الذكاء الاصطناعي التمييزي (Discriminative Artificial Intelligence) هو فئة من طرق الذكاء الاصطناعي التي تتعلم التحويل من المدخلات إلى التسميات (أو الأهداف)، أو تقوم بالنمذجة المباشرة للتوزيع الشرطي P(y | x)، وتُستخدم غالبًا في التصنيف والترتيب وكشف الشذوذ. بينما تركز الطرق التوليدية بشكل رئيسي على نمذجة توزيع البيانات، والتوزيع المشترك P(x, y)، أو التوزيع الشرطي P(x | y)، ويمكنها بناءً على ذلك توليد عينات. يكمن الفرق الرئيسي بين النهجين في هدف النمذجة، ولا يمكن اختصاره ببساطة في مسألة "القدرة على توليد المحتوى أم لا".

تنتمي الآلات الإدراكية المبكرة وآلات متجهات الدعم (SVM) إلى هذا المسار. في عام 2001، قام نغ وجوردان في ورقة بحثية مقدمة لمؤتمر NIPS بعنوان 《On Discriminative vs. Generative Classifiers: A Comparison of Logistic Regression and Naive Bayes》 بتوحيد الفجوة بين النهجين بشكل منهجي: حيث تقوم النماذج التوليدية بنمذجة التوزيع المشترك P(x, y)، بينما تقوم النماذج التمييزية بالنمذجة المباشرة للتوزيع الشرطي P(y | x). في النماذج التي قارنتها هذه الدراسة (الانحدار اللوجستي والناييف بايز) وتحت ظروفها التجريبية المحددة، تتقارب الطرق التوليدية بشكل أسرع في مرحلة العينات الصغيرة، بينما قد تحقق الطرق التمييزية خطأً تقاربياً أقل مع زيادة البيانات. هذه نتيجة نظرية وتجريبية ضمن نماذج وافتراضات محددة، ولا ينبغي تبسيطها إلى قانون "توليدية للبيانات الصغيرة، وتمييزية للبيانات الكبيرة" ينطبق على جميع النماذج.

كانت مرشحات البريد العشوائي تاريخيًا، وتقييم الجدارة الائتمانية، وتصنيف الصور، وكذلك المشفرات ثنائية الاتجاه الحالية مثل BERT وDeBERTa، أمثلة ممثلة للتفكير التمييزي. في عام 2026، قدم كاسليوال وسينغ في مسودة منشورة مسبقًا على arXiv بعنوان 《Multi-Label Topic Assignment via LLM Distillation: A Comparative Analysis of Generative vs. Discriminative Student Models》 مقايضة حديثة لنفس المهمة: في مهمة وسم المواضيع متعددة التسميات لمنتجات التجارة الإلكترونية، تكون النماذج التمييزية أدق في تقييمات المنتجات المنظمة، بينما في المحادثات المعقدة متعددة الجولات، يمكن حتى لأصغر نموذج توليدي بحجم 1B أن يتفوق عليها؛ وعندما يتوسع نطاق التسميات إلى 112 موضوعًا، ينخفض مقياس Macro-F1 للأساس التمييزي بنسبة 35% تقريبًا. وهذا يفسر الشكل الشائع لـ "وسم النماذج الكبيرة + تمييز النماذج الصغيرة". لا تزال سيناريوهات "اتخاذ القرارات" مثل التحكم في المخاطر، وضبط الجودة، والمساعدة التشخيصية الطبية، وترتيب نتائج البحث، المجال الرئيسي للنماذج التمييزية.