فلشکارتهای آموزشی هوش مصنوعی در آینه: خودآگاهی LLMها و تصمیمگیری در بازی کالای عمومی
هوش مصنوعی در آینه: خودآگاهی LLMها و تصمیمگیری در بازی کالای عمومی هوش مصنوعی در آینه: خودآگاهی LLMها و تصمیمگیری در بازی کالای عمومی درکی عمیق از رفتار هوش مصنوعی در تعاملات پیچیده و استراتژیک معرف...
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره هوش مصنوعی در آینه: خودآگاهی LLMها و تصمیمگیری در بازی کالای عمومی
موضوع کلی: هوش مصنوعی چند عامله و نظریه بازیها
موضوع میانی: شناخت خود در مدلهای زبان بزرگ و تاثیر آن بر همکاری
📋 سرفصلهای دوره
- 1. مقدمهای بر هوش مصنوعی چند عامله
- 2. مقدمهای بر نظریه بازیها
- 3. مقدمهای بر بازی کالای عمومی
- 4. ساختار بازی کالای عمومی
- 5. مفهوم کالای عمومی
- 6. بازی کالای عمومی تکرارشونده (Iterated Public Goods Game)
- 7. عوامل در بازی کالای عمومی
- 8. پایبندی به همکارانه در بازی کالای عمومی
- 9. خیانت در بازی کالای عمومی
- 10. محاسبه سود در بازی کالای عمومی
- 11. معضل همکاران در بازی کالای عمومی
- 12. مقدمهای بر مدلهای زبان بزرگ (LLMs)
- 13. معماری ترنسفورمر
- 14. توکنسازی در LLMs
- 15. آنبوردینگ در LLMs
- 16. آموزش اولیه LLMs
- 17. تنظیم دقیق LLMs (Fine-tuning)
- 18. کاربردهای LLMs
- 19. محدودیتهای LLMs
- 20. مفهوم شناخت خود (Self-Recognition)
- 21. شناخت خود در انسان
- 22. شناخت خود در هوش مصنوعی
- 23. چالشهای شناخت خود در هوش مصنوعی
- 24. شناخت خود در مدلهای زبانی بزرگ
- 25. معیارهای سنجش شناخت خود در LLMs
- 26. مطالعه موردی: بازی کالای عمومی با LLMs
- 27. طراحی آزمایش: بازی کالای عمومی با LLMs
- 28. انتخاب LLMs برای آزمایش
- 29. تنظیم پارامترهای LLMs
- 30. تعریف نقش LLMs در بازی
- 31. نقش عامل اولیه (Agent 1)
- 32. نقش عامل دوم (Agent 2)
- 33. سناریوهای مختلف بازی
- 34. سناریو همکاری کامل
- 35. سناریو خیانت کامل
- 36. سناریو ترکیب همکاری و خیانت
- 37. متغیرهای آزمایش
- 38. تعداد دورهای بازی
- 39. اندازه جمعیت
- 40. میزان پاداش برای همکاری
- 41. میزان جریمه برای خیانت
- 42. پیادهسازی الگوریتمهای تصمیمگیری برای LLMs
- 43. الگوریتمهای مبتنی بر قواعد
- 44. الگوریتمهای مبتنی بر یادگیری تقویتی
- 45. الگوریتمهای مبتنی بر شبیهسازی
- 46. استفاده از LLMs به عنوان استراتژیگذار
- 47. پاسخ LLM به استراتژی عامل دیگر
- 48. تحلیل نتایج بازی
- 49. محاسبه سطح همکاری
- 50. محاسبه سطح خیانت
- 51. شناسایی الگوهای رفتاری
- 52. تاثیر شناخت خود LLM بر همکاری
- 53. ارتباط بین استراتژی LLM و سطح شناخت خود
- 54. آیا LLMهای با شناخت خود بالا، همکارترند؟
- 55. بررسی نقش حافظه در تصمیمگیری LLM
- 56. تاثیر تاریخچه بازی بر استراتژی LLM
- 57. تاثیر استراتژی عامل دیگر بر درک LLM از خود
- 58. شناخت خود و شکلگیری اعتماد در LLMs
- 59. شناخت خود و توانایی پیشبینی رفتار عامل دیگر
- 60. مطالعه موردی: نتایج شبیهسازی
- 61. تجزیه و تحلیل نتایج آماری
- 62. نمودارها و جداول نتایج
- 63. تفسیر نتایج کلیدی
- 64. مقایسه استراتژی LLMs با استراتژیهای انسانی
- 65. ارتباط نظریه بازیها با یافتههای LLM
- 66. مفهوم تعادل نش (Nash Equilibrium) در بازی با LLMs
- 67. تعادل نش در بازی کالای عمومی
- 68. انحراف از تعادل نش توسط LLMs
- 69. تاثیر شناخت خود بر انحراف از تعادل نش
- 70. کاربردهای عملی یافتههای تحقیق
- 71. بهبود طراحی سیستمهای چند عامله
- 72. توسعه هوش مصنوعی همکاریکننده
- 73. اخلاق در هوش مصنوعی و شناخت خود
- 74. پیامدهای بلندمدت شناخت خود در LLMs
- 75. چالشهای آینده پژوهش
- 76. روشهای پیشرفتهتر برای سنجش شناخت خود
- 77. طراحی بازیهای کالای عمومی پیچیدهتر
- 78. بررسی LLMs با معماریهای مختلف
- 79. بررسی LLMs با اندازههای مختلف
- 80. بررسی تعاملات بلندمدت بین LLMs
- 81. مطالعه رفتارهای ناگهانی یا غیرمنتظره در LLMs
- 82. شناخت خود و توانایی مذاکره در LLMs
- 83. شناخت خود و درک مفاهیم عدالت و انصاف
- 84. جنبههای فلسفی شناخت خود در هوش مصنوعی
- 85. نقش زبان در شکلگیری شناخت خود در LLMs
- 86. تحلیل کیفی پاسخهای LLMs
- 87. شناسایی دلایل پشت تصمیمات LLMs
- 88. توسعه مدلهای توضیحی (Explainable AI) برای LLMs
- 89. تأثیر "آینه" در آزمایش
- 90. نحوه نمایش وضعیت بازی به LLM
- 91. تأثیر اطلاعات ارائهشده به LLM بر شناخت خود
- 92. ارتباط بین "خود" و "دیگری" در LLM
- 93. مدلسازی "خود" برای LLM
- 94. مدلسازی "دیگری" برای LLM
- 95. تأثیر بازخورد در چرخه تصمیمگیری
- 96. شناخت خود در صورت عدم وجود آینه
- 97. آیا LLMها واقعاً "خود" را میشناسند؟
- 98. محدودیتهای مفهوم "شناخت خود" برای LLMs
- 99. کاربرد مقیاسبندی در سنجش شناخت خود
- 100. مفهوم "ذهن" در LLMs
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلشکارت؛ تجربهای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دورههای واجد شرایط.
مرور فاصلهدار
آمار یادگیری
گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را بهصورت مرحلهای دنبال کنید، فلشکارتها را مرور کنید، دانش خود را با پرسشها و آزمونها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصلهدار هوشمند
با مرور زماندار، کارتهای تازه و کارتهای سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخها به زمانبندی مرورهای بعدی کمک میکند تا تمرین متناسبتری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلشکارتها، فعالیتهای مرور، عملکرد آزمونها و آمار یادگیری را بررسی کنید و تصویر روشنتری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحلهبهمرحله
فصلها و بخشهای آموزشی را به ترتیب دنبال کنید، مطالب دیدهنشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموختهها
با نکتههای آموزشی، پرسش و پاسخ، کوییزها و آزمونهای پایان فصل، دانستههای خود را تمرین کنید و بخشهایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارتهای تازه و موعد مرور کارتها آماده میکند. شما پاسخ را ارزیابی میکنید و برنامه مرور با توجه به آن تنظیم میشود.
دوباره
برای کارتهایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخهایی که با دشواری به یاد آمدهاند.
خوب
برای پاسخهایی که بهدرستی به یاد آوردهاید.
آسان
برای کارتهایی که پاسخ آنها را بهآسانی میدانید.
برنامه مرور بر اساس ارزیابی شما تنظیم میشود؛ مرور منظم میتواند به تثبیت آموختهها کمک کند، اما بهتنهایی تضمینکننده تسلط کامل نیست.
محتوا را به شیوههای مختلف تمرین کنید
ساختار دورهها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکتههای ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکتههای رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه میشود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، میتوانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دورههای در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمانهای کوتاه
تبلت و لپتاپ
برای مطالعه و مرور راحتتر
حساب کاربری شخصی
برای دسترسی به دورههای مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دورههایی که امکان دریافت گواهی برای آنها فعال است، میتوانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلشکارتهای فعال دوره.
✓ قبولی در آزمونهای پایان فصل، در صورت وجود آزمون برای فصلها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخههای فارسی و انگلیسی گواهی در دسترس قرار میگیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر میشود. این گواهی، گواهی پایان دوره آموزشی است و بهخودیخود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدمبهقدم دانش و مهارتهایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه
یادگیری هوشمند، قدمبهقدم
با محیط سامانه آموزشی آشنا شوید و نمونههایی از فضای یادگیری، فلشکارتها و ابزارهای مرور و تمرین را مشاهده کنید.
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری فراتر از مطالعه معمولی
با فلشکارتهای آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.
تگها:
Game Theory
LLM
LLM Self-Recognition
Multi-Agent Systems
Public Goods Game
بازی کالای عمومی
تصمیمگیری الگوریتمی
خودآگاهی هوش مصنوعی
مدلهای زبان بزرگ
نظریه بازیها
همکاری در هوش مصنوعی
هوش مصنوعی
هوش مصنوعی چند عامله
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.