گواهینامه Certified Master in Artificial General Intelligence Systems
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک اصول هوش انسانی و مصنوعی، از جمله شناخت، یادگیری، ادراک و اصول محاسباتی
- تحلیل و مقایسه معماریهای اصلی هوش مصنوعی، از سیستمهای نمادین کلاسیک تا مدلهای یادگیری عمیق مدرن و چندوجهی
- بهکارگیری یادگیری تقویتی، استدلال احتمالاتی و تکنیکهای مدلسازی جهان برای ساخت عوامل هوشمند و تطبیقپذیر
- ارزیابی سیستمهای الهامگرفته از AGI با استفاده از چارچوبهای همراستاسازی، اصول ایمنی، ابزارهای تفسیرپذیری و مدلهای حاکمیتی
- یکپارچهسازی ادراک، حافظه، استدلال و تصمیمگیری در نقشههای مفهومی سیستم AGI یا شبیهسازیهای نمونه اولیه
- سنجش پیامدهای اجتماعی، اخلاقی و اقتصادی AGI، از جمله مفهوم شخصیت، همزیستی و استراتژیهای حاکمیت جهانی
پیشنیازهای دوره
- بدون پیشنیاز رسمی - پذیرای تمامی یادگیرندگان باانگیزه
- سواد پایه کامپیوتر و راحتی در کار با ابزارهای دیجیتال
- کنجکاوی درباره چگونگی عملکرد هوش در انسان و ماشین
- تمایل به یادگیری مفاهیم بینرشتهای در حوزههای هوش مصنوعی و علوم شناختی
- رویکردی تحلیلی و باز نسبت به ایدههای پیچیده
توضیحات دوره
هوش عمومی مصنوعی دیگر یک ایده انتزاعی نیست، بلکه در حال تبدیل شدن به مرز تعیینکننده قرن 21 است. این برنامه جامع با عنوان Certified Master in AGI Systems، طراحی شده است تا یادگیرندگان را از مبانی علوم شناختی به لبههای پیشرو معماری AGI، ایمنی و تأثیرات اجتماعی آینده ببرد. مدرس در این دوره، علوم اعصاب، یادگیری ماشین، روانشناسی شناختی، همراستاسازی، یادگیری عمیق و فلسفه ذهن را در یک نقشه راه واحد و ساختاریافته متحد کرده است که دانشجو را برای درک و مشارکت در یکی از متحولکنندهترین زمینههای تاریخ آماده میکند.
در طول 6 سطح پیشرونده، یادگیرندگان با بررسی در اصول هوش انسانی و مصنوعی آغاز میکنند و بررسی میکنند که مغز چگونه اطلاعات را ذخیره کرده، مسائل را حل میکند و معنا میسازد. با این پایه شناختی، دوره به سمت سازوکارهای اصلی هوش مصنوعی مدرن، از جمله یادگیری نظارتشده، شبکههای عصبی عمیق، ترنسفورمرها، یادگیری تقویتی و استدلال احتمالاتی گذار میکند. هر بخش، درک دانشجو را از الگوریتمها، بازنماییها و اصول بهینهسازی که سیستمهای پیشرفته امروزی را نیرو میبخشند، تقویت میکند.
با تکیه بر این اصول، برنامه درسی وارد قلمرو معماریهای AGI میشود. دانشجو مدلهای شناختی مانند ACT-R ،Soar و LIDA را مطالعه کرده و میآموزد که محققان هوش مصنوعی چگونه استدلال نمادین را با شبکههای عصبی ترکیب میکنند تا سیستمهای ترکیبی با توانایی درک انتزاعی، تعمیمدهی و یادگیری انتقالی ایجاد کنند. بخشهای مربوط به سیستمهای چندعامله، هوش برآمده و شناخت تجسمیافته نشان میدهند که چگونه هوش نه تنها از محاسبات، بلکه از تعامل، محیط و پویاییهای اجتماعی پدید میآید.
در مراحل پیشرفته، مدرس به بررسی عمیق فناوریهای پیشرو که محرک پروتو-AGI هستند، از جمله مدلهای زبانی بزرگ (LLMs) مانند GPT، Gemini ،Claude و Llama میپردازد. دانشجو موضوعاتی همچون یادگیری درونزمینهای، مدلهای جهان، فرایادگیری و یادگیری مداوم و خودبهبوددهی بازگشتی را بررسی کرده و نقشهای برای چگونگی کسب تواناییهای منعطف و انسانگونه توسط سیستمهای مصنوعی توسعه میدهد.
این دوره از سوالات حیاتی ایمنی و حاکمیت غافل نمیشود. بخشهای اختصاصی به همراستاسازی هوش مصنوعی، یادگیری ارزش، اصلاحپذیری، تفسیرپذیری و چارچوبهای حاکمیت جهانی هوش مصنوعی میپردازند. مدرس نظریههای آگاهی، بحثهای اخلاقی پیرامون شخصیت حقوقی هوش مصنوعی و پیامدهای اقتصادی و اجتماعی استقرار AGI را بررسی میکند. موضوعاتی مانند ایمنی هوش مصنوعی، ریسک وجودی، سیاستگذاری هوش مصنوعی و حاکمیت مسئولانه تضمین میکنند که یادگیرندگان نه تنها برای ساخت سیستمهای هوشمند، بلکه برای ساخت ایمن آنها آماده شوند.
فاز نهایی برنامه به بررسی در آینده میپردازد: شناخت کوانتومی، سختافزار نورومورفیک، ابر هوش جمعی و طراحی تمدن پسا-AGI. این بخشهای آیندهنگرانه یادگیرنده را آماده میکنند تا در مقیاس تمدن فکر کند و AGI را نه فقط به عنوان یک ابزار، بلکه به عنوان یک گونه همکار در حل مشکلات جهانی تصور کند.
پروژه نهایی با راهنمایی دانشجو برای طراحی نقشه سیستم AGI اختصاصی او، همه مطالب را به هم پیوند میدهد. دانشجو ادراک، استدلال، حافظه، خوداندیشی، همراستاسازی و مکانیزمهای ایمنی را در یک معماری منسجم ادغام میکند و تسلط خود را در تمام ابعاد تحقیقات AGI به نمایش میگذارد.
چه دانشجو یک متخصص هوش مصنوعی، محقق، مهندس یا سیاستگذار باشد، این برنامه او را به درک عمیق، چارچوبهای فنی و اصول اخلاقی مورد نیاز برای هدایت و شکلدهی به عصر AGI مجهز میکند.
این دوره برای چه کسانی مناسب است؟
- یادگیرندگانی که خواهان درک کامل و جامع از هوش عمومی مصنوعی هستند.
- علاقهمندان به هوش مصنوعی که به دنبال فراتر رفتن از کدنویسی و درک تئوری، علم و فلسفه هوش هستند.
- متخصصان در نقشهای فناوری، تحقیق یا محصول که میخواهند شغل خود را در عصر AGI آیندهنگری کنند.
- دانشجویانی که در حال کاوش در علوم شناختی، علوم اعصاب، روانشناسی یا علوم کامپیوتر هستند.
- مهندسان و متخصصانی که به دنبال یک اصول مفهومی عمیق پشت معماریهای مدرن هوش مصنوعی هستند.
- رهبران، سیاستگذاران و استراتژیستهای علاقهمند به ایمنی، اخلاق، حاکمیت و تأثیرات اجتماعی بلندمدت هوش مصنوعی.
- هر کسی که درباره آگاهی، همراستاسازی، همزیستی انسان و هوش مصنوعی و آینده سیستمهای هوشمند کنجکاو است.
- مبتدیان با کنجکاوی بالا که خواهان مسیری ساختاریافته به یکی از متحولکنندهترین زمینههای جهان هستند.
گواهینامه Certified Master in Artificial General Intelligence Systems
-
هوش انسانی در مقابل هوش مصنوعی 07:38
-
مروری بر علوم شناختی 07:49
-
پردازش اطلاعات و انتزاع 08:18
-
سنجش هوش: IQ، فاکتور عمومی و بنچمارکها 08:26
-
هوش مصنوعی نمادین و سیستمهای خبره 08:08
-
ظهور یادگیری ماشین 07:58
-
احیای پیوندگرایی: شبکههای عصبی 07:48
-
رویای AGI: نقاط عطف و عقبگردها 08:10
-
حافظه کاری، توجه و یادگیری 08:14
-
کدگذاری عصبی و پلاستیسیته 08:42
-
معماریهای مغز الهامبخش هوش مصنوعی 08:23
-
بازنماییها و زمینهسازی نمادها 08:06
-
پیوندگرایی در مقابل محاسباتگرایی 08:12
-
سطوح تحلیل «مار» (محاسباتی، الگوریتمیک، پیادهسازی) 08:09
-
یادگیری نظارتشده، نظارتنشده و تقویتی 08:19
-
کاهش گرادیان، بهینهسازی و تعمیمدهی 07:59
-
بیشبرازش، بایاس-واریانس و منظمسازی 07:58
-
معماریهای CNN ،RNN ،LSTM و ترانسفورمرها 08:41
-
توجه و حافظه 07:57
-
معماریهای چندوجهی 08:06
-
فرآیندهای تصمیمگیری مارکوف 09:04
-
گرادیان خطمشی و یادگیری Q 07:52
-
یادگیری مبتنی بر مدل در مقابل بدون مدل 07:51
-
شبکههای بیزی 08:41
-
مدلهای علی ساختاری (پرل) 08:21
-
استدلال تحت عدم قطعیت و مداخلات 08:15
-
معماریهای ACT-R ،Soar ،LIDA و OpenCog 09:13
-
یکپارچهسازی حافظه، ادراک و عمل 09:15
-
چرخههای شناختی و مدلهای آگاهی 09:00
-
سیستمهای عصبی-نمادین 09:03
-
استدلال روی تعبیهها 09:17
-
منطق مشتقپذیر و استدلال ترکیبی 09:14
-
هوش دستهای و شناخت جمعی 08:44
-
پویاییهای ارتباط و همکاری 08:36
-
خودسازماندهی و هماهنگی 09:03
-
رباتیک و زمینهسازی حسی-حرکتی 08:39
-
شکاف شبیهسازی تا واقعیت 08:31
-
استنتاج فعال و پردازش پیشبینانه 08:26
-
معماریها و قوانین مقیاسپذیری مدلهای بزرگ 08:26
-
یادگیری در متن و تعمیمدهی با دادههای اندک 08:31
-
تواناییهای برآمده و مدلهای جهان 08:08
-
حافظه رویدادی در مقابل معنایی 09:14
-
فراموشی فاجعهبار 08:38
-
متا-یادگیری و انطباق مادامالعمر 08:56
-
یادگیری تقویتی مبتنی بر مدل با شبیهسازهای جهان 08:07
-
مدلهای MuZero ،Dreamer ،Gato و Voyager 08:21
-
مدلسازی پیشبینانه جهان 07:56
-
AutoML و جستجوی معماری 08:49
-
خودراهاندازی و خودتکاملی 08:10
-
قوانین مقیاسپذیری هوش 08:25
-
نظریه اطلاعات یکپارچه (IIT) 08:42
-
نظریه فضای کار جهانی 09:38
-
مدلهای محاسباتی آگاهی 09:33
-
مدلسازی پاداش و یادگیری ترجیحات 09:09
-
اصلاحپذیری و همراستاسازی بیرونی/درونی 09:01
-
مسئله همراستاسازی در مدلهای زبانی بزرگ 09:45
-
تفسیرپذیری، حسابرسی و تیم قرمز 09:18
-
چارچوبهای حاکمیت هوش مصنوعی (EU ،OECD و غیره) 09:47
-
ریسک وجودی هوش مصنوعی و سیاستگذاری 09:22
-
عاملیت هوش مصنوعی، شخصیت و جایگاه اخلاقی 09:34
-
جابجایی اقتصادی و همزیستی انسان و هوش مصنوعی 08:47
-
آموزش، قانون و حاکمیت جهانی 09:11
-
رویکردهای OpenAI و DeepMind در مسیر AGI 09:39
-
هوش مصنوعی قانونمند شرکت Anthropic 09:26
-
IBM watsonx و رویکردهای عصبی-نمادین 08:57
-
مدلهای شناخت کوانتومی 10:21
-
سختافزار نورومورفیک برای AGI 10:50
-
بهرهوری انرژی و طراحی الهامگرفته از مغز 09:43
-
حلقههای استدلال بازگشتی 08:56
-
مدلسازی خود-بازتابی 09:07
-
معماریهای خود-ترمیمگر و هدفساز 08:06
-
تکامل مشترک انسان و AGI 08:45
-
ابر هوش جمعی 08:57
-
تمدن و حاکمیت در دوران پسا-AGI 08:51
مشخصات آموزش
گواهینامه Certified Master in Artificial General Intelligence Systems
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:همه سطوح
- تعداد درس:74
- مدت زمان :10:54:35
- حجم :6.82GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy