دوره سواد هوش مصنوعی برای کارکنان پست استان اصفهان
شناخت، تفکر و کاربرد هوش مصنوعی در سازمان
هوش مصنوعی دیگر یک فناوری متعلق به آینده نیست؛ بخشی از محیط کاری امروز است. از تولید و تحلیل متن و گزارش گرفته تا جستوجو، ایدهپردازی، تحلیل اطلاعات، تولید محتوا و کمک به تصمیمگیری، ابزارهای هوش مصنوعی میتوانند بخش قابل توجهی از فعالیتهای روزمره کارکنان را تحت تأثیر قرار دهند.
اما استفاده از هوش مصنوعی با سواد هوش مصنوعی یکسان نیست.
ممکن است فردی بتواند از ChatGPT یا سایر ابزارهای هوش مصنوعی استفاده کند، اما نداند چرا یک پاسخ نادرست ممکن است کاملاً درست و قانعکننده به نظر برسد، چه اطلاعاتی را نباید در اختیار یک ابزار هوش مصنوعی قرار دهد، چگونه خروجی AI را ارزیابی کند یا چه زمانی نباید تصمیمگیری را به هوش مصنوعی واگذار کند.
دوره سواد هوش مصنوعی برای کارکنان پست با همین رویکرد طراحی شده است؛ یعنی هدف صرفاً آموزش یک ابزار یا مجموعهای از دستورات آماده نیست، بلکه ایجاد درک صحیح از هوش مصنوعی و توانایی استفاده مؤثر، انتقادی و مسئولانه از آن در محیط کار است.
این دوره برای چه کسانی مناسب است؟
این دوره برای کارکنان پست، مدیران، کارشناسان و افرادی طراحی شده است که میخواهند بدون نیاز به دانش تخصصی برنامهنویسی یا ریاضیات پیشرفته، درک مناسبی از هوش مصنوعی پیدا کنند و بتوانند از قابلیتهای آن در فعالیتهای شغلی خود استفاده کنند.
محتوای دوره به گونهای ارائه میشود که افراد با رشتهها، تخصصها و سطوح تحصیلی مختلف بتوانند مفاهیم را درک و در کار روزمره خود به کار بگیرند.
در این دوره چه چیزی یاد میگیرید؟
۱. هوش مصنوعی چگونه به اینجا رسید؟
در ابتدای دوره، مسیر شکلگیری و توسعه هوش مصنوعی بررسی میشود؛ از نخستین ایدههای ماشین هوشمند و هوش مصنوعی کلاسیک تا یادگیری ماشین، شبکههای عصبی، یادگیری عمیق و مدلهای زبانی بزرگ.
در این مسیر با مفهوم N-gram و ایده پیشبینی کلمه بعدی آشنا میشویم و سپس مسیر تحول مدلهای زبانی را تا شبکههای عصبی، RNN و LSTM، Attention و در نهایت Transformer دنبال میکنیم.
همچنین مقاله معروف Google با عنوان Attention Is All You Need و نقش آن در تحول مدلهای زبانی و شکلگیری معماری Transformer به زبان ساده بررسی خواهد شد.
هدف این بخش این است که مخاطب بداند هوش مصنوعی مولد و LLMها یک فناوری ناگهانی و جادویی نیستند، بلکه حاصل چند دهه توسعه در حوزههای مختلف علوم کامپیوتر، آمار، احتمال، یادگیری ماشین و شبکههای عصبی هستند.
۲. LLM چگونه با زبان کار میکند؟
در این بخش با مفاهیمی مانند:
- Token
- Embedding
- فضای برداری
- Context
- Attention
- Transformer
- پارامترهای مدل
- آموزش مدلهای زبانی بزرگ
آشنا میشویم.
مفاهیم به شکل ساده و قابل فهم ارائه میشوند تا مخاطب بتواند درک کند که چگونه متن به نمایشهای عددی تبدیل میشود و مدل چگونه روابط و الگوهای پیچیده زبان را یاد میگیرد.
هدف این نیست که کارکنان برنامهنویس یا متخصص هوش مصنوعی شوند؛ هدف این است که بدانند پشت پاسخ ظاهراً هوشمند یک مدل زبانی چه اتفاقی میافتد.
۳. شبکههای عصبی چگونه یاد میگیرند؟
در این بخش، سازوکار کلی شبکههای عصبی بدون ورود به ریاضیات سنگین بررسی میشود.
مفاهیمی مانند:
Neuron، Weight، Bias، Activation Function، Training، Loss Function، Backpropagation و Optimization
به زبان ساده معرفی میشوند.
همچنین با ایده الگوریتمهای بهینهسازی الهامگرفته از طبیعت، مانند الگوریتمهای مبتنی بر رفتار مورچهها، زنبورها، نهنگها و الگوریتمهای ژنتیک آشنا میشویم تا ببینیم چگونه ایدههای موجود در طبیعت میتوانند به حل مسائل پیچیده محاسباتی کمک کنند.
۴. آیا میتوان به پاسخ هوش مصنوعی اعتماد کرد؟
یکی از مهمترین بخشهای دوره، شناخت محدودیتهای هوش مصنوعی است.
هوش مصنوعی ممکن است پاسخی تولید کند که:
روان، منظم، حرفهای و کاملاً قانعکننده باشد؛ اما نادرست باشد.
در این بخش با مفاهیمی مانند خطاهای مدل، Hallucination، سوگیری، اطلاعات قدیمی، خطای محاسباتی و تفاوت میان «اطمینان در بیان» و «درستی پاسخ» آشنا میشویم.
همچنین مهارت تفکر انتقادی در عصر هوش مصنوعی آموزش داده میشود.
اصل مهم این بخش:
روان بودن پاسخ، دلیل درست بودن آن نیست.
کاربر حرفهای AI کسی نیست که هرچه سریعتر پاسخ دریافت کند؛ کسی است که بداند کدام پاسخ را باید بررسی کند، چگونه بررسی کند و چه زمانی نباید به آن اعتماد کند.
۵. سواد رسانهای و مسئولیت در عصر هوش مصنوعی
گسترش هوش مصنوعی فقط شیوه کار ما را تغییر نمیدهد؛ شیوه دریافت و ارزیابی اطلاعات را نیز تغییر میدهد.
در این بخش موضوعاتی مانند محتوای مصنوعی، تصاویر و ویدئوهای تولیدشده با AI، Deepfake، منابع جعلی و محتوای ظاهراً علمی بررسی میشوند.
همچنین درباره امنیت اطلاعات و محرمانگی در استفاده از ابزارهای هوش مصنوعی صحبت خواهد شد؛ از جمله اینکه چه اطلاعاتی نباید بدون توجه به سیاستهای سازمانی در اختیار ابزارهای AI قرار گیرد.
۶. هوش مصنوعی، آینده مشاغل و انسان در انقلاب صنعتی پنجم
آیا هوش مصنوعی قرار است همه مشاغل را از بین ببرد؟
نگاه این دوره صرفاً «حذف شغل» نیست. یکی از موضوعات اصلی، بررسی این مسئله است که هوش مصنوعی چگونه میتواند وظایف داخل مشاغل را تغییر دهد، بهرهوری را افزایش دهد و مهارتهای مورد نیاز آینده را دگرگون کند.
در این بخش درباره موضوعاتی مانند:
- آینده مشاغل
- تغییر وظایف شغلی
- افزایش بهرهوری
- کاهش فاصله میان ایده و اجرا
- انسان و ماشین در کنار یکدیگر
- انقلاب صنعتی پنجم
- فناوری انسانمحور
- افزایش ارزش مهارتهای انسانی
- تفکر انتقادی
- خلاقیت
- ارتباط مؤثر
- همکاری
- تصمیمگیری
- قضاوت
- مسئولیتپذیری
- اهمیت EQ در کنار تواناییهای شناختی
بحث خواهد شد.
در عصر هوش مصنوعی، صرفاً داشتن دانش و توانایی حل مسئله کافی نیست؛ توانایی استفاده از دانش، تعریف درست مسئله، تعامل با دیگران، ارزیابی خروجی AI و تصمیمگیری مسئولانه اهمیت بیشتری پیدا میکند.
۷. چگونه از هوش مصنوعی در کار سازمانی استفاده کنیم؟
در این بخش، هوش مصنوعی از یک مفهوم نظری به یک دستیار کاری تبدیل میشود.
کاربردهایی مانند:
- تهیه پیشنویس نامه و مکاتبات
- خلاصهسازی گزارشها
- استخراج اطلاعات
- ایدهپردازی
- تهیه گزارش
- بازنویسی و ویرایش متن
- تحلیل اولیه اطلاعات
- آمادهسازی جلسات
- طراحی فرآیند
- تولید محتوای آموزشی
- تهیه چکلیست
- تحلیل و مقایسه گزینهها
بررسی میشوند.
اما در کنار کاربرد، یک اصل اساسی آموزش داده میشود:
هوش مصنوعی میتواند دستیار کارمند باشد، اما صاحب مسئولیت او نیست.
بنابراین مسیر صحیح استفاده از AI چنین است:
AI تولید میکند → انسان بررسی میکند → انسان تصمیم میگیرد → انسان مسئول است.
۸. از Prompt ساده تا Prompt حرفهای
در بخش پایانی دوره، آموزش پرامپتنویسی آغاز میشود.
ابتدا با دستورات ساده مانند:
«این متن را خلاصه کن.»
شروع میکنیم و سپس به تدریج ساختارهای حرفهایتر را میسازیم.
مخاطب با عناصر مهم یک پرامپت حرفهای مانند:
نقش، زمینه، هدف، وظیفه، محدودیت، قالب خروجی و معیار ارزیابی
آشنا میشود.
در مراحل پیشرفتهتر، از هوش مصنوعی میخواهیم خروجی خود را بررسی و ارزیابی کند و در صورت پایین بودن امتیاز، آن را اصلاح کند.
برای مثال:
تولید → بررسی تخصصی → نقد → امتیازدهی → اصلاح → ارزیابی نهایی
به این ترتیب، کاربر از یک مصرفکننده ساده پاسخهای AI به یک کاربر حرفهای و کنترلکننده فرآیند تولید خروجی تبدیل میشود.
تمرین نهایی دوره؛ AI در شغل من
در پایان دوره، یک تمرین عملی برای هر شرکتکننده تعریف میشود.
شرکتکننده باید یک مسئله واقعی مرتبط با شغل یا فعالیت سازمانی خود انتخاب کند و نشان دهد چگونه میتوان از هوش مصنوعی برای حل، تحلیل یا بهبود آن استفاده کرد.
این تمرین شامل طراحی پرامپت، دریافت خروجی، بررسی و ارزیابی پاسخ، اصلاح آن و ارائه نتیجه نهایی خواهد بود.
امتیاز این تمرین در ارزیابی نهایی دوره و صدور گواهی اهمیت ویژهای خواهد داشت.
هدف این تمرین این است که آموزش از کلاس خارج شود و به کار واقعی فرد در سازمان متصل شود.
دستاورد شما پس از پایان دوره
پس از پایان این دوره انتظار میرود شرکتکننده بتواند:
- مفهوم هوش مصنوعی و مدلهای زبانی بزرگ را به زبان ساده توضیح دهد.
- مسیر تحول AI تا LLM و Transformer را درک کند.
- با مفاهیم پایه شبکههای عصبی و Embedding آشنا باشد.
- محدودیتها و خطاهای احتمالی AI را تشخیص دهد.
- خروجی هوش مصنوعی را به شکل انتقادی ارزیابی کند.
- اصول اولیه امنیت و محرمانگی در استفاده از AI را رعایت کند.
- کاربردهای عملی AI در فعالیتهای سازمانی خود را شناسایی کند.
- پرامپتهای ساده و حرفهای طراحی کند.
- خروجی AI را بررسی، امتیازدهی و اصلاح کند.
- و مهمتر از همه، مسئولانه و آگاهانه از هوش مصنوعی استفاده کند.
فلسفه اصلی دوره
هدف این دوره آموزش یک ابزار خاص نیست.
هدف این است که کارکنان یاد بگیرند:
هوش مصنوعی را بشناسند، سازوکار آن را بفهمند، محدودیتهایش را بشناسند، از آن درست استفاده کنند و مسئولیت تصمیم نهایی را همچنان بر عهده داشته باشند.
زیرا آینده متعلق به کسانی نیست که صرفاً از هوش مصنوعی استفاده میکنند؛ بلکه متعلق به کسانی است که میدانند چگونه در کنار هوش مصنوعی بهتر فکر کنند، بهتر سؤال بپرسند و بهتر تصمیم بگیرند.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.