ما هو نموذج القرار؟

على مدى 3 سنوات، عاملت صناعة الذكاء الاصطناعي كل مسألة حسابية كمسألة توليد نص.

حين يحتاج وكيل مستقل إلى اختيار أداة، أو التحقق من معاملة مالية، أو فرز ثغرة أمنية، أو ضبط مشغّل روبوتي، أو تحديد ما إذا كان الفعل يقتضي موافقة إنسان، كان معيار الصناعة أن يُطلب من نموذج لغوي من 70 مليار معامل أن يولّد تيارًا مفتوحًا من الرموز. ثم ينشر المطوّرون أنماط regex هشّة، ومحلّلات JSON تخمينية، وحلقات إعادة محاولة، لاستخراج كلمة واحدة أو علم بولياني من الرد.

هذا النهج ليس مجرد هدر حسابي، إذ يُنفق مئات خطوات فك الترميز التسلسلي ذاتي الانحدار ليُخرج ما يمكن تمثيله في 2 بت. هو غير متوافق معماريًا في أساسه.

دُرّبت النماذج اللغوية التوليدية لتعظيم أرجحية الرمز التالي عبر توزيع نصي غير محدود. هي خطابية، حوارية، وميّالة بنيويًا إلى الهلوسة تحت عدم اليقين. لكن 95% من تدفّق التحكم في أنظمة البرمجيات لا يحتاج مقالًا.

يحتاج إلى قرار.

---

النماذج اللغوية تستدل. نماذج القرار تحسم.

لفهم الفرق، انظروا إلى دوال الهدف الكامنة.

يُحسّن نموذج اللغة الكبير (LLM) أرجحية الرمز ذاتية الانحدار على متوالية مفتوحة:

Loss_LLM = - Σ log P(w_t | w_<t)

يولّد متوالية من الرموز w_1, w_2, ..., w_n تُسحب من مفردات غير مقيّدة تتجاوز 100,000 احتمال. لا يستطيع النموذج أن يعلن أنه يفتقر إلى الدليل للإجابة من غير أن يولّد عبارات لغة طبيعية تحاكي التواضع؛ ولا يستطيع إخراج توزيع احتمال أصيل على فضاء حالة تشغيلي؛ وأرقام ثقته التي يصرّح بها نفسه غير معايَرة على نحو مشهور.

يُحسّن نموذج القرار هدفًا مختلفًا في أساسه. بمعلومية حالة دليل صريحة E وفضاء قرار مُهيكل D، يحسب نموذج القرار تعيينًا مباشرًا إلى خرج محصور ومنمّط y:

y_hat = argmax_y P(y | E, D)

مزوّدًا بتوزيع لاحق معايَر بصرامة P(y | E) وببدائية تشغيلية من الدرجة الأولى للإحجام المبدئي (DEFER).

البعد المعماري	النماذج اللغوية التوليدية (LLMs)	نماذج القرار (مثل Hanzo Kai)
الهدف الأساسي	تركيب النص المفتوح وتوليده	انتقالات حالة متقطعة وقابلة للتحقق
فضاء الخرج	متواليات رموز غير مقيّدة (مفردات 100k+)	مخططات محصورة ومنمّطة بصرامة (Choice، Score، Predicate، Defer)
الثقة والمعايرة	غير معايَرة؛ سوفتماكس مختلق فوق الرموز	احتمالات معايَرة تجريبيًا (P = 0.90 تعني دقة 90%)
تمثيل الحالة	نافذة سياق عابرة من سلاسل الرموز	مستوى أدلة متعدد الوسائط مُهيكل مع أصل تشفيري
طوبولوجيا التنفيذ	فك ترميز تسلسلي ذاتي الانحدار (كمون O(N))	حل الرسم المتوازي وانتشار القرار (تمريرة أمامية O(1))
التعامل مع عدم اليقين	يهلوس إكمالات معقولة	إحجام مبدئي (DEFER إلى سياسة أو مراجع بشري)
قابلية التدقيق	تفسيرات لفظية غير حتمية	حزم قرار ثابتة قابلة لإعادة التشغيل مع براهين تجزئة تشفيرية

حين تفصلون الاستدلال عن الحسم، تصبح معمارية النظام أبسط وأسرع وأوثق بمقادير أسية.

---

الركائز المعمارية الخمس لنموذج القرار

نموذج القرار الحقيقي ليس نموذج لغة يُطلب منه "أجب بـ JSON صالح". هو معمارية عصبية مخصّصة صُمّمت من الأساس للتقييم المحصور. نموذج القرار مفتوح الأوزان من Hanzo، Kai 1، مبني على خمس ركائز معمارية:

1. خرج محصور ومنمّط (من دون تحليل سلاسل)

في برمجيات الإنتاج، يجب أن تكون كل واجهة بين الأنظمة منمّطة بصرامة. طلب قرار من نموذج لغة ثم الأمل في التزامه بمخطط regex يُدخل مخاطرة ذيل كارثية.

تلغي نماذج القرار تحليل النص كليًا. كل خرج منمّط أصيلًا في واحدة من أربع بدائيات:

• Choice<T>: اختيار واحد من مجموعة مرشحين صريحة مُعدَّدة، مع توزيع الاحتمال الكامل على كل البدائل (p_1, p_2, ..., p_k حيث Σ p_i = 1.0).
• Score[min, max]: تقييم كمّي محصور ضمن حدود تشغيلية ثابتة، مع فترات ثقة.
• Predicate: تحقق بولياني خالص (true أو false) بيقين معايَر.
• Defer: رفض صريح للتخمين حين يكون الدليل غير كافٍ أو متعارضًا، مع تسليم التنفيذ إلى سياسة تراجع معرّفة مسبقًا أو إلى إنسان في الحلقة.

لأن طبقة الخرج مقيّدة بالمخطط الصالح عند مستوى اللوجت، لا يستطيع نموذج القرار فيزيائيًا أن ينتج نتيجة خارج الحدود، أو قيمة تعداد غير مشروعة، أو حمولة مشوّهة.

// Calling Hanzo Kai 1 via the unified SDK:
const decision = await kai.decide({
  question: "deploy_canary_to_production",
  schema: {
    type: "choice",
    options: ["promote", "rollback", "quarantine", "defer_to_sre"],
  },
  evidence: [
    { type: "p99_latency_ms", value: 142, threshold: 150 },
    { type: "error_rate_delta", value: "+0.002%", threshold: "+0.01%" },
    { type: "canary_health_score", value: 0.98 },
  ],
});

// The result is directly typed, validated, and calibrated:
console.log(decision.result);      // "promote"
console.log(decision.probability); // 0.964
console.log(decision.entropy);     // 0.12 (low uncertainty)

---

2. مستوى الأدلة الموحّد المتعدد الوسائط

قلّما تعتمد قرارات العالم الحقيقي على النص وحده. في المجالات الحرجة، كالتمويل السيادي والتلاعب الروبوتي والفرز الطبي الآلي والقياس الصناعي عن بعد، تتطلب القرارات تقييم إشارات متغايرة في آن واحد.

لا يسلسل نموذج القرار البيانات الجدولية وتغذيات الحسّاسات ومصفوفات الرادار في جداول Markdown مرتبكة ليقرأها نموذج لغة. بدل ذلك يستعمل Kai مرمّزات وسائط متخصّصة:

• القياس عن بعد والسلاسل الزمنية: نوافذ متحركة متجهية وسمات مجال التردد.
• البصري والحراري: رموز بصرية كثيفة من شبكات رؤية أساسية.
• الحالة المُهيكلة: إسقاطات كيانات بيانية وعلائقية من Hanzo Datastore.
• الرمز والمواصفات: تضمينات دلالية على مستوى AST ومصفوفات متطلبات صورية.

تُسقط كل الوسائط في مستوى أدلة موحّد. والأهم أن الدليل يحتفظ بأصله التشفيري: كل موتّر دخل يُجزَّأ ويُبصم. إذا دُقّق قرار بعد 6 أشهر، أمكنت إعادة بناء حالة الدخل نفسها بتًا بتًا.

---

3. حل الرسم المتوازي وانتشار القرار

أكبر عنق زجاجة في الوكلاء المستقلين الحديثين هو التنفيذ التسلسلي. حلقة وكيل تحتاج إلى 50 قرارًا وسيطًا تستدعي عادة نموذج لغة 50 مرة على التوالي. عند 500ms إلى 2s لكل إكمال، يقضي الوكيل دقائق في اجتياز تدفّق تحكمه وحده.

وفوق ذلك، انتشار الخطأ في سلاسل نماذج اللغة التسلسلية كارثي. إذا كان لكل خطوة معدل نجاح 95%، فإن سلسلة من 20 خطوة لا تنجح إلا بنسبة:

0.95 ^ 20 ≈ 35.8%

تحل نماذج القرار هذا عبر انتشار القرار على رسوم بيانية موجّهة لا دورية (DAGs).

بدل تقييم القرارات تسلسليًا، يُسلَّم برنامج القرار بأكمله دفعة واحدة. في تمريرة أمامية واحدة:

1. التمريرة 1 (تقارب فوري): تُحسم 80–90% من العقد ذات الدليل غير الملتبس فورًا بثقة عالية (P > 0.99).
2. التمريرة 2 (انتشار مشروط): تتلقّى العقد التابعة الحالات المقفلة لآبائها، فتصقل توزيعات احتمالها.
3. التمريرة 3 (إرضاء القيود): تُقيَّم أي عقد متبقية عالية الإنتروبيا أو متعارضة مقابل قيود حدودية صورية.

يُحسم سير عمل معقّد يضم 100 قرار تشغيلي مترابط في أجزاء من الثانية، لا في دقائق.

---

4. معايرة صارمة وإحجام مبدئي

إذا قال لكم نموذج ذكاء اصطناعي إنه واثق بنسبة 99%، فكم مرة يكون مصيبًا فعلًا؟

في النماذج التوليدية الجاهزة، الثقة التي يصرّح بها النموذج نفسه سيئة الارتباط بالحقيقة على نحو مشهور. تعاني النماذج من ثقة مفرطة شديدة في المدخلات خارج التوزيع، وتهلوس بكل سرور تبريرات مقنعة لخرج خاطئ.

في التطبيقات الصناعية والفضائية والمالية، الجواب الخاطئ الواثق ثقة مفرطة قاتل. يجب أن يكون نموذج القرار معايَرًا تجريبيًا:

E[ Indicator(y_pred == y_true) | P(y_pred) = p ] = p

حين يُخرج Kai احتمال 0.85، يكون ذلك القرار صحيحًا تجريبيًا في 85% من المرات بالضبط.

       Uncalibrated LLM (Overconfident)            Calibrated Decision Model (Kai)
  1.0 |                    /                 1.0 |                     /
      |                   /                      |                   /
A 0.8 |             _____/                 A 0.8 |                 /
C     |            /                       C     |               /
C 0.6 |           /                        C 0.6 |             /
      |          /                         |          /
  0.4 |    _____/                          0.4 |        /
      |   /                                      |      /
  0.2 |  /                                   0.2 |    /
      | /                                        |  /
  0.0 +----------------------                0.0 +----------------------
      0.0  0.2  0.4  0.6  0.8  1.0               0.0  0.2  0.4  0.6  0.8  1.0
             CONFIDENCE                                 CONFIDENCE

حين تتجاوز الإنتروبيا تحمّل مخاطرة مُعامَلًا τ، لا يخمن النموذج. يستدعي الإحجام المبدئي:

Entropy(P(y | E)) = - Σ p_i * log(p_i) > τ  ==>  DEFER

يعيد النظام التنفيذ إلى مختصين بشريين أو إلى كتب قواعد حتمية، ويقدّم تدرّج حساسية صريحًا يحدّد أي قطعة من الدليل الناقص تخفض الإنتروبيا أكثر.

---

5. حزم قرار قابلة لإعادة التشغيل (أثر التدقيق)

في بيئات المؤسسات الخاضعة للتنظيم، "الذكاء الاصطناعي ولّد هذا النص" ليس دفاعًا قانونيًا صالحًا ولا وضع امتثال.

كل قرار يقيّمه Kai ينتج حزمة قرار ثابتة ومختومة تشفيريًا:

{
  "decision_id": "dec_8f0a2c91b4",
  "program_version": "fraud_triage_v2.4",
  "timestamp": "2026-09-30T19:00:00Z",
  "model": {
    "name": "kai-1-core",
    "weights_sha256": "e3b0c44298fc1c149afbf4c8996fb92427ae41e4649b934ca495991b7852b855"
  },
  "evidence_fingerprints": {
    "transaction_context": "sha256:7c9e...",
    "biometric_telemetry": "sha256:4a1d...",
    "historical_risk_profile": "sha256:9f8b..."
  },
  "posterior_distribution": {
    "approve": 0.012,
    "step_up_mfa": 0.976,
    "terminate_session": 0.009,
    "defer_to_fraud_desk": 0.003
  },
  "selected_action": "step_up_mfa",
  "entropy": 0.098,
  "signature": "ed25519:3b7a8f..."
}

إذا استعلم مدقّق أو مهندس استجابة لحوادث عن معاملة بعد سنوات، أمكنه إعادة تشغيل حزمة القرار على مراجعة النموذج نفسها، والتحقق من أن الخرج كان حتميًا رياضيًا، ومقاومًا للعبث، ومتوافقًا مع السياسة.

---

أين تقع نماذج القرار في مكدسكم

لا تستبدل نماذج القرار النماذج التوليدية. هي تعفي النماذج التوليدية من أعمال لم تُصمَّم لها قط.

في معماريات المؤسسات الحديثة، تزدهر الأنظمة حين تُفصل المهام بوضوح بين التوليد والتحكم:

                          ┌──────────────────────────┐
                          │   Incoming Workload      │
                          └─────────────┬────────────┘
                                        │
                                        ▼
                          ┌──────────────────────────┐
                          │       Enso Router        │
                          │  (Task Intent & Triage)  │
                          └──────┬────────────┬──────┘
                                 │            │
             Generative Tasks    │            │   Control & Decision Tasks
       (Code, Research, Content) │            │   (Routing, Approvals, Safety)
                                 ▼            ▼
                     ┌───────────────┐    ┌───────────────┐
                     │  Zen Models   │    │  Kai Models   │
                     │ (LLM / Reason)│    │ (Decision Mod)│
                     └───────────────┘    └───────┬───────┘
                                                  │
                                                  ▼
                                          ┌───────────────┐
                                          │Typed Decision │
                                          │    Package    │
                                          └───────────────┘

• Zen: نماذج الاستدلال التوليدي الطليعية من Hanzo. استعملوا Zen حين تحتاجون إلى بحث نصي عميق، وبراهين سلسلة فكر متعددة الخطوات، وتركيب إبداعي، وصياغة مستندات.
• Kai: عائلة نماذج القرار مفتوحة الأوزان من Hanzo. استعملوا Kai حين تحتاجون إلى توجيه حتمي، واختيار أدوات، وعتبات سلامة، وتنفيذ صفقات، وفرز، والتحكم في حلقة الوكيل.
• Enso: الموجّه الفوقي عالي الإنتاجية الذي يفحص المهام الواردة في طبقة الميكروثانية، فيوجّه مهام التوليد إلى Zen ومهام القرار إلى Kai.

---

أوزان مفتوحة. بنية تحتية سيادية.

لا يمكن حبس بنية القرار الموثوقة داخل واجهة طرف ثالث مغلقة تغيّر سلوكها بلا إشعار. حين يحكم نموذج عمليات نشر إنتاجية، أو أنظمة فيزيائية، أو مخاطرة مالية، يجب أن تملكوا سيادة كاملة على أوزانه وزمن تشغيله وخصوصية بياناته.

Kai 1 أوزان مفتوحة. يمكنكم تشغيله:

1. على Hanzo Sovereign Cloud: بتوسّع عالمي، مع ضمانات انعدام خروج البيانات وكمونات دون الملّي ثانية.
2. في VPC الخاص بكم أو في مقرّكم: قابل للنشر عبر Docker أو Kubernetes على وحدات NVIDIA GPU، أو AMD ROCm، أو عقد CPU عالية الكثافة.
3. على الحافة: منقطع بالكامل لبيئات الروبوتات والفضاء والدفاع السيادي.

كفّوا عن مطالبة النماذج اللغوية بكتابة مقالات حين يحتاج برنامجكم إلى قرار فحسب.

مرحبًا بكم في عصر ذكاء القرارات.

---