کتاب SimBench: آموزش جامع معیارگذاری و ارزیابی شبیه‌سازی رفتارهای انسانی با مدل‌های زبانی بزرگ با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره SimBench: آموزش جامع معیارگذاری و ارزیابی شبیه‌سازی رفتارهای انسانی با مدل‌های زبانی بزرگ

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: ارزیابی و سنجش مدل‌های زبانی بزرگ برای شبیه‌سازی رفتارهای انسانی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و جایگاه مدل‌های زبانی بزرگ
• 2. ساختار و عملکرد مدل‌های زبانی بزرگ (LLM)
• 3. انقلاب هوش مصنوعی مولد و LLM‌ها
• 4. مفاهیم بنیادی رفتار انسانی در روانشناسی
• 5. شناخت، ادراک و تصمیم‌گیری در انسان
• 6. مقدمه‌ای بر روانشناسی اجتماعی و تعاملات انسانی
• 7. اخلاق و ملاحظات اخلاقی در توسعه هوش مصنوعی
• 8. از مدل‌های زبانی تا مدل‌های عامل (Agentic LLMs)
• 9. چالش‌ها و فرصت‌های شبیه‌سازی با LLM‌ها
• 10. تاریخچه و ضرورت شبیه‌سازی رفتار انسانی
• 11. شکاف ارزیابی در مدل‌های زبانی بزرگ کنونی
• 12. محدودیت‌های روش‌های سنتی ارزیابی LLM
• 13. ناکافی بودن معیارهای فعلی برای رفتارهای پیچیده
• 14. چرا به شبیه‌سازی رفتار انسانی با LLM نیاز داریم؟
• 15. معرفی SimBench: چشم‌انداز و اهداف اصلی
• 16. فلسفه طراحی و اصول راهبردی SimBench
• 17. نوآوری‌های SimBench در ارزیابی LLM‌ها
• 18. کاربردهای بالقوه و مخاطبان SimBench
• 19. پیش‌نیازها و بستر فکری SimBench
• 20. مروری بر رویکردهای قبلی شبیه‌سازی رفتار انسانی
• 21. طبقه‌بندی ابعاد رفتار انسانی در SimBench
• 22. شبیه‌سازی فرآیندهای شناختی: حافظه و یادگیری
• 23. شبیه‌سازی فرآیندهای شناختی: استدلال و حل مسئله
• 24. شبیه‌سازی فرآیندهای شناختی: برنامه‌ریزی و تصمیم‌گیری
• 25. شبیه‌سازی تعاملات اجتماعی: همکاری و رقابت
• 26. شبیه‌سازی تعاملات اجتماعی: ارتباطات و مذاکره
• 27. شبیه‌سازی تعاملات اجتماعی: شکل‌گیری گروه‌ها
• 28. شبیه‌سازی اقتصاد رفتاری و انتخاب‌های انسانی
• 29. شبیه‌سازی سوگیری‌های شناختی و اثرات آن‌ها
• 30. شبیه‌سازی ریسک‌پذیری و عدم قطعیت در تصمیم‌گیری
• 31. شبیه‌سازی هوش هیجانی و ابراز احساسات
• 32. شناسایی و تولید پاسخ‌های احساسی توسط LLM
• 33. شبیه‌سازی قضاوت اخلاقی و معضلات اخلاقی
• 34. مدل‌سازی ارزش‌ها و اصول اخلاقی در LLM
• 35. شبیه‌سازی ویژگی‌های شخصیتی و تفاوت‌های فردی
• 36. تأثیر شخصیت بر رفتارهای شبیه‌سازی شده
• 37. شبیه‌سازی فرآیندهای یادگیری و سازگاری
• 38. مدل‌سازی فرهنگ و هنجارهای اجتماعی در LLM
• 39. شبیه‌سازی نقش محیط و بستر در رفتار
• 40. رفتارهای انطباقی و غیرانطباقی در شبیه‌سازی
• 41. مدل‌سازی نیات و انگیزه‌های انسانی
• 42. شبیه‌سازی رفتار در شرایط فشار و استرس
• 43. شبیه‌سازی توجه و تمرکز در عوامل LLM
• 44. پیچیدگی‌های شبیه‌سازی آگاهی و خودآگاهی
• 45. ابعاد فراشناختی در شبیه‌سازی رفتارهای انسانی
• 46. معماری کلی پلتفرم SimBench
• 47. طراحی محیط‌های شبیه‌سازی برای LLM‌ها
• 48. ساخت سناریوها و وظایف شبیه‌سازی
• 49. مهندسی پرامپت (Prompt Engineering) برای عوامل SimBench
• 50. تعریف پرسونای انسانی برای LLM در شبیه‌سازی
• 51. روش‌های مدیریت و کنترل عوامل LLM
• 52. شبیه‌سازی چندعاملی (Multi-Agent Simulation) در SimBench
• 53. جمع‌آوری داده‌های رفتاری انسانی به عنوان خط مبنا (Ground Truth)
• 54. طراحی پروتکل‌های جمع‌آوری داده‌های خط مبنا
• 55. معیارهای کمی ارزیابی وفاداری رفتار (Behavioral Fidelity)
• 56. معیارهای کیفی و تحلیل محتوای رفتارهای شبیه‌سازی شده
• 57. ارزیابی دقت، پایداری و قابل تعمیم بودن LLM‌ها
• 58. تحلیل آماری برای مقایسه رفتار LLM و انسان
• 59. شناسایی و تحلیل خطاهای رفتاری در شبیه‌سازی
• 60. پایپ‌لاین (Pipeline) داده در SimBench
• 61. ابزارهای مورد نیاز برای اجرای SimBench
• 62. مقیاس‌پذیری SimBench برای ارزیابی‌های گسترده
• 63. اطمینان از قابلیت تکرارپذیری (Reproducibility) نتایج SimBench
• 64. مستندسازی و اشتراک‌گذاری سناریوهای SimBench
• 65. رابط کاربری (UI) و تجربه کاربری (UX) برای SimBench
• 66. مطالعه موردی: شبیه‌سازی بازی‌های نظریه بازی (Game Theory)
• 67. شبیه‌سازی معضل زندانی (Prisoner's Dilemma) با LLM
• 68. بازی اولتیماتوم (Ultimatum Game) و مدل‌سازی انصاف
• 69. شبیه‌سازی معضلات اجتماعی و اقدامات جمعی
• 70. شبیه‌سازی وظایف شناختی پیچیده (مثال‌ها)
• 71. شبیه‌سازی سناریوهای مذاکره و چانه‌زنی
• 72. شبیه‌سازی رفتار مصرف‌کننده و تصمیمات خرید
• 73. شبیه‌سازی رفتار تیمی و کار گروهی
• 74. ارزیابی مدل‌های زبانی بزرگ جدید با SimBench
• 75. کاربرد SimBench در روانشناسی تجربی
• 76. کاربرد SimBench در علوم اجتماعی محاسباتی
• 77. محدودیت‌های ذاتی LLM در شبیه‌سازی انسانی
• 78. مشکل "جعبه سیاه" در شبیه‌سازی‌های رفتاری
• 79. مقابله با سوگیری‌های ناخواسته در رفتارهای شبیه‌سازی شده
• 80. اخلاقیات توسعه عوامل LLM شبیه‌ساز انسان
• 81. آماده‌سازی محیط برای اجرای SimBench
• 82. راهنمای عملی برای طراحی پرامپت‌های موثر
• 83. مراحل اجرای یک معیارگذاری با SimBench
• 84. تحلیل و تفسیر نتایج حاصل از SimBench
• 85. تجسم (Visualization) داده‌های شبیه‌سازی
• 86. عیب‌یابی (Debugging) و بهینه‌سازی تنظیمات شبیه‌سازی
• 87. بهترین روش‌ها برای گزارش‌دهی یافته‌های SimBench
• 88. ادغام SimBench با سایر ابزارهای ارزیابی LLM
• 89. نقش SimBench در توسعه LLM‌های نسل آینده
• 90. چالش‌های مقیاس‌گذاری شبیه‌سازی به جمعیت‌های بزرگ
• 91. تکامل SimBench: از متنی به چندوجهی (Multimodal)
• 92. شبیه‌سازی رفتارهای بلندمدت و توسعه‌ای
• 93. آینده عوامل هوشمند شبیه‌ساز انسان
• 94. بررسی رویکردهای هیبریدی (Hybrid) در SimBench
• 95. پتانسیل SimBench برای تحقیقات میان‌رشته‌ای
• 96. ملاحظات اخلاقی و اجتماعی عمیق‌تر SimBench
• 97. تأثیر SimBench بر حوزه هوش مصنوعی اخلاقی
• 98. چشم‌انداز آینده SimBench و جهت‌گیری‌های پژوهشی
• 99. نقش SimBench در درک بهتر رفتار انسان
• 100. جمع‌بندی: SimBench به عنوان ابزاری برای آینده