في 23 أكتوبر، عُقد مؤتمر iRTE2026 للذكاء الفوري في بكين. وقد ألقى Zhao Bin، مؤسس声网 والمدير التنفيذي لها، كلمة في المنتدى الرئيسي بعنوان «AGI الحواري: الفصل التالي للتفاعل الفوري»، استعرض فيها التغييرات الرئيسية خلال العام الماضي في التفاعل الفوري وAI الحوارية والبنية التحتية الأساسية، وطرح إطار «القدرة الحوارية ذات المستويات الخمسة»، مرسومًا مسار تطور AI الحوارية من الإجابة الأساسية إلى الفهم العميق والتواصل العلائقي.
يرى Zhao Bin أنه مع انتقال الذكاء الاصطناعي من الإجابة عن الأسئلة إلى التواصل المستمر وفهم السياق وتنفيذ المهام، يتوسع نطاق التفاعل الفوري من إنسان إلى إنسان ليشمل الإنسان والـ Agent. ويتسع دور تقنية التفاعل الفوري تبعًا لذلك: فهي لا يقتصر عملها على جعل نقل المعلومات أكثر استقرارًا وسلاسة، بل يجب أيضًا أن توفر دعمًا فوريًا لإدراك الذكاء الاصطناعي وفهمه وتعبيره وتصرفاته.
من «سؤال وجواب» إلى التواصل العلائقي العميق: التطور الخماسي لـ AGI الحواري
في نظر Zhao Bin، لا ينبغي قياس تقدم AI الحوارية بسرعة الإجابة والطبيعية اللغوية وحسب. الأهم هو ما إذا كان قادرًا على فهم نية الطرف الآخر في المحادثة وظروفه وعلاقته به، وما إذا كان قادرًا على التعبير بشكل مناسب في السيناريوهات المعقدة، وتشكيل فهم طويل العميق تدريجيًا.
استنادًا إلى هذا الحكم، طرح Zhao Bin في خطابهإطار «القدرة الحوارية ذات المستويات الخمسة»، مقسمًا القدرة الحوارية إلى خمسة مستويات:
L1:التعبير من منظور الذات: يعتمد بشكل أساسي على التعبير عن الذات والتسلسل السلبي، محققًا «سؤال وجواب».
L2:التعبير وفق قواعد التفاعل: الانتقال من الاستجابة السلبية إلى التعبير النشط، لجعل الحوار أكثر طبيعية وترابطًا.
L3:التواصل على أساس الإدراك الفردي: فهم هوية الفرد ونواياه وظروفه، لتحقيق تواصل متمايز حسب الأشخاص.
L4:التواصل على أساس الإدراك الجماعي: فهم العلاقات الاجتماعية والفروق بين الأدوار، والتكيف مع سيناريوهات التواصل الجماعي المعقدة.
L5:التواصل على أساس العلاقة العميقة: فهم السياق طويل المدى وتطور العلاقات، وتشكيل فهم أعمق وتفاهم فكري، بحيث يتطور التواصل من فهم الحاضر إلى فهم الإنسان.
هذه المستويات الخمسة لا تُظهر مجرد تعزيز تدريجي لتقنية الحوار، بل تغيرًا في العلاقة بين الذكاء الاصطناعي والإنسان: من إكمال جولة سؤال وجواب، إلى فهم شخص، ثم فهم العلاقات بين الناس، وصولًا إلى تشكيل تواصل عميق يتجاوز الزمن والمواقف.
يشير Zhao Bin إلى أن AI الحوارية تنتقل من التفاعل السلبي المبكر إلى حوار مزدوج الاتجاه (full-duplex) أكثر نشاطًا وطبيعية، وبدأت تحاول فهم شخصية الإنسان وظروفه وعواطفه وعلاقاته. ومستقبلًا، يحتاج الذكاء الاصطناعي أيضًا إلى تجاوز تقسيم الأدوار ونظام التواصل في السيناريوهات الاجتماعية المعقدة، وفهم السياق الشخصي المتراكم على المدى الطويل بشكل أعمق. وهذا اتجاه تطور مهم لـ AGI الحواري: أن لا يفهم الذكاء الاصطناعي الجملة فحسب، بل يفهم النية الحقيقية للشخص بالاقتران مع السياق الكامل، ويستجيب بشكل مناسب.
Real-Time AI Infra: البنية التحتية الأساسية لدعم AGI الحواري
إن التطور المستمر للقدرة الحوارية يفرض أيضًا متطلبات أعلى على التقنية الأساسية.
أشار Zhao Bin في خطابه إلى أنه خلال العام الماضي، دفع التبني العميق لتقنية WebRTC من قبل شركات مثل OpenAI تقنية التفاعل الفوري إلى اهتمام وتطبيق أوسع في مجال AI الحوارية. ومع انتقال الذكاء الاصطناعي من الأسئلة والأجوبة أحادية الجولة إلى التفاعل المستمر،البنية التحتية للتفاعل الفوريتتحول إلى دعم تقني مهم يربط النماذج وأطر تشغيل الـ Agent والمستخدمين.
بالمقارنة مع تطبيقات الذكاء الاصطناعي التقليدية، تفرض سيناريوهات الحوار متطلبات أكثر صرامة على زمن الاستجابة والاستقرار والتفاعل ثنائي الاتجاه. يحتاج الذكاء الاصطناعي إلى تلقي مدخلات المستخدم مع فهم السياق وصياغة الردود في آن واحد، والتعامل مع المقاطعات في أي وقت عند الضرورة، مع الاستمرار في استدعاء الأدوات ودفع المهام قدمًا. أي تأخير واضح في أي حلقة قد يفسد طبيعية الحوار، بل قد يؤثر حتى على إتمام المهمة.
لدعم هذه المتطلبات، قدّم Zhao Bin اتجاهات البنية التحتية للتفاعل الذكي الفوري: من خلال شبكة نقل فوري عالمية، والاستدلال المشترك الموزع بين السحابة والطرف والجهاز، والتنسيق الفوري وقدرات التفاعل مزدوج الاتجاه، بحيث تتمكن النماذج والـ Agent من التعاون المستمر في سيناريوهات واقعية. كما تتمحور محرك AI الحواري من声网 حول التفاعل مزدوج الاتجاه، لربط النماذج وأطر تشغيل الـ Agent والمستخدمين، ودعم تجربة حوار فوري مستقرة ومتزامنة.
وفي الوقت نفسه، علمت 雷峰网 (حساب WeChat: 雷峰网) أن声网 تواصل تحسين أدوات وأطقم تطوير AI الحوارية للمطورين، بالجمع بين قدرات SDK وSkills وأدوات CLI وRecipes وغيرها، لمساعدة المطورين على بناء Agent بمنطق متكامل وقدرات تنفيذية بكفاءة أعلى.
من خدمة العملاء والتعليم إلى رفقة الذكاء الاصطناعي والأجهزة القابلة للارتداء الذكية، يرى Zhao Bin أن AI الحوارية تدخل سيناريوهات واقعية أكثر. وأن قدرتها على خلق قيمة حقيقية لا تتوقف على كون النموذج «يتحدث» فحسب، بل على قدرته على فهم الاحتياجات والتواصل بشكل طبيعي وإتمام المهام باستمرار. وستلعب تقنية التفاعل الفوري دورًا متزايد الأهمية في هذه العملية.
ثم ألقى Andrey Norkin، كبير معماريي Nvidia ورئيس فريق عمل ترميز الفيديو المشترك في AOMedia، كلمة حول تقنية ترميز الفيديو AV2.
جولة حوارية: هل ستصبح الوكلاء الشخصيون (Personal Agents) المدخل الشخصي للجيل القادم؟
في الجولة الحوارية الأولى التي أدارها شريك المؤسس المشارك لشركة Agora (声网) Tony Wang، ناقش كل من مدير منتجات الوسائط التفاعلية والمؤلف التقني Eugene Wei، وصانع المحتوى التقني المستقل والمشرف على البودكاست «乱翻书» Pan Lu (潘乱)، ورائد أعمال أجهزة AIoT والمشرف على وسائط الذكاء الاصطناعي الطرفي Hua Jianxin (华建新) موضوعًا بعنوان «الوكيل الشخصي: من أداة جديدة إلى مدخل جديد؟».
من الهواتف والنظارات وسماعات الرأس إلى المزيد من الأجهزة المحمولة، يعيد الوكلاء الشخصيون إشارة تفكير القطاع في مدخل التفاعل بين الإنسان والآلة للجيل القادم. ويرى Pan Lu أن الوكلاء الشخصيين قد يحدثون تحولًا نموذجيًا (Paradigm Shift): فقيمة منتجات الذكاء الاصطناعي تتحول من التنافس على انتباه المستخدمين إلى مساعدتهم على إنجاز المهام بكفاءة أعلى. ولن يقتصر دور الوكيل الشخصي في المستقبل على الاستجابة للتعليمات الصريحة فحسب، بل يجب أن يتحمل المهام من تلقاء نفسه، ويساعد المستخدمين على معالجة الأمور ذات الأهداف الواضحة التي لا تستحق استثمار وقت كبير.
بشأن الأجهزة الشخصية للجيل القادم، طرح Hua Jianxin رأيًا مفاده أن المدخل المستقبلي لا يُشترط أن تحتكره جهاز بعينه، إذ تتاح الفرصة للنظارات وسماعات الرأس وغيرها من الأجهزة القادرة على استشعار البيئة وتنفيذ المهام. ويعتقد أن الوكيل الشخصي لا يحتاج إلى فهم المستخدم فحسب، بل يحتاج أيضًا إلى الاستشعار المستمر للعالم الواقعي واتخاذ الإجراءات عبر الأجهزة المادية، وهو ما يتيح مساحة تطوير جديدة للأجهزة بأشكالها المختلفة.
أما Eugene Wei فقد وجّه النقاش نحو قيمة «السياق»: فتمكن الوكيل الشخصي من الفهم الحقيقي لاهتمامات المستخدم وسجلات تواصله وعلاقاته الاجتماعية سيؤثر في إمكانية تحوله إلى مدخل شخصي قيّم. وعند قياس ما إذا كان المدخل الجديد قد ترسّخ فعلًا، يقترح أيضًا التركيز على كيفية تفاعل المستخدم مع الوكيل (Agent) يوميًا، وهل يلجأ المستخدم إلى الوكيل بمبادرة منه أكثر، أم أن الوكيل يتواصل مع المستخدم بمبادرة منه أكثر. وعلى هذا الأساس تناولت الجولة بمزيد من التفصيل القيمة المنتجية للوكلاء الشخصيين، وأشكال الأجهزة، ومعايير القياس المستقبلية.
جولة حوارية: من «القدرة على المحادثة» إلى «القدرة على إنجاز الأمور» — كيف يخلق الذكاء الاصطناعي الحواري قيمة حقيقية؟
في الجولة الحوارية الثانية التي أدارها كبير مسؤولي الأعمال في Agora (声网) Cui Bo (崔博)، ناقش كل من مؤسس شركة Xieyue Intelligence (斜跃智能) Chen Wei (陈伟)، ومؤسس شركة Guanke Technology (冠客科技) Geng Xianglei (耿祥磊)، والشريك المؤسس والمسؤول عن النظام البيئي في Rokid 乐奇 Cai Guoxiang (蔡国祥)، والرئيس التنفيذي لشركة Titan Qiming (泰坦启明) Wu Kan (吴侃)، موضوع «الذكاء الاصطناعي الحواري: قيادة التفاعل بين الإنسان والوكيل في الجيل القادم»، انطلاقًا من سيناريوهات مختلفة تشمل الذكاء الجسدي (Embodied Intelligence)، والأجهزة القابلة للارتداء الذكية، والتسويق المؤسسي، والتوظيف بالذكاء الاصطناعي.
يرى Chen Wei أن مفتاح الذكاء الجسدي هو تحويل نية الإنسان فعلًا إلى أفعال يقوم بها الروبوت. فالروبوت لا يحتاج إلى فهم الأوامر الصوتية فحسب، بل يحتاج أيضًا إلى دمج معلومات متعددة الوسائط تشمل الرؤية والصوت وحالته الذاتية، لإنجاز استشعار البيئة المادية وتخطيطها واتخاذ القرارات بشأنها، وتعديل تنفيذ المهام باستمرار وفقًا لتغيرات البيئة بعد تنفيذ الأفعال. وإتمام المهام الاستعراضية المحددة مسبقًا أقل أهمية من قدرة الروبوت على الفهم المستمر للاحتياجات الحقيقية للإنسان في بيئات مفتوحة، بما يضمن بقاء أفعاله متوافقة دائمًا مع نية الإنسان. وتعمل شركة Xieyue Intelligence حاليًا على تطوير نموذج أساسي جسدي (Embodied Foundation Model) بنموذج جديد كليًا يُسمى Duplex Reasoning، يهدف إلى تحقيق التكامل بين تفاعل الروبوت وأفعاله.
أما Cai Guoxiang فقد انطلق من تجربة نظارات الذكاء الاصطناعي، مؤكدًا أن تجربة المحادثة تمثل الميزة التنافسية الجوهرية لأجهزة الذكاء الاصطناعي القابلة للارتداء. وأوضح أنه مهما بلغت قوة العتاد وقدرات الذكاء الاصطناعي الكامنة خلفه، فإن تجربة المستخدم ستتأثر مباشرة إذا لم تكن المحادثة طبيعية بما يكفي. وفي المستقبل، ستحتاج أجهزة الذكاء الاصطناعي القابلة للارتداء إلى تفاعل لحظي منخفض الكمون ومستقر، وفهم دلالي للسياق طويل الأمد، حتى يشعر المستخدم تدريجيًا بأنه لا يحاور ذكاءً اصطناعيًا. كما شارك تجربة مساعد Rokid 乐奇 الذكي في استخدام خدمات روابط RTC من Agora (声网)، وأبدى تفاؤله بأن تصبح نظارات الذكاء الاصطناعي مدخلًا شخصيًا مهمًا في عصر الذكاء الاصطناعي.
في سيناريوهات التطبيقات المؤسسية، أشار غينغ شيانغ لي إلى أنه لتحقيق وكيل الصوت بالذكاء الاصطناعي لتسليم موثوق للأعمال، يجب حل مشكلات زمن الاستجابة وتوقيت المقاطعة والتشبيه بالبشر، حيث قد يؤثر زمن الاستجابة مباشرة على نتيجة المهمة. وبالنسبة للتسويق الموجه للشركات (To B)، يحتاج الذكاء الاصطناعي أيضًا إلى الجمع بين منظومة المعرفة بالقطاع والتعاون البشري لضمان نتائج الأعمال بشكل أفضل. ومن جهته،并结合实践ات التوظيف بالذكاء الاصطناعي، ذكر وو كان أن الذكاء الاصطناعي الحواري يمكن أن يساعد أعمال التوظيف على الوصول إلى الباحثين عن عمل على نطاق واسع ورفع كفاءة الخدمة، بدلًا من الاستبدال البسيط للعمل البشري. ولكي تتشكل حلقة أعمال مغلقة، لا بد من تراكم بيانات القطاع، وتنظيم الأعمال حول الباحث عن عمل ككيان مركزي، ومساعدة الوكيل (Agent) على بناء ذاكرة طويلة الأمد، ودعم الذكاء الاصطناعي بشكل مستمر في تقييم جودة الخدمة وتحسينها استنادًا إلى أحداث الأعمال الفعلية مثل إجراء المقابلة والالتحاق بالوظيفة.
ومن مشاركات الضيوف الأربعة يمكن أن نرى أنه رغم اختلاف متطلبات الذكاء الاصطناعي الحواري بين القطاعات المختلفة، فإنها تشير جميعًا إلى اتجاه واحد: يجب أن يكون الذكاء الاصطناعي قادرًا ليس على التواصل فحسب، بل أيضًا على فهم السيناريوهات الحقيقية، والاندماج في عمليات الأعمال القائمة، وإتمام المهام بشكل موثوق. ومع استمرار تطور التفاعل الفوري والإدراك متعدد الوسائط وقدرات تنفيذ الوكلاء (Agent)، من المتوقع أن يتطور الذكاء الاصطناعي الحواري من أداة تفاعل إلى قوة مهمة تربط العالم الرقمي بالعالم المادي وتدفع سير الأعمال.
من التفاعل الفوري إلى الذكاء الفوري، انطلاق الفصل التالي من حوار AGI
من إطار القدرات الحوارية الخمس الذي طرحه تشاو بين، إلى نقاشتي الطاولة المستديرة حول الوكلاء الشخصيين والتطبيق الفعلي في الأعمال، قدّم المنتدى الرئيسي لـ iRTE2026 اتجاهًا صناعيًا واضحًا: منافسة الذكاء الاصطناعي الحواري تمتد من قدرات النماذج الأساسية إلى فهم السياق والتفاعل الفوري وإدراك العلاقات المعقدة وتنفيذ المهام.
عندما يصبح الذكاء الاصطناعي لم يعد مقتصرًا على الإجابة السلبية، بل قادرًا على الفهم المستمر للبشر والمشاركة الفعالة في التواصل وإتمام المهام في سيناريوهات حقيقية، فسيتحمل التفاعل الفوري رسالة أعمق.
في مواجهة المرحلة التالية من حوار AGI، سيواصل Shengwang الاستكشاف المشترك مع المطورين والشركاء في القطاع لدمج التفاعل الفوري مع الذكاء الاصطناعي التوليدي، ودفع تجارب تفاعل فوري أكثر طبيعية وكفاءة بين البشر وبين الإنسان والوكيل (Agent).
مقال أصلي من Leifeng Network، ويُمنع إعادة نشره دون إذن. للتفاصيل انظرشروط إعادة النشر。