هل أعجبتك المعاينة؟
هذا هو الدرس الأول المجاني. احصل على وصول كامل — اطلب عرضًا تجريبيًا أو سجّل الدخول.
أخلاقيات الذكاء الاصطناعي والمساءلة: التحديات الفريدة لـ AI والتعلم الآلي
تعرف على الطرق التي يوفر بها التعلم الآلي تحديات أخلاقية مختلفة للأشكال الأخرى لتطوير البرمجيات.شاهد الدرس الأول مجانًا — احصل على وصول كامل إلى جميع الدروس الـ5.
متوسط مقدِّم الخدمة : Briana Brownell 5 الدروس · 16m باللغات: العربية, الألمانية, الإنجليزية, الإسبانية, الفرنسية, البرتغالية, Chinese
وصف الدورة
في هذه الدروس حول التحديات الفريدة التي يواجهها الذكاء الاصطناعي والتعلم الآلي، ستستكشف أنواع التعلم الآلي، بما في ذلك التعلم الخاضع للإشراف، والذي يستخدم البيانات المصنفة لإجراء التنبؤات؛ غير خاضعة للإشراف، وهي سلسلة من التقنيات لفهم بنية البيانات دون متغير النتيجة؛ والتعلم المعزز، أحد أقدم أنماط التعلم الآلي الذي يستخدم طريقة التعلم القائمة على الأهداف. ستفهم أيضًا الاعتبارات الأخلاقية المتعلقة بالشبكات العصبية والذكاء الاصطناعي التوليدي.
يشكل التعلم الآلي الأساس للعديد من أنظمة الذكاء الاصطناعي التي تم بناؤها اليوم. تعد الشبكات العصبية الاصطناعية من أنجح طرق التعلم الآلي. إنها تحل العديد من أصعب المشكلات في هذا المجال، بما في ذلك تلك التي ظلت عقودًا دون حل. لكن استخدام الشبكات العصبية أضاف أيضًا بعض التحديات الجديدة إلى الذكاء الاصطناعي، بما في ذلك كيفية اختبار الحالات الطرفية Edge casesومتانة المخرجات. إن تعقيد أنظمة الاختبار قد يجعل تحليلها صعبًا بشكل خاص. سنراجع الاعتبارات المحددة التي تمتلكها الشبكات العصبية من حيث الأخلاق.
يعد الذكاء الاصطناعي التوليدي مجالًا أحدث وناشئًا يتعلق بأخلاقيات الذكاء الاصطناعي والمساءلة.
سنناقش اختبار Lovelace الذي يهدف إلى اختبار ما إذا كان الكمبيوتر قادرًا على توليد شيء مدهش ومبتكر.
ما ستتعلمه
- التمييز بين الأنواع الرئيسية لتعلم الآلة: التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم التعزيزي
- التعرف على التحديات الأخلاقية الفريدة التي تفرضها الشبكات العصبية الاصطناعية
- شرح التحديات الأخلاقية المحيطة بالذكاء الاصطناعي التوليدي
- دراسة سبب صعوبة اختبار الحالات الحدية وقوة المخرجات في الشبكات العصبية
- وصف اختبار Lovelace لتحديد ما إذا كان بإمكان الكمبيوتر إنتاج شيء مفاجئ وأصيل
النقاط الرئيسية
- يستخدم التعلم الخاضع للإشراف بيانات مصنفة لإجراء التنبؤات، ويستخدم التعلم غير الخاضع للإشراف تقنيات لفهم بنية البيانات دون متغير النتيجة، والتعلم التعزيزي هو طريقة تعلم قائمة على الأهداف.
- تعد الشبكات العصبية الاصطناعية من بين أكثر طرق تعلم الآلة نجاحاً وقد حلت مشكلات ظلت دون حل لعقود.
- تقدم الشبكات العصبية تحديات جديدة للذكاء الاصطناعي، بما في ذلك كيفية اختبار الحالات الحدية وقوة المخرجات، ويمكن أن تكون أنظمة اختبارها صعبة التحليل بشكل خاص.
- يعد الذكاء الاصطناعي التوليدي مجالاً جديداً وناشئاً ذا صلة بأخلاقيات الذكاء الاصطناعي والمساءلة.
- يهدف اختبار Lovelace إلى تقييم ما إذا كان بإمكان الكمبيوتر إنتاج شيء مفاجئ وأصيل.
الأسئلة الشائعة
ماذا تغطي هذه الدورة؟
تغطي الدورة أنواع تعلم الآلة (التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم التعزيزي)، والاعتبارات الأخلاقية حول الشبكات العصبية الاصطناعية، والتحديات الأخلاقية للذكاء الاصطناعي التوليدي، بما في ذلك مناقشة اختبار Lovelace.
ما هي أهداف التعلم الرئيسية؟
التمييز بين الأنواع الرئيسية لتعلم الآلة، والتعرف على التحديات الفريدة المتعلقة بالشبكات العصبية الاصطناعية، وشرح التحديات الأخلاقية المحيطة بالذكاء الاصطناعي التوليدي.
ما هي الدروس المدرجة؟
تتضمن الدورة دروساً حول التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم التعزيزي، والشبكات العصبية، والذكاء الاصطناعي التوليدي.
ما هي المهارات التي سأبنيها؟
ستبني مهارات في الذكاء الاصطناعي، وتعلم الآلة المؤتمت، وتعلم الآلة، وطرق تعلم الآلة، والتعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف.
لماذا تحظى الشبكات العصبية باهتمام أخلاقي خاص في هذه الدورة؟
لأنه على الرغم من كونها من بين أكثر طرق تعلم الآلة نجاحاً، فإن الشبكات العصبية تضيف تحديات جديدة مثل اختبار الحالات الحدية وقوة المخرجات، ويمكن أن تجعل تعقيداتها أنظمة الاختبار صعبة التحليل بشكل خاص.
