باختصار
False Positive أو FP (الإيجابي الكاذب) هو مثال النموذج توقّع فيه الفئة الإيجابية بالغلط. يعني إنذار، لكن مفيش حاجة حصلت فعلًا.
بالتفصيل
مثال مسرد Google الكلاسيكي: النموذج بيقول إن رسالة بريد معيّنة سبام (الفئة الإيجابية)، لكن الرسالة في الحقيقة مش سبام.
الإيجابي الكاذب ليه أخ: False Negative (السلبي الكاذب)، ودي الحالة اللي النموذج فوّتها. والاتنين بيظهروا في Confusion Matrix (مصفوفة الالتباس)، ومنهم بتتحسب مقاييس زي الـ Precision اللي بتنزل كل ما الإيجابي الكاذب زاد.
المهمّ إن تكلفة الغلطتين مش واحدة. في فلتر سبام، الإيجابي الكاذب ممكن يضيّع عليك رسالة مهمّة. في فحص أمني، السلبي الكاذب ممكن يعدّي هجوم. فاختيار النموذج والعتبة بيعتمد على: أنهي غلطة أغلى عندك؟
مثال عملي
شركة Goodfire أطلقت مراقبات بتقرا التنشيطات الداخلية لنماذج الذكاء الاصطناعي عشان تكشف الوكلاء اللي بتحاول تخترق. في اختباراتها على نموذج Kimi K3، المراقبات مسكت 93% من جلسات الاختراق الخبيثة، لكنها كمان علّمت على 5.5% من الجلسات البريئة.
الـ 5.5% دي هي معدّل الإيجابي الكاذب. شكلها رقم صغير، لكن لو بتراقب مليون جلسة، يبقى عندك حوالي 55 ألف إنذار غلط محتاجين حدّ يبصّ عليهم. وعشان كده الرقم ده مهمّ زيّ نسبة الـ 93% بالظبط.
مصطلحات مرتبطة
- False Negative — السلبي الكاذب.
- False Positive Rate — معدّل الإيجابي الكاذب.
- Confusion Matrix — مصفوفة الالتباس.
- Precision — الضبط.
المصادر: Google ML Glossary، TechCrunch — 2026-10-08
