الأسئلة الشائعة
الخدمات
انضم إلينا كخبير
المدونة
حلل احتياجاتك التدريبيةجديد ومجاني
الإفصاح عن التدريب مجانًاتقييم نضج الموارد البشرية مجانًاالرضا والارتباط الوظيفي مجانًا
رواسي
رواسي التمكين
للاستـــــشارات والـــــتدريب
الرئيسيةمن نحن
الدورات التدريبيةالبرامج التدريبية الشهريةحلل احتياجاتك التدريبية مجانًاالإفصاح عن التدريب مجانًاالاعتمادات
الحقائب التدريبية الجاهزةالتحول الرقمي للحقائب التدريبيةطلب حقيبة تدريبية مخصصة
الخدمات الاستشاريةالمنتجات الرقميةاتصل بنا
رواسي
رواسي التمكينللاستـــــشارات والـــــتدريب

نقدم حلولاً متكاملة في التدريب والاستشارات والمنتجات الرقمية بمعايير مهنية تساهم في تمكين الأفراد وتطوير المؤسسات.

طرق الدفع

مدىفيزاماستركاردأمريكان إكسبرسSTC PayApple Payمدفوعتابيتمارا

السجل التجاري

7001748636

الحالة: نشطإصدار: 27/02/2012

روابط سريعة

  • الرئيسية
  • من نحن
  • الأكاديميات المتخصصة
  • الدورات
  • جميع القطاعات
  • الحقائب التدريبية
  • الخدمات الاستشارية
  • المنتجات الرقمية
  • المدونة
  • اتصل بنا
  • انضم إلينا كخبير

خدماتنا

  • التدريب والتأهيل
  • الحلول الاستشارية
  • الجودة والتميز
  • المنتجات الرقمية
  • التطوير المؤسسي
  • حلول التحول الرقمي

تواصل معنا

الفرع الرئيسي:

الرياض: المملكة العربية السعودية
عمان: المملكة الأردنية الهاشمية
مسقط: سلطنة عُمان

البريد الإلكتروني:

[email protected]

الهاتف:

السعودية:+966 500 665 369(إضافي):+966 570 588 004
تحدث مع خبيرحلل احتياجاتك التدريبية مجانًا

© 2026 رواسي التمكين للاستشارات والتدريب. جميع الحقوق محفوظة.

سياسة الخصوصيةالشروط والأحكامسياسة الاستردادخريطة الموقع
الذكاء الاصطناعي الأخلاقي والحوكمة
الدوراتالذكاء الاصطناعي وتطبيقاته في الأعمال
برنامج تدريبي احترافي

الذكاء الاصطناعي الأخلاقي والحوكمة

تُعد دورة "الذكاء الاصطناعي الأخلاقي والحوكمة" برنامجًا تدريبيًا متقدمًا يهدف إلى تمكين المشاركين من فهم وتطبيق مبادئ الأخلاقيات والحوكمة في تصميم وتطوير ونشر أنظمة الذكاء الاصطناعي (AI). مع الانتشار السريع للذكاء الاصطناعي في جميع القطاعات (الصحة، المالية، التعليم، النقل، الأمن)، تزايدت المخاوف بشأن التحيز الخوارزمي (Algorithmic Bias)، والتمييز، وانتهاك الخصوصية، وعدم الشفافية، والمسؤولية القانونية. في المملكة العربية السعودية، أصدرت الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا) سياسة الذكاء الاصطناعي المسؤول (Responsible AI Policy) في عام 2026 (مسودة)، وأطلقت مبادرات لضمان أن تكون أنظمة الذكاء الاصطناعي أخلاقية وشاملة وشفافة، بما يتوافق مع الشريعة الإسلامية والقيم الوطنية.

شهادة متضمنة
تدريب بقيادة خبراء
تعلم تطبيقي
دعم في التسجيل
أيام
5 أيام
اللغة
العربية والإنجليزية
مسار عرض السعر

اطلب الجدول وعرض السعر

الدفع الإلكتروني غير متاح لهذه الدورة حالياً. أرسل بياناتك وسيقوم فريق التدريب بإعداد الجدول وعرض السعر الأنسب لك.

لا توجد جلسة عامة مدفوعة متاحة الآن. اطلب عرض سعر وسنؤكد الجدول والمقاعد والتكلفة.
ملخص الدورة
اطلب الجدول وعرض السعر

لا يوجد دفع إلكتروني مفتوح لهذه الدورة حالياً. يمكن لفريقنا إرسال عرض السعر المناسب لك.

تاريخ البدء
مرن / متاح دائماً
الشهادة
شهادة معتمدة
أيام
5 أيام

يصلكم العرض عبر البريد وبوابة العملاء

استفسر عبر واتساب
تفاصيل الدورة

نظرة عامة

تُعد دورة "الذكاء الاصطناعي الأخلاقي والحوكمة" برنامجًا تدريبيًا متقدمًا يهدف إلى تمكين المشاركين من فهم وتطبيق مبادئ الأخلاقيات والحوكمة في تصميم وتطوير ونشر أنظمة الذكاء الاصطناعي (AI). مع الانتشار السريع للذكاء الاصطناعي في جميع القطاعات (الصحة، المالية، التعليم، النقل، الأمن)، تزايدت المخاوف بشأن التحيز الخوارزمي (Algorithmic Bias)، والتمييز، وانتهاك الخصوصية، وعدم الشفافية، والمسؤولية القانونية. في المملكة العربية السعودية، أصدرت الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا) سياسة الذكاء الاصطناعي المسؤول (Responsible AI Policy) في عام 2026 (مسودة)، وأطلقت مبادرات لضمان أن تكون أنظمة الذكاء الاصطناعي أخلاقية وشاملة وشفافة، بما يتوافق مع الشريعة الإسلامية والقيم الوطنية.

تغطي الدورة المبادئ الأساسية للذكاء الاصطناعي الأخلاقي (الشفافية، المساءلة، الإنصاف، الموثوقية، الخصوصية، الأمان، قابلية التفسير (Explainability)، الإشراف البشري). تستعرض الدورة أطر الحوكمة الوطنية (سياسة سدايا، نظام حماية البيانات الشخصية (PDPL)، دور الهيئة الوطنية للأمن السيبراني (NCA) في أمن الذكاء الاصطناعي). كما تغطي الدورة تقنيات لتخفيف التحيز (Bias Mitigation) في البيانات والنماذج، وطرق تفسير نماذج الصندوق الأسود (Black Box) مثل (LIME، SHAP)، وإنشاء ميثاق أخلاقيات الذكاء الاصطناعي للمنشأة (AI Ethics Charter). تم تصميم البرنامج ليكون تطبيقيًا بنسبة 60%، مع دراسات حالة من حوادث حقيقية (مثل تمييز في التوظيف، تمييز في منح القروض، انتهاكات الخصوصية)، وتمارين على أدوات كشف التحيز (مثل IBM AI Fairness 360، Google What-If Tool، Aequitas)، وورش عمل لبناء سياسات حوكمة مخصصة.

الأهداف

أهداف البرنامج

بنهاية هذه الدورة، سيكون المشارك قادرًا على:

  1. فهم المبادئ الأخلاقية الأساسية للذكاء الاصطناعي والإطار التنظيمي السعودي – استيعاب مبادئ (الشفافية (Transparency)، الإنصاف (Fairness)، المساءلة (Accountability)، الخصوصية (Privacy)، الأمان (Security)، الموثوقية (Reliability)، السلامة (Safety)، قابلية التفسير (Explainability)، الرقابة البشرية (Human Oversight)).
  2. تطبيق منهجيات تقييم المخاطر الأخلاقية (Ethical Risk Assessment) لأنظمة الذكاء الاصطناعي – تطوير قائمة مراجعة (Checklist) لتحليل المخاطر المحتملة (التحيز، التمييز، انتهاك الخصوصية، الضرر الجسدي، الضرر النفسي، التلاعب) في مشروع ذكاء اصطناعي مقترح.
  3. تحديد وتخفيف التحيز الخوارزمي (Algorithmic Bias) في البيانات والنماذج – استخدام أدوات مثل (IBM AI Fairness 360) أو (Google What-If Tool) لاكتشاف التحيز (على أساس الجنس، العرق، العمر، المنطقة الجغرافية) في مجموعة بيانات، وتطبيق تقنيات المعالجة المسبقة (Pre-processing) (إعادة وزن العينات)، والمعالجة اللاحقة (Post-processing) (تعديل عتبات القرار) لتقليل التحيز.
  4. تفسير نماذج الذكاء الاصطناعي (Explainable AI – XAI) باستخدام LIME و SHAP – تطبيق تقنيات (Local Interpretable Model-agnostic Explanations – LIME) و (SHapley Additive exPlanations – SHAP) لشرح سبب تنبؤ نموذج معين (على سبيل المثال، لماذا تم رفض طلب قرض هذا العميل؟) بطريقة يفهمها البشر.
  5. تطبيق مبادئ الخصوصية (Privacy) في الذكاء الاصطناعي – فهم تقنيات (التعلم الموحد (Federated Learning) – لتدريب النماذج دون مشاركة البيانات الأولية، الخصوصية التفاضلية (Differential Privacy) – لإضافة ضوضاء إلى البيانات لحماية الأفراد، والتشفير المتماثل (Homomorphic Encryption) – لإجراء العمليات الحسابية على البيانات المشفرة.)
  6. تصميم إطار حوكمة الذكاء الاصطناعي (AI Governance Framework) للمنشأة – إنشاء وثيقة تتضمن: (سياسة استخدام الذكاء الاصطناعي، ميثاق أخلاقيات الذكاء الاصطناعي، أدوار ومسؤوليات (لجنة أخلاقيات الذكاء الاصطناعي، مدير مسؤولية الذكاء الاصطناعي (Chief AI Ethics Officer))، عملية المراجعة والتدقيق، خطة إدارة الحوادث.)
الفئة المستهدفة

الفئة المستهدفة

يستهدف هذا البرنامج التدريبي الفئات التالية:

  1. مهندسو وعلماء ومطورو الذكاء الاصطناعي (AI/ML Engineers، Data Scientists).
  2. مسؤولو الامتثال (Compliance Officers) والحوكمة (Governance) والمخاطر (Risk Management).
  3. مسؤولو حماية البيانات (Data Protection Officers – DPOs) ومتخصصو الخصوصية.
  4. المحامون والمستشارون القانونيون المهتمون بتقنيات الذكاء الاصطناعي.
  5. مديرو المنتجات التقنية (Product Managers) ومخططو استراتيجية الذكاء الاصطناعي.
  6. صناع السياسات والجهات التنظيمية في قطاع التقنية.
  7. خريجو تقنية المعلومات، علوم البيانات، القانون، إدارة الأعمال.
الكفاءات

الكفاءات الأساسية

تقييم التحيز في نموذج تصنيف باستخدام IBM AI Fairness 360

تحميل مجموعة بيانات (مثل (COMPAS) لاحتمالية إعادة الإجرام)، وتدريب نموذج بسيط، واستخدام (IBM AIF360) لاكتشاف التحيز فيما يتعلق بالجنس أو العرق، وحساب مقاييس (المساواة في الاحتمالات (Equal Opportunity Difference)، والمساواة الديموغرافية (Demographic Parity)).

تطبيق تقنية LIME لتفسير التنبؤ الفردي لنموذج الانحدار اللوجستي

شرح سبب تصنيف نموذج لطلب قرض على أنه "احتمال تعثر مرتفع" لعميل معين، من خلال إبراز أهم الميزات التي ساهمت في القرار (الدخل المنخفض، تاريخ الدفعات المتأخر).

إعداد خطة تخفيف التحيز (Bias Mitigation Plan) لمشروع ذكاء اصطناعي

تحديد مصدر التحيز المحتمل (عينة بيانات غير متوازنة، متغيرات بديلة)، واقتراح تقنيات لمعالجته (إعادة وزن العينات، إزالة المتغيرات البديلة، تدريب نموذج عادل).

تحليل الامتثال لسياسة الذكاء الاصطناعي المسؤول السعودي (سدايا)

مقارنة نظام ذكاء اصطناعي معين (افتراضي) بمتطلبات السياسة (الشفافية، المساءلة، الإنصاف، الخصوصية، الأمان)، وتحديد الفجوات واقتراح إجراءات سدها.

تصميم ميثاق أخلاقيات الذكاء الاصطناعي لمنشأة (AI Ethics Charter)

كتابة وثيقة من صفحة واحدة تحدد المبادئ الأخلاقية التي ستلتزم بها المنشأة عند تطوير واستخدام الذكاء الاصطناعي، بالإضافة إلى آليات الإبلاغ عن المخالفات.

إجراء تدقيق (Audit) أولي لنظام توصية (Recommendation System)

فحص نظام توصية المنتجات (على سبيل المثال، موقع تجارة إلكترونية) للتأكد من عدم تحيزه ضد فئات معينة من المستخدمين (المنطقة الجغرافية، الجنس) باستخدام أدوات (What-If Tool).

رحلة التعلم

محتوى البرنامج

01

اليوم الأول: مقدمة في أخلاقيات الذكاء الاصطناعي والإطار التنظيمي السعودي

لماذا نحتاج إلى ذكاء اصطناعي أخلاقي؟
أمثلة على حوادث واقعية: (1) نظام توظيف من Amazon كان ي discriminate ضد النساء (تم إلغاؤه). (2) نظام (COMPAS) في الولايات المتحدة كان متحيزًا ضد الأقليات العرقية في تقدير احتمالية إعادة الإجرام. (3) نظام التعرف على الوجه (Face Recognition) كان أداؤه أسوأ مع ذوي البشرة الداكنة. (4) خوارزميات منح القروض (Credit scoring) تمنع بعض الفئات العرقية أو العمرية. (5) التلاعب بالرأي العام عبر خوارزميات وسائل التواصل الاجتماعي. العواقب القانونية والسمعية والمالية.
المبادئ الأساسية للذكاء الاصطناعي الأخلاقي (مقترحات منظمة التعاون الاقتصادي والتنمية (OECD)، الاتحاد الأوروبي، IEEE)
(1) الإنصاف (Fairness): عدم التمييز، معاملة الأفراد المتشابهين بشكل متشابه. (2) الشفافية (Transparency): الكشف عن استخدام الذكاء الاصطناعي، شرح كيفية عمل النظام. (3) قابلية التفسير (Explainability): القدرة على تفسير سبب قرار معين. (4) المساءلة (Accountability): وجود جهة مسؤولة عن سلوك النظام وأخطائه. (5) الخصوصية والأمان (Privacy & Security): حماية البيانات ومنع الاختراق. (6) الإشراف البشري (Human Oversight): قدرة البشر على التدخل لتجاوز قرارات الذكاء الاصطناعي في الحالات الحرجة. (7) الموثوقية والأمان (Reliability & Safety): عمل النظام بشكل صحيح ضمن نطاقه المحدد.
سياسة الذكاء الاصطناعي المسؤول في المملكة العربية السعودية (سدايا) – عام 2026
استعراض المبادئ السبع للسياسة: (الإنصاف، الشفافية، المساءلة، الخصوصية، الأمان، الموثوقية، قابلية التفسير). شرح متطلبات كل مبدأ (تقييم المخاطر، ضوابط الخصوصية، آليات المراجعة، خطط الطوارئ). مناقشة علاقة هذه السياسة مع أنظمة أخرى: نظام حماية البيانات الشخصية (PDPL)، نظام مكافحة الجرائم المعلوماتية، نظام المعاملات الإلكترونية، وقرارات الهيئة الوطنية للأمن السيبراني (NCA).
دور الجهات التنظيمية في السعودية (سدايا، NCA، هيئة الحكومة الرقمية – DGA)
مسؤوليات سدايا: وضع السياسات، إصدار التراخيص للبيانات والذكاء الاصطناعي، الإشراف على الامتثال. NCA: تحديد متطلبات الأمن السيبراني لأنظمة الذكاء الاصطناعي (خاصة تلك المستخدمة في البنية التحتية الحيوية). DGA: ضمان أن تكون أنظمة الذكاء الاصطناعي المستخدمة في الجهات الحكومية أخلاقية وشفافة.
ورشة عمل عملية (تحليل حادثة واقعية في ضوء المبادئ الأخلاقية)
المطلوب (فرق عمل صغيرة): اختيار حادثة واحدة من الخمس المذكورة أعلاه (أو حادثة أخرى معروفة). تحليل الحادثة: (1) أي من المبادئ الأخلاقية انتهكت؟ (2) ما هي العواقب (على الأفراد، المجتمع، الشركة)؟ (3) ما هي الإجراءات التي كان يمكن اتخاذها لمنع أو تخفيف الضرر؟ (4) إذا حدثت هذه الحادثة في السعودية، أي جهة تنظيمية ستكون مسؤولة عن التحقيق؟ (5) تقديم عرض (5 دقائق) للمجموعة.
02

اليوم الثاني: التحيز الخوارزمي (Algorithmic Bias) – اكتشافه وتخفيفه

أنواع التحيز في الذكاء الاصطناعي (Data Bias، Algorithmic Bias، Interaction Bias)
(1) تحيز البيانات (Data Bias): عينة بيانات غير تمثيلية (نقص تمثيل فئة معينة)، بيانات تاريخية متحيزة (تعكس تمييزًا سابقًا)، متغيرات بديلة (Proxy Variables) (مثل استخدام الرمز البريدي كبديل عن العرق). (2) تحيز الخوارزمية (Algorithmic Bias): تصميم الخوارزمية نفسها يفضل فئة على أخرى حتى مع بيانات غير متحيزة. (3) تحيز التفاعل (Interaction Bias): عندما يتفاعل المستخدمون مع النظام بطريقة تؤدي إلى تعزيز التحيز (مثل خوارزمية التوصيات التي تدفع المحتوى الرائج مما يعزز الاتجاهات السائدة).
مقاييس الإنصاف (Fairness Metrics)
(1) المساواة الديموغرافية (Demographic Parity): احتمالية الحصول على نتيجة إيجابية متساوية بين المجموعات. (2) المساواة في الاحتمالات (Equalized Odds): تساوي معدلات الإيجابيات الحقيقية (TPR) والسلبيات الكاذبة (FPR) بين المجموعات. (3) المساواة في الفرصة (Equal Opportunity): تساوي معدل الإيجابيات الحقيقية (TPR) بين المجموعات. (4) التأثير الفردي (Individual Fairness): الأفراد المتشابهون يحصلون على نتائج متشابهة. اختيار المقياس يعتمد على السياق والقيم الاجتماعية.
أدوات اكتشاف التحيز
IBM AI Fairness 360 (AIF360): مكتبة Python شاملة تحتوي على مقاييس الانصاف و 12 خوارزمية لتخفيف التحيز. Google What-If Tool (WIT): أداة مرئية لتحليل سلوك النموذج واستكشاف سيناريوهات "ماذا لو". Aequitas: أداة مفتوحة المصدر لتدقيق الإنصاف. Fairlearn من Microsoft. تطبيق عملي: استخدام AIF360 مع مجموعة بيانات (COMPAS) أو بيانات القروض.
تقنيات تخفيف التحيز (Bias Mitigation)
(1) المعالجة المسبقة (Pre-processing): إعادة وزن العينات (Reweighting)، تحويل البيانات (Transforming) لتقليل الاعتماد على السمات المحمية. (2) المعالجة الداخلية (In-processing): تعديل خوارزمية التدريب لتشمل قيد الانصاف (Fairness constraint) مثل تقليل الفرق في المساواة الديموغرافية. (3) المعالجة اللاحقة (Post-processing): تعديل عتبة القرار (Decision Threshold) للمجموعات المختلفة لتحقيق تكافؤ الاحتمالات.
ورشة عمل عملية (اكتشاف وتخفيف التحيز في نموذج الموافقة على القروض)
المطلوب (Python, AIF360): (1) تحميل مجموعة بيانات (Credit Scoring) تحتوي على سمة محمية (الجنس أو العرق). (2) تدريب نموذج الانحدار اللوجستي. (3) استخدام AIF360 لحساب (مقياس المساواة الديموغرافية (Demographic Parity)) للمجموعات المختلفة. (4) إذا كان هناك تحيز، قم بتطبيق تقنية تخفيف (المعالجة المسبقة (Reweighting) أو المعالجة اللاحقة (Threshold Adjust)). (5) إعادة حساب المقياس بعد التخفيف ومقارنة النتائج. (6) مناقشة المقايضة بين الدقة والإنصاف (Fairness-Accuracy Trade-off).
03

اليوم الثالث: تفسير نماذج الذكاء الاصطناعي (Explainable AI – XAI)

لماذا نحتاج إلى تفسير (Explainability)؟
متطلبات تنظيمية (قانون "الحق في التفسير" في الاتحاد الأوروبي (GDPR)، متطلبات سياسة سدايا). بناء الثقة مع المستخدمين. اكتشاف أخطاء النظام وتحسينه. الامتثال القانوني (إثبات عدم التمييز).
أنواع التفسير (Global vs. Local، Model-specific vs. Model-agnostic)
(1) التفسير العالمي (Global): فهم كيف يعمل النموذج بشكل عام (أهم الميزات، العلاقات العامة). (2) التفسير المحلي (Local): تفسير سبب تنبؤ معين لعينة فردية. (3) خاص بالنموذج (Model-specific): مثل تفسير أشجار القرار (شجرة مرئية). (4) غير خاص بالنموذج (Model-agnostic): يمكن تطبيقه على أي نموذج (مثل LIME، SHAP).
تقنية LIME (Local Interpretable Model-agnostic Explanations)
شرح LIME: توليد عينات قريبة من نقطة الاهتمام، وبناء نموذج بسيط (خطي) محليًا يشرح تنبؤ النموذج المعقد. تطبيق عملي: استخدام مكتبة (lime) مع نموذج تصنيف (Random Forest) وبيانات نصوص (تصنيف المراجعات)، أو بيانات جدولية. عرض أهم الكلمات (للنص) أو أهم الميزات (للجدول) التي ساهمت في القرار.
تقنية SHAP (SHapley Additive exPlanations)
شرح SHAP: مستندة إلى نظرية الألعاب (Shapley values)، تحسب مساهمة كل ميزة في التنبؤ بشكل عادل. تطبيق عملي: استخدام مكتبة (shap) مع نموذج الانحدار (التنبؤ بأسعار المنازل) أو نموذج تصنيف. عرض (Summary plot) لأهم الميزات عالميًا، و (Force plot) لتفسير عينة فردية.
أدوات أخرى للتفسير: What-If Tool (WIT) من Google، و Azure Machine Learning Interpretability
استعراض سريع لهذه الأدوات وقدرتها على تعديل قيم الميزات يدويًا ومشاهدة تأثيرها على التنبؤ (Counterfactual explanations).
ورشة عمل عملية (تفسير نموذج رفض القرض باستخدام SHAP)
الهدف: شرح سبب رفض طلب قرض لعميل معين باستخدام SHAP. المطلوب (Python, shap): (1) استخدام مجموعة بيانات (Credit) مع نموذج Random Forest مدرب مسبقًا (في ملف تدريبي). (2) اختيار عينة من البيانات تمثل عميلًا تم رفض قرضه. (3) حساب قيم Shapley لهذه العينة. (4) رسم (Force plot) أو (Waterfall plot) لتوضيح أي الميزات ساهمت بشكل أكبر في الرفض (على سبيل المثال، "ارتفاع نسبة الدين إلى الدخل"، "عدد متأخرات الدفع السابقة"). (5) كتابة تفسير بلغة إنجليزية/عربية بسيطة للمستخدم (مثال: "تم رفض قرضك لأن نسبة ديونك الشهرية إلى دخلك مرتفعة جدًا (45%، بينما الحد الأقصى المسموح 30%)، ولديك تأخر في دفع 3 أقساط سابقة").
04

اليوم الرابع: الخصوصية والحوكمة في الذكاء الاصطناعي

الخصوصية في الذكاء الاصطناعي (Privacy-Preserving AI)
(1) البيانات مجهولة المصدر (Anonymization) وإخفاء الهوية (Pseudonymization): إزالة المعرفات المباشرة. (2) التعلم الموحد (Federated Learning): تدريب النموذج على بيانات محلية (على أجهزة المستخدمين أو في فروع البنك) دون نقل البيانات إلى خادم مركزي. (3) الخصوصية التفاضلية (Differential Privacy): إضافة ضوضاء إحصائية إلى الاستعلامات أو إلى التدرجات أثناء التدريب بحيث لا يمكن استنتاج معلومات عن فرد معين. (4) التشفير المتماثل (Homomorphic Encryption): إجراء عمليات حسابية على بيانات مشفرة دون الحاجة إلى فك التشفير.
حوكمة الذكاء الاصطناعي (AI Governance) – إطار عمل
مكونات حوكمة الذكاء الاصطناعي: (1) السياسات والمعايير (Policies & Standards): سياسة استخدام الذكاء الاصطناعي، معايير الجودة والأخلاق. (2) الهيكل التنظيمي (Organizational Structure): تعيين (Chief AI Ethics Officer)، تشكيل لجنة أخلاقيات الذكاء الاصطناعي، تحديد أدوار ومسؤوليات (Data Stewards، Model Validators). (3) إدارة المخاطر (Risk Management): تقييم المخاطر الأخلاقية والقانونية والتشغيلية قبل نشر النظام. (4) المراقبة والتدقيق (Monitoring & Auditing): مراقبة أداء النماذج بشكل مستمر للكشف عن الانجراف (Drift) أو ظهور تحيز جديد. إجراء تدقيق داخلي وخارجي دوري. (5) الشفافية والتواصل (Transparency & Communication): وثائق واضحة، آليات للإبلاغ عن المشكلات.
أنظمة إدارة جودة الذكاء الاصطناعي (ISO/IEC 42001:2023)
استعراض معيار ISO 42001 كأول معيار دولي لنظام إدارة الذكاء الاصطناعي. متطلباته (السياق، القيادة، التخطيط، الدعم، التشغيل، تقييم الأداء، التحسين). العلاقة بين هذا المعيار وسياسة سدايا.
تدقيق أنظمة الذكاء الاصطناعي (AI Auditing)
من يمكنه إجراء التدقيق؟ (فرق داخلية، مراجعون خارجيون معتمدون). أدوات التدقيق (AIF360، WIT، SHAP). مراحل التدقيق: (1) مراجعة البيانات (جودة، تحيز). (2) مراجعة النموذج (الدقة، الإنصاف، قابلية التفسير). (3) مراجعة العمليات (التوثيق، الموافقات، المراقبة). (4) إعداد تقرير التدقيق.
ورشة عمل عملية (بناء ميثاق أخلاقيات الذكاء الاصطناعي لمنشأة افتراضية)
المطلوب (فرق عمل صغيرة): منشأة افتراضية (بنك، مستشفى، شركة تقنية) تخطط لنشر نظام ذكاء اصطناعي للتوظيف أو التصنيف الائتماني. المطلوب: (1) تحديد 5 مبادئ أخلاقية ستلتزم بها المنشأة (من القائمة السابقة). (2) لكل مبدأ، صياغة بند ميثاق (مثال: "الشفافية: سننشر وصفًا واضحًا للبيانات المستخدمة والخوارزميات المعتمدة، وسنوفر تفسيرًا مبسطًا للقرارات للمتأثرين بها"). (3) تحديد آليات الإبلاغ عن انتهاكات الميثاق (بريد إلكتروني، لجنة مستقلة). (4) تحديد العقوبات على الانتهاكات (تأديبية، تعويضية). (5) كتابة الميثاق في صفحة واحدة. (6) تقديمه للمجموعة.
05

اليوم الخامس: دراسات حالة متقدمة ومشروع حوكمة الذكاء الاصطناعي

دراسة حالة: تطبيق الذكاء الاصطناعي في التوظيف – تحديات الإنصاف والشفافية
تحليل نظام ذكاء اصطناعي لفحص السير الذاتية. كيف يمكن أن يتحيز النظام ضد أسماء معينة (تشير إلى جنس أو عرق معين) أو ضد جامعات معينة. استراتيجيات التخفيف: (1) إخفاء المعلومات الديموغرافية (إزالة الاسم، الجنس، العمر، الصورة). (2) استخدام بيانات تدريب متوازنة. (3) تدقيق الإنصاف بانتظام. (4) توفير تفسير لسبب رفض مرشح معين.
دراسة حالة: التعرف على الوجه (Face Recognition) – الخصوصية والتحيز
مناقشة استخدامات (التعرف على الوجه في الأماكن العامة، فتح الهواتف، التحقق من الهوية). مخاطر: انتهاك الخصوصية (المراقبة الجماعية)، التحيّز (أداء أقل مع بعض الأعراق والجنسين). الإجراءات التنظيمية في بعض المدن لحظر أو تقييد استخدام التعرف على الوجه. توصيات للاستخدام المسؤول (الموافقة المستنيرة، الشفافية، آليات التظلم).
دراسة حالة: خوارزميات وسائل التواصل الاجتماعي – التلاعب والأضرار النفسية
كيفية استغلال خوارزميات التوصية لتعزيز المحتوى المتطرف، وخلق "غرف الصدى" (Echo Chambers)، ونشر المعلومات المضللة. مناقشة أخلاقيات استخدام خوارزميات تحسين التفاعل (Engagement Optimization) دون النظر إلى المحتوى الضار. دور الهيئات التنظيمية (مثل هيئة الاتصالات والفضاء والتقنية (CST)) في مراقبة هذه الخوارزميات.
مشروع حوكمة الذكاء الاصطناعي النهائي
حالة: إحدى الجهات الحكومية السعودية تخطط لاستخدام نظام ذكاء اصطناعي لتحليل بيانات المواطنين وتصنيفهم حسب مستوى "الاستحقاق" للحصول على دعم مالي (برنامج حساب المواطن). المطلوب من المشاركين (فرق عمل صغيرة): (1) تحديد المخاطر الأخلاقية الرئيسية (التحيز، انتهاك الخصوصية، التمييز، عدم الشفافية، إمكانية التظلم). (2) اقتراح إجراءات لتخفيف كل خطر (على سبيل المثال: تشفير البيانات، استخدام نموذج قابل للتفسير، إنشاء لجنة مراجعة مستقلة، توفير آلية تظلم للمواطنين). (3) كتابة خطة حوكمة مختصرة (3 صفحات) تشمل: (أ) المبادئ الأخلاقية، (ب) مسؤوليات الأفراد (مدير البيانات، مدير النموذج، مراقب الامتثال)، (ج) عملية الموافقة على النموذج (مراجعة، اختبار، نشر)، (د) خطة المراقبة والتدقيق (كل 6 أشهر). (4) إعداد عرض (10 شرائح) للمجلس الأعلى للذكاء الاصطناعي (افتراضي).
اختبار ختامي ومراجعة الدورة الثامنة
أسئلة موضوعية قصيرة حول المبادئ الأخلاقية، أنواع التحيز، مقاييس الإنصاف، تقنيات التفسير، وحوكمة الذكاء الاصطناعي. مراجعة لأبرز النقاط في الأيام الخمسة.
ملخص التسجيل
تسجيل آمن في الدورة
اطلب الجدول وعرض السعر

لا يوجد دفع إلكتروني مفتوح لهذه الدورة حالياً. يمكن لفريقنا إرسال عرض السعر المناسب لك.

+966

تحقق أمني سريع — أكمله لتفعيل الإرسال

يصلكم العرض عبر البريد وبوابة العملاء

استفسر عبر واتساب
قد يهمك أيضاً

دورات أخرى متاحة للحجز الآن

دفعات مؤكدة بموعد وسعر محددين — احجز مقعدك وادفع إلكترونياً مباشرة

الذكاء الاصطناعي في الأعمال - رواسي التمكين
دفعة مؤكدة — حجز فوري
الذكاء الاصطناعي وتطبيقاته في الأعمالذات صلة

الذكاء الاصطناعي في الأعمال

  • يبدأ الأحد 11 أكتوبر 2026
  • عن بُعد
  • 6:00–10:00 مبتوقيت الرياض
يبدأ خلال 5 أيام
396 SARشامل ضريبة القيمة المضافة
احجز مقعدكهل ترغب بتنفيذها لمنشأتك؟
المناقصات والمشتريات الحكومية: قراءة عملية للأنظمة والعقود - رواسي التمكين
دفعة مؤكدة — حجز فوري
البرامج القانونية للمحامين والموظفين

المناقصات والمشتريات الحكومية: قراءة عملية للأنظمة والعقود

  • يبدأ الأحد 25 أكتوبر 2026
  • عن بُعد
  • 6:00–10:00 مبتوقيت الرياض
396 SARشامل ضريبة القيمة المضافة
احجز مقعدكهل ترغب بتنفيذها لمنشأتك؟
نظام إدارة الجودة – ISO 9001 - رواسي التمكين
دفعة مؤكدة — حجز فوري
برامج شهادات الايزو(ISO)

نظام إدارة الجودة – ISO 9001

  • يبدأ الأحد 25 أكتوبر 2026
  • عن بُعد
  • 6:00–10:00 مبتوقيت الرياض
399 SARشامل ضريبة القيمة المضافة
احجز مقعدكهل ترغب بتنفيذها لمنشأتك؟
ضبط الجودة والاختبارات QA/QC في الأعمال المدنية والإنشائية - رواسي التمكين
دفعة مؤكدة — حجز فوري
البرامج الهندسية في القطاع الإنشائي

ضبط الجودة والاختبارات QA/QC في الأعمال المدنية والإنشائية

  • يبدأ الأحد 25 أكتوبر 2026
  • عن بُعد
  • 6:00–10:00 مبتوقيت الرياض
696 SARشامل ضريبة القيمة المضافة
احجز مقعدكهل ترغب بتنفيذها لمنشأتك؟
مصفوفة المواعيد الثابتة

استكشف جدول البرامج التدريبية الشهرية

خطط لخارطة التدريب الربعي لمنشأتك من خلال دوراتنا الشهرية المضمونة الانعقاد. تصفح الجداول الزمنية المنظمة والمصممة خصيصاً للمسارات الصناعية والمهنية.

عرض الجدول الشهري
عرض سعر لجهة عملك
يصلكم العرض عبر البريد وبوابة العملاء