سیستم‌های هوش مصنوعی: تفاوت‌های حاکمیتی [BOK 2.1] AI Models vs. AI Systems - Governance Distinctions

اثرات هوش مصنوعی بر انسان‌ها و اصول هوش مصنوعی مسئولانه AI Impacts on People and Responsible AI Principles

• چشم‌انداز آسیب‌های ناشی از هوش مصنوعی The Landscape of AI-Induced Harms

• چارچوب‌های طبقه‌بندی آسیب‌ها برای شناسایی Taxonomies of Harm Frameworks for Identification

• آسیب‌های فردی بخش اول: سوگیری و تبعیض Individual Harms Part 1 - Bias and Discrimination

• آسیب‌های فردی بخش دوم: حقوق مدنی و نگرانی‌های حریم خصوصی Individual Harms Part 2 - Civil Rights and Privacy Concerns

• آسیب‌های گروهی: نظارت و محرومیت سیستماتیک Group Harms Surveillance and Systemic Disadvantage

• آسیب‌های اجتماعی: تهدیدات علیه دموکراسی و امنیت عمومی Societal Harms Threats to Democracy and Public Safety

• آسیب‌های سازمانی و محیط زیستی Organizational and Environmental Harms

• ریسک‌های عملیاتی و تجاری Operational and Business Risks

• ریسک‌های حریم خصوصی در چرخه عمر هوش مصنوعی Privacy Risks in the AI Lifecycle

• پایه اعتماد: OECD و رویه‌های منصفانه اطلاعات (FIPs) The Bedrock of Trust OECD and Fair Information Practices (FIPs)

• پنج اصل OECD برای هوش مصنوعی قابل اعتماد The Five OECD Principles for Trustworthy AI

• شناسایی مسائل اخلاقی کلیدی در هوش مصنوعی Identifying Key Ethical Issues for AI

• کنترل‌های بنیادی برای کاهش ریسک اخلاقی Foundational Controls to Mitigate Ethical Risk

• ایجاد فرهنگ هوش مصنوعی اخلاقی در سازمان Creating a Culture of Ethical AI Within an Organization

• چهار ویژگی هوش مصنوعی قابل اعتماد The Four Characteristics of Trustworthy AI

• چگونه به هوش مصنوعی قابل اعتماد برسیم: یک چارچوب عملیاتی How to Achieve Trustworthy AI An Operational Framework

• عملیاتی کردن رویه‌های هوش مصنوعی مسئولانه Operationalizing Responsible AI Practices

• ترویج فرهنگ هوش مصنوعی مسئولانه Fostering a Culture of Responsible AI

• [Bok 2.1] الزامات شفافیت تحت قوانین حریم خصوصی داده‌ها [Bok 2.1] Transparency Requirements Under Data Privacy Laws

• [Bok 2.1] مبانی قانونی پردازش داده‌ها در سیستم‌های هوش مصنوعی [Bok 2.1] Lawful Basis for Processing Data in AI Systems

• [Bok 2.1] قوانین تصمیم‌گیری خودکار: ماده 22 GDPR [Bok 2.1] Automated Decision-Making Rules - GDPR Article 22

• [Bok 2.1] توضیح‌پذیری و قابلیت اعتراض در تصمیمات خودکار [Bok 2.1] Explainability and Contestability in Automated Decisions

• [Bok 2.1] قانون پایه هوش مصنوعی کره جنوبی: بررسی کلی [Bok 2.1] South Korean AI Basic Law - Overview

• [Bok 2.1] قانون پایه هوش مصنوعی کره جنوبی: الزامات انطباق [Bok 2.1] South Korean AI Basic Law - Compliance Requirements

• [Bok 2.1] قوانین هوش مصنوعی در سطح ایالتی آمریکا: کلرادو و کالیفرنیا [Bok 2.1] U.S. State-Level AI Legislation - Colorado and California

• [Bok 2.1] قوانین هوش مصنوعی در سطح ایالتی آمریکا: قوانین خاص هر بخش [Bok 2.1] U.S. State-Level AI Legislation - Sector-Specific Laws

• [Bok 2.1] ISO/IEC 42005: حاکمیت سیستم مدیریت هوش مصنوعی [Bok 2.1] ISO/IEC 42005 - AI Management System Governance

• [Bok 2.1] ISO/IEC 42005: پیاده‌سازی و کنترل‌ها [Bok 2.1] ISO/IEC 42005 - Implementation and Controls

حاکمیت هوش مصنوعی مسئولانه و مدیریت ریسک Responsible AI Governance and Risk Management

• متناسب‌سازی حاکمیت هوش مصنوعی با سازمان شما Tailoring AI Governance to Your Organization

• سه نقش کلیدی: توسعه‌دهندگان، مستقرکنندگان و کاربران The Three Key Roles Developers, Deployers, and Users

• سیاست‌های نظارتی و پاسخگویی Policies for Oversight and Accountability

• شناسایی ذینفعان کلیدی در حاکمیت هوش مصنوعی Identifying Key Stakeholders in AI Governance

• اهمیت همکاری‌های بین‌بخشی در حاکمیت هوش مصنوعی The Importance of Cross-Functional Collaboration in AI Governance

• جلب حمایت مدیریت برای حاکمیت هوش مصنوعی Gaining Leadership Support for AI Governance

• ساخت یک ساختار رسمی برای حاکمیت هوش مصنوعی Building a Formal AI Governance Structure

• بررسی مدل‌های مختلف حاکمیت هوش مصنوعی Exploring Different AI Governance Models

• چارچوبی برای تعامل با ذینفعان A Framework for Engaging Stakeholders

• ایجاد سواد هوش مصنوعی: آموزش و آگاه‌سازی ذینفعان Creating AI Literacy_ Training and Awareness for Stakeholders

• همسو کردن ریسک هوش مصنوعی با استراتژی‌های گسترده‌تر مدیریت ریسک Aligning AI Risk with Broader Risk Management Strategies

• استقرار فرآیندهای ارزیابی هوش مصنوعی Establishing AI Assessment Processes

• ارزیابی ریسک هوش مصنوعی متناسب با زمینه (Context) Context-Specific AI Risk Assessment

• ارزیابی نتایج: آیا هوش مصنوعی طبق انتظار عمل می‌کند Evaluating Outcomes Is the AI Performing as Desired

• چارچوب مدیریت ریسک هوش مصنوعی NIST (RMF) و برنامه ARIA The NIST AI Risk Management Framework (RMF) and ARIA Program

• [BOK 2.1] حاکمیت توسعه سیستم هوش مصنوعی در مقابل مدل هوش مصنوعی [BOK 2.1] AI System vs. AI Model Development Governance

• [BOK 2.1] حاکمیت داده‌ها در توسعه هوش مصنوعی [BOK 2.1] Data Governance in AI Development

حاکمیت بر توسعه هوش مصنوعی Governing AI Development

• چرخه عمر توسعه سیستم هوش مصنوعی The AI System Development Life Cycle

• تعریف مسئله تجاری و مورد استفاده (Use Case) Defining the Business Problem and Use Case

• انجام ارزیابی‌های اثرگذاری برای هوش مصنوعی Conducting Impact Assessments for AI

• نظارت انسانی و کنترل‌های عملیاتی در توسعه هوش مصنوعی Human Oversight and Operational Controls in AI Development

• به‌کارگیری استراتژی‌های ارزیابی ریسک در توسعه Applying Risk Assessment Strategies in Development

• طراحی معماری سیستم و ارزیابی عملکرد Designing the System Architecture and Evaluating Performance

• اهمیت آموزش، تست و اعتبارسنجی The Importance of Training, Testing, and Validation

• مستندسازی فرآیند توسعه Documenting the Development Process

• سوالات کلیدی برای الزامات داده‌ای و قضایی Key Questions for Data and Jurisdictional Requirements

• برقراری تبارشناسی و منشأ داده‌ها (Data Lineage) Establishing Data Lineage and Provenance

• تضمین کیفیت داده‌ها و فرمت‌بندی مناسب Ensuring Data Quality and Proper Formatting

• پنج V در آماده‌سازی و سازماندهی داده‌ها The Five V's of Data Wrangling and Preparation

• ملاحظات کلیدی در آماده‌سازی داده‌ها Key Considerations in Data Preparation

• انتخاب و مهندسی ویژگی‌های مدل Selecting and Engineering Model Features

حاکمیت بر استقرار هوش مصنوعی Governing AI Deployment

• گام نهایی: استقرار هوش مصنوعی The Final Step Deploying the AI

• به‌روزرسانی سیاست‌های حریم خصوصی و امنیت برای هوش مصنوعی Updating Privacy and Security Policies for AI

• درک الزامات استقرار هوش مصنوعی Understanding AI Deployment Requirements

• چالش‌های منحصر‌به‌فرد در استقرار مدل‌های اختصاصی هوش مصنوعی Unique Challenges of Deploying Proprietary AI Models

• مدیریت ریسک هوش مصنوعی شخص ثالث Managing Third-Party AI Risk

• ارزیابی قراردادهای تامین‌کننده و توافق‌نامه‌های متن‌باز Evaluating Vendor and Open Source Agreements

• سنجش آمادگی برای محیط عملیاتی (Production) Assessing Readiness for Production

• ارزیابی دوره‌ای مدل هوش مصنوعی مستقر شده Periodic Assessment of the Deployed AI Model

• مانیتورینگ سیستم‌های هوش مصنوعی برای شناسایی ریسک‌ها و کاهش آن‌ها Monitoring AI Systems for Risks and Mitigations

• مدیریت رانش مدل (Model Drift) و تکرار Managing Model Drift and Iteration

• پاسخ به حوادث در سیستم‌های هوش مصنوعی مستقر شده Incident Response for Deployed AI Systems

• افشاگری، شفافیت و پاسخگویی Disclosures, Transparency, and Accountability

• [BOK 2.1] معماری‌های عامل‌محور (Agentic) و سیستم‌های هوش مصنوعی خودمختار: بررسی کلی [BOK 2.1] Agentic Architectures and Autonomous AI Systems - Overview

• [BOK 2.1] سیستم‌های عامل‌محور: چالش‌های حاکمیتی و نظارت [BOK 2.1] Agentic Systems - Governance Challenges and Oversight

• [BOK 2.1] کاربردهای دنیای واقعی و حاکمیت هوش مصنوعی عامل‌محور [BOK 2.1] Real-World Applications and Governance of Agentic AI

• [BOK 2.1] مانیتورینگ مدل هوش مصنوعی و مدیریت عملکرد [BOK 2.1] AI Model Monitoring and Performance Management

• [BOK 2.1] مدیریت پیشرفته ریسک هوش مصنوعی شخص ثالث [BOK 2.1] Enhanced Third-Party AI Risk Management

• [BOK 2.1] APIهای هوش مصنوعی و ابزارهای SaaS: الزامات حاکمیتی [BOK 2.1] AI APIs and SaaS Tools - Governance Requirements

قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) The EU AI Act

• قانون هوش مصنوعی اتحادیه اروپا چیست و چرا اهمیت دارد What is the EU AI Act and Why is it Important

• تاثیر جهانی و قابلیت اجرای قانون هوش مصنوعی اتحادیه اروپا The Global Impact and Applicability of the EU AI Act

• استثنائات قانون هوش مصنوعی اتحادیه اروپا Exemptions to the EU AI Act

• نقش‌های کلیدی تعریف شده در قانون: تامین‌کننده، مستقرکننده، واردکننده Key Roles Defined in the Act Provider, Deployer, Importer, and Deployer,Importer

• الزام سواد هوش مصنوعی The AI Literacy Requirement

• چهار سطح ریسک در قانون هوش مصنوعی اتحادیه اروپا The Four Risk Levels Under the EU AI Act

• سیستم‌های هوش مصنوعی ممنوعه Prohibited AI Systems

• سیستم‌های هوش مصنوعی با ریسک بالا: تعریف و الزامات High-Risk AI Systems Definition and Requirements

• تعهدات تامین‌کنندگان هوش مصنوعی با ریسک بالا Obligations for Providers of High-Risk AI

• تعهدات مستقرکنندگان هوش مصنوعی با ریسک بالا Obligations for Deployers of High-Risk AI

• سیستم‌های هوش مصنوعی با ریسک محدود و ریسک حداقلی Limited-Risk and Minimal-Risk AI Systems

• حاکمیت بر مدل‌های هوش مصنوعی با هدف عمومی (GPAI) Governing General-Purpose AI (GPAI) Models

• ساختار حاکمیتی و اجرایی قانون The Governance and Enforcement Structure of the Act

• جریمه‌ها و بازه زمانی اجرا Penalties and the Enforcement Timeframe

سایر قوانین و استانداردهای مرتبط با هوش مصنوعی Other Laws and Standards Related to AI

• چشم‌انداز جهانی مقررات هوش مصنوعی The Global Landscape of AI Regulation

• مقررات هوش مصنوعی در ایالات متحده: راهنمای فدرال و ایالتی AI Regulation in the United States Federal and State Guidance

• مقررات هوش مصنوعی در سراسر جهان: چین، کانادا و فراتر از آن AI Regulation Around the World China, Canada, and Beyond

• ساخت یک چارچوب انعطاف‌پذیر برای حاکمیت هوش مصنوعی Building a Flexible AI Governance Framework

• استانداردهای کلیدی بین‌المللی: ISO 22989 و ISO 42001 Key International Standards ISO 22989 and ISO 42001

• چارچوب HUDERIA: رویکرد مبتنی بر حقوق بشر The HUDERIA Framework A Human Rights-Based Approach

• به‌کارگیری اصول اصلی حریم خصوصی داده‌ها در هوش مصنوعی Applying Core Data Privacy Principles to AI

• تلاقی GDPR و هوش مصنوعی The Intersection of the GDPR and AI

• استفاده از داده‌های بی‌نام‌سازی شده و مستعار در هوش مصنوعی Using Anonymized and Pseudonymized Data in AI

• نقش DPIAها و ارزیابی‌های انطباق در حاکمیت هوش مصنوعی The Role of DPIAs and Conformity Assessments in AI Governance

• مدیریت دسته‌های حساس و خاص داده‌ها در هوش مصنوعی Handling Sensitive and Special Categories of Data in AI

• تعهدات کنترل‌کنندگان داده‌ها هنگام استفاده از هوش مصنوعی Obligations on Data Controllers When Using AI

• نحوه اعمال قوانین فعلی بر سیستم‌های هوش مصنوعی How Current Laws Apply to AI Systems

• قوانین مالکیت معنوی (IP) و هوش مصنوعی Intellectual Property (IP) Legislation and AI

• قوانین عدم تبعیض و هوش مصنوعی Non-Discrimination Laws and AI

• قوانین حمایت از مصرف‌کننده و مسئولیت محصول در عصر هوش مصنوعی Consumer Protection and Product Liability Laws in the Age of AI