تشهد بيئة الذكاء الاصطناعي تحولاً لافتاً، حيث أصبحت نماذج اتخاذ القرار (Decision Models) تستحوذ على حصة كبيرة من مهام الحوسبة الذكية. وبحسب بيانات منصة Vercel، تجاوزت طلبات هذه النماذج ربع إجمالي الطلبات في أكتوبر، مما يعكس اعتماداً متزايداً على أدوات مصممة لاتخاذ خيارات سريعة بين خيارات محددة مسبقاً بدلاً من توليد نصوص طويلة.
ما هي نماذج اتخاذ القرار؟
تختلف هذه النماذج عن نماذج اللغة الكبيرة (LLMs) التقليدية في أنها لا تنتج مخرجات نصية، بل تركز على استخدام ذكائها العام لاتخاذ قرارات فورية ومنخفضة التكلفة، مع تقديم مؤشر لمستوى الثقة في القرار المتخذ. وتعد هذه الخصائص حيوية في بيئات الإنتاج التي تتطلب سرعة استجابة فائقة تتفوق على دقة النماذج الضخمة البطيئة.
المشهد التنافسي
تهيمن عائلة نماذج "Jev" من شركة TypeSafe على هذا القطاع، حيث عالجت أكثر من 1.5 مليار استعلام في أسبوع واحد فقط. ومع ذلك، دخلت كبرى شركات التقنية (Hyperscalers) السباق بقوة، حيث أعلنت مايكروسوفت عن إطلاق نموذجها الخاص Microsoft-Decision-1.1 عبر منصة Azure.
وفي الوقت نفسه، تبرز الشركات الناشئة كلاعب أساسي في هذا المجال؛ حيث أعلنت شركة Sqwish البريطانية عن جولة تمويل بقيمة 3 ملايين دولار لتطوير نموذجها kettei fat، مع التركيز على أدوات تتيح للمستخدمين تدريب النماذج باستخدام بياناتهم الخاصة لتحسين دقة الأحكام.
لماذا يهم هذا الخبر؟
تؤكد التجارب الميدانية أن الاعتماد المفرط على معايير الأداء (Benchmarks) قد يكون مضللاً في بيئات العمل الحقيقية. ويشير خبراء مثل أتشينت سريفاستافا من مايكروسوفت إلى أن التحدي الحقيقي يكمن في الموازنة بين أربعة أبعاد: الدقة، الموثوقية، السرعة، وكفاءة التكلفة.
ما الذي يتغير عملياً؟
يتحول التركيز من مجرد بناء نماذج عامة إلى تقديم أدوات تتيح للمؤسسات تخصيص النماذج ببياناتها الخاصة (Post-training tools). هذا التوجه يمنح الشركات ميزة تنافسية، حيث تصبح النماذج أكثر مهارة في المهام المحددة التي تهم المستخدم، مما يقلل من تحول هذه التقنيات إلى مجرد سلع رقمية عامة (Commodity).
ويتوقع المراقبون أن يشهد المستقبل تكاملاً بين "ذكاء النظام الأول" (نماذج اتخاذ القرار السريعة) و"ذكاء النظام الثاني" (نماذج اللغة الكبيرة المعقدة)، حيث تعمل هذه الأنظمة جنباً إلى جنب لتقديم حلول تقنية متكاملة.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.