في 23 أكتوبر، انعقد مؤتمر iRTE2026 للذكاء الفوري في بكين. وفي المنتدى الرئيسي، ألقى المؤسس والرئيس التنفيذي لشركة Shengwang تشاو بين كلمة بعنوان «AGI الحواري: الفصل التالي للتفاعل الفوري»، استعرض فيها التغيرات الرئيسية في التفاعل الفوري والذكاء الاصطناعي الحواري والبنية التحتية الأساسية خلال العام الماضي، وطرح إطار «القدرات الحوارية ذات المستويات الخمسة»، ورسم مسار تطور الذكاء الاصطناعي الحواري من الإجابة الأساسية إلى الفهم العميق والتواصل القائم على العلاقات.
يرى تشاو بين أنه مع انتقال الذكاء الاصطناعي من الإجابة عن الأسئلة إلى التواصل المستمر وفهم السياق وتنفيذ المهام، فإن موضوع التفاعل الفوري يتوسع من التفاعل بين البشر إلى التفاعل بين الإنسان والـ Agent. ومع ذلك، يتسع دور تقنية التفاعل الفوري أيضاً: فهي لا ينبغي أن تجعل نقل المعلومات أكثر استقراراً وسلاسة فحسب، بل يجب أن توفر أيضاً دعماً فورياً لإدراك الذكاء الاصطناعي وفهمه وتعبيره وتصرفاته.
من «سؤال واحد وجواب واحد» إلى التواصل القائم على العلاقات العميقة: التطور بخمسة مستويات لـ AGI الحواري
في نظر تشاو بين، لا ينبغي قياس تقدم الذكاء الاصطناعي الحواري بسرعة الإجابة ومدى طبيعية اللغة فحسب. الأهم هو ما إذا كان قادراً على فهم نوايا الطرف الآخر في الحوار وظروفه وعلاقته به، وما إذا كان قادراً على التعبير بشكل مناسب في السيناريوهات المعقدة، وبناء فهم طويل الأمد وعميق تدريجياً.
بناءً على هذا التقدير، طرح تشاو بين في كلمته إطار «القدرات الحوارية ذات المستويات الخمسة»، الذي يقسم القدرة الحوارية إلى خمسة مستويات:
المستوى L1: التعبير القائم على المنظور الذاتي: يعتمد بشكل رئيسي على التعبير عن الذات والاستمرار التفاعلي السلبي، محققاً «سؤال واحد وجواب واحد».
المستوى L2: التعبير القائم على قواعد التفاعل: الانتقال من الاستجابة السلبية إلى التعبير النشط، مما يجعل الحوار أكثر طبيعية وتماسكاً.
المستوى L3: التواصل القائم على المعرفة الفردية: فهم هوية الفرد ونواياه وظروفه، وتحقيق تواصل يختلف باختلاف الأشخاص.
المستوى L4: التواصل القائم على المعرفة الجماعية: فهم العلاقات الاجتماعية والفروقات بين الأدوار، والتكيف مع سيناريوهات التواصل المعقدة متعددة الأطراف.
المستوى L5: التواصل القائم على العلاقات العميقة: فهم السياق طويل الأمد وتطور العلاقات، وتكوين فهم أعمق وتوافق فكري، بحيث ينتقل التواصل من فهم اللحظة الحاضرة إلى فهم الشخص نفسه.
ما تظهره هذه المستويات الخمسة ليس مجرد تعزيز تدريجي لتقنية الحوار، بل تغير في العلاقة بين الذكاء الاصطناعي والإنسان: من إتمام جولة سؤال وجواب، إلى فهم شخص، ثم فهم العلاقة بين الأشخاص، وصولاً إلى تشكيل تواصل عميق يتجاوز الزمن والسياقات.
يشير تشاو بين إلى أن الذكاء الاصطناعي الحواري ينتقل من التفاعل السلبي المبكر القائم على الاستمرار، إلى حوار مزدوج الاتجاه (full-duplex) أكثر نشاطاً وطبيعية، ويبدأ في محاولة فهم شخصية الإنسان وظروفه ومشاعره وعلاقاته. وفي المستقبل، سيحتاج الذكاء الاصطناعي أيضاً إلى تجاوز توزيع الأدوار ونظام التواصل في السيناريوهات الاجتماعية المعقدة، وفهم أعمق للسياق طويل الأمد للفرد. وهذا اتجاه تطور مهم لـ AGI الحواري: فالذكاء الاصطناعي لا يفهم جملة واحدة فحسب، بل يفهم القصد الحقيقي للشخص في ضوء السياق الكامل ويستجيب بشكل مناسب.
البنية التحتية للذكاء الفوري (Real-Time AI Infra): البنية التحتية الأساسية لدعم AGI الحواري
التطور المستمر للقدرات الحوارية يفرض متطلبات أعلى على التقنيات الأساسية. أشار تشاو بين في كلمته إلى أنه خلال العام الماضي، دفع التبني العميق لتقنية WebRTC من قبل شركات مثل OpenAI تقنية التفاعل الفوري إلى حصولها على اهتمام وتطبيقات أوسع في مجال الذكاء الاصطناعي الحواري. ومع انتقال الذكاء الاصطناعي من الأسئلة والأجوبة أحادية الجولة إلى التفاعل المستمر، أصبحت البنية التحتية للتفاعل الفوري دعماً تقنياً مهماً يربط بين النماذج وأطر تشغيل الـ Agent والمستخدمين.
بالمقارنة مع تطبيقات الذكاء الاصطناعي التقليدية، تفرض سيناريوهات الحوار متطلبات أكثر صرامة فيما يتعلق بالتأخير والاستقرار والتفاعل ثنائي الاتجاه. يحتاج الذكاء الاصطناعي إلى استقبال مدخلات المستخدم بينما يفهم السياق ويصيغ الاستجابة، وعند الضرورة يجب أن يتعامل مع المقاطعات في أي لحظة، مع الاستمرار في استدعاء الأدوات ودفع المهام قدماً. أي تأخير واضح في أي حلقة قد يكسر طبيعية الحوار، بل قد يؤثر حتى على إتمام المهمة.
لدعم هذه المتطلبات، عرض تشاو بين اتجاه البنية التحتية للتفاعل الذكي الفوري: من خلال شبكة نقل فوري عالمية، والاستدلال المشترك الموزع بين السحابة والحافة والطرفية، والتنسيق الفوري وقدرات التفاعل مزدوج الاتجاه، بحيث تتمكن النماذج والـ Agent من التعاون المستمر في سيناريوهات واقعية. كما يعتمد محرك الذكاء الاصطناعي الحواري من Shengwang التفاعل مزدوج الاتجاه كنواة، ويربط بين النماذج وأطر تشغيل الـ Agent والمستخدمين، داعماً تجربة حوار فوري مستقرة ومتزامنة.
وفي الوقت نفسه، تواصل Shengwang تحسين أدوات وأطقم تطوير الذكاء الاصطناعي الحواري للمطورين، من خلال الجمع بين قدرات SDK وSkills وأدوات CLI وRecipes وغيرها، لمساعدة المطورين على بناء وكلاء (Agent) ذات منطق كامل وقدرات تنفيذية بكفاءة أكبر.
من خدمة العملاء والتعليم إلى رفقة الذكاء الاصطناعي والأجهزة الذكية القابلة للارتداء، يرى تشاو بين أن الذكاء الاصطناعي الحواري يدخل المزيد من السيناريوهات الواقعية. إن قدرة الذكاء الاصطناعي على خلق قيمة حقيقية لا تعتمد فقط على ما إذا كان النموذج «يجيد التحدث»، بل تعتمد أيضاً على قدرته على فهم الاحتياجات والتواصل بشكل طبيعي وإتمام المهام باستمرار. وستلعب تقنية التفاعل الفوري دوراً متزايد الأهمية في هذه العملية.
ثم قدم كبير مهندسي البرمجيات لدى Nvidia والرئيس المشارك لمجموعة عمل ترميز الفيديو في AOMedia، أندريه نوركين (Andrey Norkin)، كلمة حول تقنية ترميز الفيديو AV2.
حوار الطاولة المستديرة: هل سيصبح الوكيل الشخصي (Personal Agent) مدخل الجيل القادم للأفراد؟
في الطاولة المستديرة الأولى التي أدارها شريك المؤسس لشركة Shengwang توني وانغ (Tony Wang)، ناقش مدير منتجات الوسائط التفاعلية والمدون التقني يوجين واي (Eugene Wei)، وصانع المحتوى التقني المستقل والمضيف لبودكاست «Luàn Fān Shū» بان لوان، ورائد أعمال أجهزة AIoT وصاحب قناة الذكاء الاصطناعي الطرفي هوا جيان شين، موضوع «الوكيل الشخصي: من أداة جديدة إلى مدخل جديد؟».
من الهواتف والنظارات وسماعات الرأس إلى المزيد من الأجهزة المحمولة، يعيد الوكيل الشخصي إثارة تفكير القطاع حول مدخل تفاعل الإنسان والحاسوب للجيل القادم. يرى بان لوان أن الوكيل الشخصي قد يجلب تحولاً نموذجياً: فقيمة منتجات الذكاء الاصطناعي تنتقل من التنافس على جذب انتباه المستخدم إلى مساعدة المستخدم على إنجاز المهام بكفاءة أكبر. ولن يكتفي الوكيل الشخصي في المستقبل بالاستجابة للأوامر الصريحة، بل يجب أن يتحمل المهام بمبادرة ذاتية، ويساعد المستخدم في معالجة الشؤون ذات الأهداف الواضحة لكن التي لا تستحق استثمار وقت كبير.
بخصوص أجهزة الأفراد للجيل القادم، يطرح هوا جيان شين رأياً مفاده أن مدخل المستقبل لن تحكره بالضرورة نوعية واحدة من الأجهزة؛ فالنظارات وسماعات الرأس وغيرها من الأجهزة القادرة على استشعار البيئة وتنفيذ المهام كلها فرص محتملة. ويعتقد أن الوكيل الشخصي لا يحتاج فقط إلى فهم المستخدم، بل يحتاج أيضاً إلى استشعار العالم الواقعي باستمرار عبر الأجهزة المادية واتخاذ إجراءات، مما يفتح مساحة تطوير جديدة لأشكال مختلفة من الأجهزة.
أما يوجين واي فيوجه النقاش نحو قيمة «السياق»: فإن قدرة الوكيل الشخصي على فهم اهتمامات المستخدم وسجلات تواصله وعلاقاته الاجتماعية فعلياً ستحدد من قدرته على أن يصبح مدخلاً شخصياً ذا قيمة. وعند تقييم مدى صحة مدخل جديد، يقترح أيضاً الانتباه إلى حجم تفاعل المستخدمين مع الـ Agent يومياً، وما إذا كان المستخدم يبادر للبحث عن الـ Agent أكثر أم أن الـ Agent يبادر للتواصل مع المستخدم أكثر. ومن هنا توسعت مناقشة الطاولة المستديرة لتبحث القيمة المنتجية للوكيل الشخصي وأشكاله المادية ومعايير قياسه المستقبلية.
حوار الطاولة المستديرة: من «القدرة على الدردشة» إلى «القدرة على إنجاز الأمور»، كيف يخلق الذكاء الاصطناعي الحواري قيمة حقيقية؟
في الطاولة المستديرة الثانية التي أدارها الرئيس التجاري لشركة Shengwang تسوي بو، ناقش مؤسس Xieyue Intelligence تشن وي، ومؤسس Guanke Technology لينغ شيانغ لي، والشريك المؤسس والمسؤول عن منظومة Rokid Leqi تساي قوه شيانغ، والرئيس التنفيذي لشركة Titan Qiming وو كان، سيناريوهات مختلفة تشمل الذكاء المُجسّد والأجهزة الذكية القابلة للارتداء والتسويق المؤسسي والتوظيف بالذكاء الاصطناعي، حول موضوع: الذكاء الاصطناعي الحواري: قيادة تفاعل الإنسان والـ Agent للجيل القادم.
يرى تشن وي أن جوهر الذكاء المُجسّد هو تحويل نوايا الإنسان فعلياً إلى أجراءات يقوم بها الروبوت. فالروبوت لا يجب أن يفهم الأوامر الصوتية فحسب، بل يحتاج أيضاً إلى دمج معلومات متعددة الأنماط تشمل الرؤية والصوت وحالته الذاتية، لإتمام إدراك البيئة المادية وتخطيطها واتخاذ القرارات بشأنها، وتعديل تنفيذ المهام باستمرار وفقاً للتغيرات البيئية بعد كل إجراء. وبالمقارنة مع إتمام مهام عرضية محددة مسبقاً، الأهم للروبوت هو فهم الاحتياجات الحقيقية للإنسان باستمرار في بيئات مفتوحة، بحيث تبقى أجراءاته متوافقة دائماً مع نوايا الإنسان. ويعمل Xieyue Intelligence حالياً على تطوير نموذج أساسي مُجسّد بنموذج جديد كلياً يُسمى Duplex Reasoning، يهدف إلى تحقيق تكامل بين تفاعل الروبوت وأجراءاته.
أما تساي قوه شيانغ فينطلق من ممارسات نظارات الذكاء الاصطناعي، مؤكداً أن تجربة الحوار هي الميزة التنافسية الأساسية لأجهزة الذكاء الاصطناعي القابلة للارتداء. ويقول إنه مهما كانت الأجهزة وقدرات الذكاء الاصطناعي الكامنة خلفها قوية، فإن الحوار غير الطبيعي سيؤثر مباشرة على تجربة المستخدم. وستحتاج أجهزة الذكاء الاصطناعي القابلة للارتداء في المستقبل، من خلال تفاعل فوري منخفض التأخير ومستقر، وفهم للدلالات والسياق طويل الأمد، إلى أن يشعر المستخدم تدريجياً بأنه لا يحاور ذكاءً اصطناعياً. كما شارك تجربة استخدام مساعد Rokid Leqi الذكي لخدمة روابط RTC من Shengwang، وأبدى تفاؤلاً بأن نظارات الذكاء الاصطناعي ستصبح مدخلاً شخصياً مهماً في عصر الذكاء الاصطناعي.
وفي سيناريوهات التطبيقات المؤسسية، يشير لينغ شيانغ لي إلى أن وكيل الصوت الذكي (AI voice agent) لتحقيق تسليم موثوق للأعمال يجب أن يحل مشكلات التأخير وتوقيت المقاطعات والتمثيل الإنساني، حيث قد يؤثر التأخير مباشرة حتى على نتائج المهمة. وفي التسويق الموجه للشركات (To B)، يحتاج الذكاء الاصطناعي أيضاً إلى الدمج مع منظومة المعرفة القطاعية والتعاون البشري لضمان نتائج الأعمال بشكل أفضل. أما وو كان فبناءً على ممارسات التوظيف بالذكاء الاصطناعي، يقول إن الذكاء الاصطناعي الحواري يمكنه مساعدة أعمال التوظيف على الوصول إلى الباحثين عن عمل على نطاق واسع ورفع كفاءة الخدمة، بدلاً من مجرد استبدال العنصر البشري. ولتكوين حلقة عمل مغلقة، لا بد أيضاً من تراكم البيانات القطاعية، وتنظيم الأعمال على أساس الباحث عن عمل ككيان محوري، ومساعدة الـ Agent على بناء ذاكرة طويلة الأمد، ودعم الذكاء الاصطناعي بشكل مستمر في تقييم جودة الخدمة وتحسينها استناداً إلى أحداث الأعمال الفعلية مثل حضور المقابلات والالتحاق بالوظيفة.
من مشاركات الضيوف الأربعة يمكن أن نرى أنه رغم اختلاف متطلبات الذكاء الاصطناعي الحواري بين القطاعات المختلفة، فإنها تشير جميعاً إلى اتجاه واحد: يجب أن يكون الذكاء الاصطناعي قادراً ليس فقط على التواصل، بل أيضاً على فهم السيناريوهات الواقعية، والاندماج في عمليات الأعمال القائمة، وإتمام المهام بموثوقية. ومع استمرار تطور التفاعل في الوقت الفعلي، 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 في الوقت الفعلي إلى الذكاء في الوقت الفعلي، لبدء الفصل التالي من AGI الحواري
من إطار مستويات القدرة الحوارية الخمسة الذي طرحه تشاو بين، إلى نقاشي الطاولة المستديرة حول الوكيل الشخصي والتطبيق الفعلي في الأعمال، قدّم الملتقى الرئيسي iRTE2026 اتجاهاً صناعياً واضحاً: منافسة الذكاء الاصطناعي الحواري تمتد من قدرات النماذج الأساسية إلى فهم السياق، والتفاعل في الوقت الفعلي، وإدراك العلاقات المعقدة، وتنفيذ المهام.
عندما لم يعد الذكاء الاصطناعي مقتصراً على الإجابة السلبية، بل أصبح قادراً على فهم الإنسان باستمرار، والمشاركة الفاعلة في التواصل، وإتمام المهام في سيناريوهات واقعية، فإن تقنيات التفاعل في الوقت الفعلي ستتحمل أيضاً رسالة أعمق.
في وجه المرحلة التالية من AGI الحواري، سيواصل Shengwang الاستكشاف المشترك مع المطورين والشركاء في القطاع لدمج التفاعل في الوقت الفعلي مع الذكاء الاصطناعي التوليدي، ودفع تجربة تفاعل فوري أكثر طبيعية وكفاءة بين البشر وبين الإنسان والوكيل.
قدمت هذه المقالة من قبل Shengwang، وحصلت QbitAI على إذن بإعادة نشرها، وتعود الآراء إلى أصحابها.