باختصار
نموذج القرار (Decision Model)، واللي بتسمّيه شركة TypeSafe AI «نموذج النظام الأوّل» (System One Model)، هو نموذج بيقبل مدخلات نصية زي النماذج اللغوية، لكن بدل ما يكتب نص، بيرجّع أرقام: احتمالات لفئات، أو إجابات نعم/لا، أو تقييمات، مع درجات ثقة.
بالتفصيل
الفئة دي اشتهرت مع نموذج Jev من TypeSafe AI في سبتمبر 2026. والمطوّر Simon Willison بيقول إنه متّفق مع Maggie Appleton إن اسم «نماذج القرار» أوضح من «النظام الأوّل». وJev بيدعم تلات أنواع أسئلة:
- نعم/لا: بتكتب عبارة، ويرجّع رقم بين 0 و1 بيعبّر عن ثقته إنها صحيحة.
- اختيار: بيختار واحد من مجموعة خيارات، مع توزيع احتمالات على كلها.
- درجة: بتدّيله مستويات رقمية بأوصافها، ويرجّع درجة في النطاق ده.
الميزة: سرعة وتكلفة قليلة، وسهولة الاستخدام في الكود لأنك بتتعامل مع رقم تقدر تحطّ له عتبة، مش نص محتاج تحلّله. وبعد Jev ظهرت بدائل مفتوحة، منها مكتبة AnyJev من Nokia اللي بتحوّل أي نموذج لغوي مفتوح لنموذج قرار من غير تدريب، بقراءة احتمالات الرمز التالي مع تصحيح انحياز ترتيب الخيارات.
العيب اللي بينبّه له Willison: ده رجوع أكتر للصندوق الأسود. النموذج اللغوي ممكن على الأقل «يبرّر» قراره، أما هنا فبتاخد رقم وخلاص. فلو Jev صنّف رسالة كسبام، مش هتعرف ليه. وده بيخلّي القلق من الانحياز أكبر، ويخلّي الاختبارات والتقييم المنهجي أهم.
مثال عملي
من استخدامات Willison: إعادة ترتيب نتائج البحث. بتجيب 100 نتيجة محتملة بخوارزمية رخيصة زي BM25، وبعدين تخلّي نموذج القرار يدّي كل نتيجة درجة صلة بالسؤال الأصلي، وترتّب حسب الدرجة. مثال تاني: وكيل خدمة عملاء بيسأل «هل الرسالة دي شكوى عاجلة؟»، ولو الاحتمال فوق 0.8 يحوّلها لموظّف فورًا.
مصطلحات مرتبطة
- Calibration — معايرة الاحتمالات.
- Model Router — موجّه النماذج.
- Binary Classification — التصنيف الثنائي.
المصادر: Simon Willison's Weblog، MarkTechPost — AnyJev — 2026-09-21, 2026-09-23
