آموزش دوره جامع متخصص حاکمیت هوش مصنوعی IAPP (AIGP) [ویدئویی] - آخرین آپدیت

سرفصل ها و درس ها

مبانی هوش مصنوعی و حاکمیت AI Foundations of Artificial Intelligence and AI Governance

• گواهینامه AIGP چیست What Is the AIGP Certification

• هوش مصنوعی (AI) چیست؟ What Is Artificial Intelligence (AI)?

• هوش مصنوعی به عنوان یک سیستم اجتماعی-فنی AI as a Socio-Technical System

• طبقه‌بندی سیستم‌های AI با استفاده از پنج بعد OECD Classifying AI Systems Using the OECD Five Dimensions

• محرک‌های مدرن پذیرش AI و علم داده Modern Drivers of AI and Data Science Adoption

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

• کاربردها و تاثیرات AI: ارزش‌ها و فرصت‌ها AI Uses and Impacts: Value and Opportunities

• مروری بر موارد استفاده و مزایای AI AI Use Cases and Benefits Overview

• حاکمیت هوش مصنوعی (AI Governance) چیست؟ What Is AI Governance?

• تفاوت اصول در مقابل چارچوب‌ها در حاکمیت AI Principles vs. Frameworks in AI Governance

• رویکردی جامع به حاکمیت هوش مصنوعی A Comprehensive Approach to AI Governance

• توضیح مدل‌های رایج هوش مصنوعی Common AI Models Explained

• نحوه آموزش سیستم‌های AI: مبانی یادگیری ماشین How AI Systems Are Trained: Machine Learning Basics

• تفاوت AI، یادگیری ماشین، یادگیری عمیق و AI مولد AI vs. Machine Learning vs. Deep Learning vs. Generative AI

• انواع مدل‌های یادگیری ماشین Types of Machine Learning Models

• ترانسفورمرها، NLP و مدل‌های چندوجهی Transformers, NLP, and Multimodal Models

• روابط بین مدل‌های AI و توازن‌ها (Trade-offs) AI Model Relationships and Trade-Offs

• سیستم‌های خبره و AI مبتنی بر قانون Expert Systems and Rule-Based AI

• پلتفرم‌های AI و موارد استفاده رایج سازمانی AI Platforms and Common Organizational Use Cases

• درک پشته فناوری (Tech Stack) هوش مصنوعی Understanding the AI Technology Stack

• زیرساخت‌های پردازشی برای سیستم‌های AI Compute Infrastructure for AI Systems

• مشاهده‌پذیری و نظارت در سیستم‌های AI Observability and Monitoring in AI Systems

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

• تاکسونومی آسیب‌های حریم خصوصی Privacy Harms Taxonomies

• تاکسونومی آسیب‌ها: نحوه شناسایی آسیب‌ها Harm Taxonomies: How to Identify Harms

• چه کسانی تحت تاثیر آسیب‌های AI قرار می‌گیرند؟ Who Is Affected by AI Harms?

• آسیب‌های فردی: سوگیری و تبعیض Individual Harms: Bias and Discrimination

• آسیب‌های سازمانی Organizational Harms

• ریسک‌های امنیتی و عملیاتی Security and Operational Risks

• ریسک‌های حریم خصوصی Privacy Risks

• ریسک‌های تجاری برای سازمان Business Risks to the Organization

• سایر ریسک‌های احتمالی ناشی از AI Other Potential Risks From AI

• دستورالعمل‌های OECD برای رویه‌های منصفانه اطلاعات OECD Fair Information Practices Guidelines

• اصول هوش مصنوعی OECD OECD AI Principles

• مسائل اخلاقی کلیدی در AI Key Ethical Issues for AI

• کاهش ریسک اخلاقی: کنترل‌های بنیادین Mitigating Ethical Risk: Foundational Controls

• ساخت فرهنگ هوش مصنوعی اخلاقی Building a Culture of Ethical AI

• AI قابل اعتماد: ویژگی‌ها و نحوه دستیابی به آن Trustworthy AI: Characteristics and How to Achieve It

• عملیاتی کردن رویه‌های هوش مصنوعی مسئولانه Operationalizing Responsible AI Practices

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

• متناسب‌سازی حاکمیت AI با سازمان Tailoring AI Governance to the Organization

• توسعه‌دهندگان، استقرارکنندگان و کاربران AI AI Developers, Deployers, and Users

• سیاست‌های نظارتی و پاسخگویی Policies for Oversight and Accountability

• نقش‌ها و مسئولیت‌ها Roles and Responsibilities

• جلب حمایت مدیریت ارشد Securing Support From Leadership

• ساختارها و مدل‌های حاکمیتی Governance Structures and Models

• تعامل با سایر ذینفعان Engaging Other Stakeholders

• آموزش و آگاه‌سازی ذینفعان Training and Awareness for Stakeholders

• همسوسازی استراتژی‌های AI و ریسک Aligning AI and Risk Strategies

• ساخت فرآیندهای ارزیابی AI Building AI Assessment Processes

• ارزیابی ریسک: زمینه و نتایج Risk Assessment: Context and Outcomes

• امتیازدهی ریسک: ماتریس احتمال و شدت Risk Scoring: Probability and Severity Matrix

• چارچوب مدیریت ریسک AI سازمان NIST NIST AI Risk Management Framework

• برنامه NIST ARIA NIST ARIA Program

حاکمیت توسعه AI: چرخه حیات، داده‌ها و کنترل‌های مدل Governing AI Development: Lifecycle, Data, and Model Controls

• چرخه حیات توسعه سیستم AI AI System Development Life Cycle

• تعریف مسئله تجاری و موارد استفاده Defining the Business Problem and Use Cases

• تعیین محدوده (Scope) Determining the Scope

• ارزیابی‌های اثرگذاری Impact Assessments

• تعامل ذینفعان در مرحله توسعه Stakeholder Engagement in Development

• تست و اعتبارسنجی سیستم AI Testing and Validation of the AI System

• مدیریت و نظارت بر سیستم‌های AI Managing and Monitoring AI Systems

• مستندسازی Documentation

• برنامه ارتباطات Communication Plan

• حاکمیت داده‌ها: سوالات کلیدی Data Governance: Key Questions to Ask

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

• ملاحظات جمع‌آوری داده: کیفیت و فرمت‌ها Data Gathering Considerations: Quality and Formats

• آماده‌سازی داده‌ها: مدل 5V Wrangling and Preparing Data: The Five Vs

• ملاحظات آماده‌سازی داده و فناوری‌های ارتقای حریم خصوصی Data Preparation Considerations and Privacy-Enhancing Technologies

• ویژگی‌های مدل و مهندسی ویژگی‌ها Model Features and Feature Engineering

• کارت‌های مدل (Model Cards) و مستندات انطباق Model Cards and Conformity Documentation

حاکمیت استقرار AI و ریسک‌های عملیاتی Governing AI Deployment and Operational Risk

• ارزیابی و به‌روزرسانی سیاست‌های حریم خصوصی و امنیتی Evaluating and Updating Privacy and Security Policies

• درک الزامات استقرار Understanding Deployment Requirements

• چالش‌های منحصر به فرد مدل‌های AI اختصاصی Unique Challenges for Proprietary AI Models

• مدیریت ریسک شخص ثالث Managing Third-Party Risk

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

• سناریو: مبلمان خانه جیسون Scenario: Jason Home Furnishings

• ارزیابی دوره‌ای: عملکرد، قابلیت اطمینان و ایمنی Periodic Assessment: Performance, Reliability, and Safety

• نظارت بر ریسک‌ها، کاهش اثرات و رانش مدل (Model Drift) Monitoring Risks, Mitigations, and Model Drift

• پاسخ به حوادث و پیامدهای پایین‌دستی Incident Response and Downstream Consequences

• تعهدات افشا و شفافیت Disclosures and Transparency Obligations

• مدیریت حوادث، مسائل و ریسک‌ها Managing Incidents, Issues, and Risks

• حسابرسی و پاسخگویی AI AI Auditing and Accountability

• گزینه‌های استقرار: ابری، محلی (On-Premises) یا Edge Deployment Choices: Cloud vs. On-Premises vs. Edge

• الگوهای استفاده از مدل: همان‌گونه که هست در مقابل تنظیم دقیق (Fine-Tuning) Model Use Patterns: As-Is vs. Fine-Tuning

• تولید تقویت‌شده با بازیابی (RAG) در استقرار Retrieval-Augmented Generation in Deployment

• هوش مصنوعی عامل‌محور (Agentic AI) و معماری‌های آن در استقرار Agentic AI and Agentic Architectures in Deployment

قانون هوش مصنوعی اتحادیه اروپا: طبقه‌بندی ریسک، تعهدات و انطباق The EU AI Act: Risk Classification, Obligations, and Compliance

• اساسی‌ترین نکات قانون EU AI Act برای آزمون AIGP EU AI Act Essentials for the AIGP Exam

• استثنائات و مواردی که قانون شامل آن‌ها نمی‌شود Exemptions and Where the Act Does Not Apply

• اصطلاحات کلیدی: ارائه‌دهنده، استقرارکننده، واردکننده و توزیع‌کننده Key Terms: Provider, Deployer, Importer, and Distributor

• قانون EU AI Act: ماده ۴ – سواد هوش مصنوعی EU AI Act: Article 4 – AI Literacy

• چهار سطح ریسک در قانون EU AI Act Four Risk Levels in the EU AI Act

• هوش مصنوعی ممنوعه Prohibited AI

• هوش مصنوعی با ریسک بالا: تعهدات ارائه‌دهنده و استقرارکننده High-Risk AI: Provider and Deployer Obligations

• هوش مصنوعی با ریسک بالا: تعهدات واردکننده و توزیع‌کننده High-Risk AI: Importer and Distributor Obligations

• هوش مصنوعی با ریسک محدود و تعهدات شفافیت ماده ۵۰ Limited-Risk AI and Article 50 Transparency Obligations

• هوش مصنوعی با ریسک پایین و حداقلی Low- and Minimal-Risk AI

• مدل‌ها و سیستم‌های AI با هدف عام (GPAI) General-Purpose AI Models and Systems

• مستندات فنی، ثبت سوابق و ارزیابی‌ها Technical Documentation, Record-Keeping, and Assessments

• نظارت انسانی، شفافیت و مدیریت کیفیت Human Oversight, Transparency, and Quality Management

• چارچوب اجرایی و جریمه‌ها Enforcement Framework and Penalties

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

• مقررات جهانی AI: همسویی و تضادها Global AI Regulation: Alignment and Dissonance

• راهنمایی‌های فدرال در حاکمیت اولیه AI Federal Guidance-First AI Governance

• قوانین حریم خصوصی ایالتی و تصمیم‌گیری خودکار State Privacy Rules and Automated Decision-Making

• قانون محلی ۱۴۴ نیویورک: حسابرسی سوگیری برای ابزارهای استخدام NYC Local Law 144: Bias Audits for Hiring Tools

• قوانین مصاحبه‌های ویدئویی AI در ایلینوی Illinois AI Video Interview Rules

• مدل AI حفاظت از مصرف‌کننده در کلرادو Colorado's Consumer Protection AI Model

• اصول محوری حریم خصوصی اعمال شده در AI Core Privacy Principles Applied to AI

• توصیه‌های کاربردی برای ارائه‌دهندگان و استقرارکنندگان Practical Recommendations for Providers and Deployers

• قانون پایه AI کره جنوبی South Korea's AI Basic Law

• استاندارد ISO/IEC 22989: مفاهیم و اصطلاحات AI ISO/IEC 22989: AI Concepts and Terminology

• استاندارد ISO/IEC 42001: سیستم‌های مدیریت AI ISO/IEC 42001: AI Management Systems

• استاندارد ISO/IEC 42005: ارزیابی‌های اثرگذاری AI ISO/IEC 42005: AI Impact Assessments

خلاصه نهایی دوره و نکات کلیدی Final Course Summary and Key Takeaways

• خلاصه نهایی دوره و نکات کلیدی Final Course Summary and Key Takeaways