کتاب نظریه چشم‌انداز و LLMها: رمزگشایی ناپایداری تصمیم‌گیری با عدم قطعیت زبانی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره نظریه چشم‌انداز و LLMها: رمزگشایی ناپایداری تصمیم‌گیری با عدم قطعیت زبانی

موضوع کلی: رفتارشناسی و روانشناسی هوش مصنوعی

موضوع میانی: مدل‌سازی و ارزیابی تصمیم‌گیری در مدل‌های زبان بزرگ

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر روانشناسی هوش مصنوعی
• 2. مدل‌های زبان بزرگ (LLM) چه هستند؟
• 3. تاریخچه مطالعه تصمیم‌گیری انسان
• 4. نظریه مطلوبیت انتظاری (Expected Utility Theory): یک معیار عقلانی
• 5. پارادوکس‌های نظریه مطلوبیت انتظاری: چالش‌های اولیه
• 6. معرفی نظریه چشم‌انداز (Prospect Theory) اثر کانمن و تورسکی
• 7. چرا مطالعه تصمیم‌گیری در LLMها اهمیت دارد؟
• 8. مقاله الهام‌بخش: تشریح مسئله اصلی
• 9. اهداف و ساختار کلی دوره آموزشی
• 10. اصول بنیادین اقتصاد رفتاری
• 11. بخش اول: مبانی نظریه چشم‌انداز
• 12. اصل کلیدی اول: نقطه مرجع (Reference Point)
• 13. اصل کلیدی دوم: زیان‌گریزی (Loss Aversion)
• 14. اصل کلیدی سوم: حساسیت کاهشی (Diminishing Sensitivity)
• 15. تابع ارزش (Value Function) در نظریه چشم‌انداز
• 16. تابع وزن‌دهی احتمال (Probability Weighting Function)
• 17. اثر قطعیت (Certainty Effect) و سوگیری‌های احتمالی
• 18. اثر چارچوب‌بندی (Framing Effect): سود در برابر زیان
• 19. مثال کلاسیک: مسئله بیماری آسیایی
• 20. کاربردهای نظریه چشم‌انداز در دنیای واقعی
• 21. انتقادات و محدودیت‌های نظریه چشم‌انداز در انسان
• 22. بخش دوم: آشنایی با معماری و رفتار LLMها
• 23. معماری ترنسفورمر: ستون فقرات LLMها
• 24. توکن‌سازی (Tokenization) و تاثیر آن بر معنا
• 25. مفهوم فضای نهفته (Latent Space) در LLMها
• 26. چگونه یک LLM "تصمیم" می‌گیرد؟ فرآیند استنتاج و تولید متن
• 27. پرامپت‌نویسی (Prompt Engineering) به عنوان ابزار آزمایش
• 28. نقش دمای نمونه‌گیری (Sampling Temperature) و پارامترهای دیگر
• 29. سوگیری‌های شناختی در LLMها: از کجا نشأت می‌گیرند؟
• 30. محدودیت‌های ذاتی LLMها در استدلال عددی و منطقی
• 31. شبیه‌سازی سناریوهای تصمیم‌گیری برای LLMها
• 32. تفاوت تصمیم‌گیری انسانی و ماشینی: یک مقایسه اولیه
• 33. بخش سوم: آزمون نظریه چشم‌انداز روی LLMها
• 34. فرضیه تحقیق: آیا نظریه چشم‌انداز برای LLMها صادق است؟
• 35. طراحی آزمایش: بازآفرینی مسائل کلاسیک نظریه چشم‌انداز برای LLMها
• 36. متدولوژی: نحوه ارائه سناریوها به مدل‌های مختلف
• 37. نتایج اولیه: شواهدی از شکست نظریه چشم‌انداز
• 38. تحلیل پاسخ‌های LLM به سناریوهای زیان‌گریزی
• 39. بررسی اثر چارچوب‌بندی در LLMها: نتایج متناقض
• 40. آیا LLMها نقاط مرجع را درک می‌کنند؟
• 41. شکست در وزن‌دهی احتمالات: بی‌توجهی به احتمالات کوچک
• 42. تعریف ناپایداری (Instability) در تصمیم‌گیری LLMها
• 43. نمونه‌هایی از پاسخ‌های متناقض به پرامپت‌های مشابه
• 44. بخش چهارم: ریشه‌یابی ناپایداری - عدم قطعیت معرفتی
• 45. عدم قطعیت چیست؟ انواع آن
• 46. تفاوت عدم قطعیت معرفتی (Epistemic) و عدم قطعیت تصادفی (Aleatoric)
• 47. منشأ عدم قطعیت معرفتی در LLMها: داده‌های آموزشی
• 48. نقش همبستگی‌های آماری در مقابل درک مفهومی
• 49. عدم قطعیت زبانی: ابهام به عنوان منبع اصلی ناپایداری
• 50. چگونه کلمات مترادف پاسخ‌های متفاوتی ایجاد می‌کنند؟
• 51. تحلیل حساسیت LLM به تغییرات جزئی در واژگان پرامپت
• 52. اندازه‌گیری عدم قطعیت در خروجی LLMها
• 53. نقش آنتروپی و احتمال توکن‌ها در سنجش عدم قطعیت
• 54. وابستگی شدید به زمینه (Context) و تأثیر آن بر ثبات
• 55. بخش پنجم: تحلیل عمیق ناپایداری تصمیم‌گیری
• 56. مطالعه موردی اول: ناپایداری در مسائل مالی
• 57. مطالعه موردی دوم: ناپایداری در مسائل پزشکی
• 58. مطالعه موردی سوم: ناپایداری در قضاوت‌های اخلاقی
• 59. مقایسه سطح ناپایداری در مدل‌های مختلف (GPT-3.5, GPT-4, Llama, etc.)
• 60. اثر مقیاس مدل (Model Scale) بر پایداری تصمیم‌گیری
• 61. آیا مدل‌های بزرگ‌تر لزوماً پایدارتر هستند؟
• 62. نقش اطلاعات متناقض در داده‌های آموزشی
• 63. کالیبراسیون و عدم کالیبراسیون مدل‌های زبان بزرگ
• 64. توهم درک (Illusion of Understanding) در LLMها
• 65. چگونه LLMها بدون درک واقعی، تصمیم‌گیری را شبیه‌سازی می‌کنند؟
• 66. بخش ششم: پیامدها و راهکارهای عملی
• 67. پیامدهای ناپایداری برای کاربردهای حیاتی هوش مصنوعی
• 68. ریسک‌های استفاده از LLMها در مشاوره مالی و حقوقی
• 69. اخلاق در تصمیم‌گیری هوش مصنوعی: سوگیری و انصاف
• 70. تأثیر ناپایداری بر اعتماد کاربر به سیستم‌های هوش مصنوعی
• 71. راهکارهایی برای کاهش ناپایداری: پرامپت‌نویسی مقاوم (Robust Prompting)
• 72. تکنیک زنجیره افکار (Chain-of-Thought) و تأثیر آن بر ثبات
• 73. استفاده از چندین پرامپت و رأی‌گیری برای افزایش پایداری
• 74. تنظیم دقیق (Fine-tuning) برای بهبود ثبات تصمیم‌گیری
• 75. آموزش با بازخورد انسانی (RLHF) و نقش آن در همسوسازی رفتار
• 76. محدودیت‌های RLHF در حل مشکل ناپایداری بنیادین
• 77. بخش هفتم: مباحث پیشرفته و آینده پژوهی
• 78. آیا LLMها می‌توانند "فهم" عمیق‌تری از ریسک پیدا کنند؟
• 79. نظریه‌های جایگزین برای مدل‌سازی تصمیم‌گیری LLMها
• 80. مدل‌سازی صریح عدم قطعیت در معماری LLMها
• 81. نقش حافظه و یادگیری مداوم در پایداری تصمیمات
• 82. به سوی مدل‌های عامل‌محور (Agent-based Models) با قابلیت تصمیم‌گیری پایدار
• 83. روانشناسی ماشین: یک حوزه تحقیقاتی نوظهور
• 84. ابزارهای ارزیابی و بنچمارک برای سنجش پایداری تصمیم‌گیری
• 85. چارچوب‌های نظارتی و قانونی برای استفاده از LLMها در تصمیم‌گیری‌های حساس
• 86. چالش‌های باز در درک ذهنیت ماشینی
• 87. جمع‌بندی دوره: از نظریه چشم‌انداز تا آینده هوش مصنوعی قابل اعتماد