المُقيّم المحلي
المُقيّم المحلي (Local Evaluator) هو مكون أو منهجية ضمن مسار عمل الذكاء الاصطناعي أو التعلم الآلي، ومصمم لتقييم أداء أو جودة أو مدى صلة مخرجات النموذج ضمن سياق محدد، أو مقيد، أو محلي. على عكس المقاييس الشاملة التي تقيّم أداء مجموعة البيانات بأكملها، يركز المُقيّم المحلي على دقة تنبؤات النموذج مقابل أمثلة محددة ودقيقة أو متطلبات تشغيلية محلية.
في أنظمة الذكاء الاصطناعي المعقدة، قد يؤدي النموذج أداءً جيدًا في المقاييس الإجمالية ولكنه يفشل فشلاً ذريعًا في سيناريوهات واقعية متخصصة. يعمل المُقيّم المحلي على سد هذه الفجوة. فهو يضمن أن النموذج ليس دقيقًا إحصائيًا فحسب، بل مناسبًا للسياق أيضًا. وهذا أمر بالغ الأهمية عند النشر حيث تحدد الحالات الطرفية والفروق الدقيقة الخاصة بالمجال النجاح أو الفشل.
تتضمن العملية عادةً تزويد النموذج ببيانات إدخال محددة ومحلية، ثم استخدام المُقيّم لتسجيل المخرجات الناتجة. يمكن أن تكون عملية التسجيل مؤتمتة (باستخدام استدلالات محددة مسبقًا أو نماذج أصغر ومتخصصة) أو تتم بمشاركة الإنسان في الحلقة (human-in-the-loop). يقارن المُقيّم مخرجات النموذج مع "الحقيقة الأساسية" المحلية أو مجموعة من معايير النجاح المحددة مسبقًا والمتعلقة بتلك المنطقة التشغيلية المحددة.
يرتبط هذا المفهوم ارتباطًا وثيقًا بالاختبار العدائي (Adversarial Testing)، الذي يحاول بنشاط كسر النموذج بطرق محددة، والتحقق بمشاركة الإنسان في الحلقة (Human-in-the-Loop - HITL)، حيث يقدم الخبراء البشريون الحقيقة الأساسية المحلية.
