في 23 أكتوبر، عُقد مؤتمر iRTE2026 للذكاء الاصطناعي في الزمن الحقيقي في بكين. ألقى تشاو بن، مؤسس شركة Shengwang والرئيس التنفيذي لها، كلمة رئيسية في المنتدى الرئيسي بعنوان "الحوار مع AGI: الفصل القادم من التفاعل في الزمن الحقيقي"، استعرض فيها التغيرات الرئيسية خلال العام الماضي في التفاعل في الزمن الحقيقي والذكاء الاصطناعي الحواري والبنية التحتية الأساسية، وطرح إطار "مستويات القدرة الحوارية الخمسة"، مرسماً مسار تطور الذكاء الاصطناعي الحواري من الاستجابة الأساسية نحو الفهم العميق والتواصل القائم على العلاقات.
يرى تشاو بن أنه مع انتقال الذكاء الاصطناعي من الإجابة عن الأسئلة إلى التواصل المستمر وفهم السياق وتنفيذ المهام، فإن موضوع التفاعل في الزمن الحقيقي يتوسع من الإنسان إلى الإنسان وإلى الوكيل الذكي. ويمتد دور تقنية التفاعل في الزمن الحقيقي تبعاً لذلك: فهي لا تحتاج فقط إلى جعل نقل المعلومات أكثر استقراراً وسلاسة، بل يجب أيضاً أن توفر دعماً فورياً لإدراك الذكاء الاصطناعي وفهمه وتعبيره وأفعاله.
من "سؤال وجواب" إلى التواصل العميق القائم على العلاقات: التطور الخماسي للذكاء الاصطناعي الحواري
يرى تشاو بن أن تقدم الذكاء الاصطناعي الحواري لا ينبغي أن يُقاس فقط بسرعة الإجابة وطبيعية اللغة. والأهم من ذلك هو ما إذا كان قادراً على فهم نوايا المحاور وظروفه وعلاقته به، وما إذا كان يستطيع التعبير بشكل مناسب في السيناريوهات المعقدة، وتشكيل فهم طويل الأمد وعميق تدريجياً.
وانطلاقاً من هذا الحكم، طرح تشاو بن في كلمته إطار "مستويات القدرة الحوارية الخمسة"، الذي يقسم القدرة الحوارية إلى خمسة مستويات:
L1، التعبير من المنظور الذاتي: يقوم أساساً على التعبير الذاتي والاستمرار السلبي، محققاً "سؤال واحد، إجابة واحدة".
L2: التعبير القائم على قواعد التفاعل: الانتقال من الاستجابة السلبية إلى التعبير الاستباقي، لجعل الحوار أكثر طبيعية وترابطاً.
L3: التواصل القائم على الإدراك الفردي: فهم هوية الفرد ونواياه وظروفه، وتحقيق تواصل يتناسب مع كل شخص.
L4: التواصل القائم على الإدراك الجماعي: فهم العلاقات الاجتماعية والفروق بين الأدوار، والتكيف مع سيناريوهات التواصل المعقدة متعددة الأطراف.
L5: التواصل القائم على العلاقات العميقة: فهم السياق طويل الأمد وتطور العلاقات، وتشكيل فهم أعمق وتوافق فكري، لجعل التواصل ينتقل من فهم اللحظة الراهنة إلى فهم الإنسان.
هذه المستويات الخمسة تُظهر ليس فقط التعزيز التدريجي لتقنية الحوار، بل أيضاً تغيّر العلاقة بين الذكاء الاصطناعي والإنسان: من إتمام جولة سؤال وجواب، إلى فهم شخص واحد، ثم إلى فهم العلاقات بين الأشخاص، وصولاً في النهاية إلى تشكيل تواصل عميق يتجاوز الزمن والسياقات.
أشار تشاو بن إلى أن الذكاء الاصطناعي الحواري ينتقل من التفاعل السلبي في مراحله المبكرة نحو حوار ثنائي الاتجاه الكامل أكثر استباقية وطبيعية، وبدأ يحاول فهم شخصية الإنسان وظروفه ومشاعره وعلاقاته. وبالنظر إلى المستقبل، يحتاج الذكاء الاصطناعي أيضاً إلى اختراق تقسيم الأدوار ونظام التواصل في السيناريوهات الاجتماعية المعقدة، وفهم السياق المتراكم طويل الأمد للفرد بشكل أعمق. وهذا أيضاً اتجاه تطوير مهم للذكاء الاصطناعي الحواري AGI: أن يكون الذكاء الاصطناعي قادراً ليس فقط على فهم جملة واحدة، بل على فهم النوايا الحقيقية للشخص بالاستناد إلى السياق الكامل، والرد بشكل مناسب.
البنية التحتية للذكاء الاصطناعي في الزمن الحقيقي: البنية التحتية الرئيسية الداعمة للذكاء الاصطناعي الحواري AGI
التطور المستمر للقدرة الحوارية يفرض أيضاً متطلبات أعلى على التقنيات الأساسية. أشار تشاو بن في كلمته إلى أنه خلال العام الماضي، دفع التبني العميق لتقنية WebRTC من قبل شركات مثل OpenAI تقنية التفاعل في الزمن الحقيقي إلى الحصول على اهتمام وتطبيق أوسع في مجال الذكاء الاصطناعي الحواري. ومع انتقال الذكاء الاصطناعي من جولات الأسئلة والأجوبة إلى التفاعل المستمر، أصبحت البنية التحتية للتفاعل في الزمن الحقيقي دعماً تقنياً مهماً يربط النماذج وأطر تشغيل الوكلاء الأذكياء والمستخدمين.
مقارنة بتطبيقات الذكاء الاصطناعي التقليدية، تفرض سيناريوهات الحوار متطلبات أكثر صرامة على زمن التأخير والاستقرار والتفاعل ثنائي الاتجاه. يحتاج الذكاء الاصطناعي إلى استقبال مدخلات المستخدم بينما يفهم السياق وينظم الرد، وعند الضرورة الاستجابة للمقاطعة في أي لحظة، والاستمرار في استدعاء الأدوات ودفع المهام قدماً. أي تأخير ملحوظ في أي حلقة قد يفسد طبيعية الحوار، بل قد يؤثر على إمكانية إتمام المهمة.
لدعم هذه المتطلبات، قدّم تشاو بن اتجاه البنية التحتية للتفاعل الذكي في الزمن الحقيقي: من خلال شبكة النقل العالمية في الزمن الحقيقي، والاستدلال الموزع المشترك بين السحابة والحافة والأجهزة، والتنسيق في الزمن الحقيقي وقدرات التفاعل ثنائي الاتجاه الكامل، لتمكين النماذج والوكلاء من التعاون المستمر في السيناريوهات الحقيقية. كما يعتمد محرك الذكاء الاصطناعي الحواري من Shengwang على التفاعل ثنائي الاتجاه الكامل كنواة، ويربط النماذج وأطر تشغيل الوكلاء والمستخدمين، لدعم تجربة حوار مستقرة ومتزامنة في الزمن الحقيقي.
في الوقت نفسه، تواصل Shengwang تحسين أدوات ومجموعات تطوير الذكاء الاصطناعي الحواري للمطورين، بالجمع بين قدرات SDK وSkills وأدوات CLI وRecipes وغيرها، لمساعدة المطورين على بناء وكلاء أذكياء يتمتعون بمنطق كامل وقدرة تنفيذية بكفاءة أعلى.
من خدمة العملاء والتعليم إلى الرفقة بالذكاء الاصطناعي والأجهزة القابلة للارتداء الذكية، يرى تشاو بن أن الذكاء الاصطناعي الحواري يدخل المزيد من السيناريوهات الحقيقية. وقدرة الذكاء الاصطناعي على خلق قيمة حقيقية لا تعتمد فقط على ما إذا كان النموذج "يتقن الكلام"، بل أيضاً على ما إذا كان قادراً على فهم الاحتياجات والتواصل بشكل طبيعي وإنجاز المهام باستمرار. وستلعب تقنية التفاعل في الزمن الحقيقي دوراً متزايد الأهمية في هذه العملية.
بعد ذلك، قدّم أندريه نوركين، كبير المهندسين المعماريين في NVIDIA ورئيس مجموعة العمل المشتركة لتشفير الفيديو AV2 في AOMedia، كلمة حول تقنية ترميز الفيديو AV2.
حوار المائدة المستديرة: هل سيصبح الوكيل الشخصي الذكي بوابة الجيل القادم؟
في أول مائدة مستديرة أدارها توني وانغ، الشريك المؤسس لشركة Shengwang، ناقش يوجين وي، مدير منتجات الوسائط التفاعلية والمدون التقني، وبن لوان، إعلامي تقني ومضيف بودكاست "لوان فان شو"، وهوا جيانشين، رائد أعمال في أجهزة AIoT ومدير محتوى تقني متخصص في الذكاء الاصطناعي على الأجهزة، موضوع "الوكيل الشخصي الذكي: من أداة جديدة إلى بوابة جديدة؟".
من الهواتف والنظارات والسماعات إلى المزيد من الأجهزة المحمولة، يعيد الوكيل الشخصي الذكي إثارة تفكير القطاع حول بوابة التفاعل بين الإنسان والحاسوب للجيل القادم. يرى بن لوان أن الوكيل الشخصي الذكي قد يجلب تحولاً نموذجياً: فقيمة منتجات الذكاء الاصطناعي تنتقل من التنافس على انتباه المستخدم إلى مساعدته على إنجاز المهام بكفاءة أعلى. ويجب على الوكيل الشخصي الذكي في المستقبل ليس فقط الاستجابة للأوامر الواضحة، بل أيضاً تحمل المهام بشكل استباقي، ومساعدة المستخدم في معالجة الأمور ذات الأهداف الواضحة التي لا تستحق استثمار الكثير من الوقت.
بخصوص أجهزة الجيل القادم الشخصية، اقترح هوا جيانشين أن البوابة المستقبلية قد لا تحتكرها جهة واحدة بعينها، فالنظارات والسماعات وغيرها من الأجهزة القادرة على إدراك البيئة وتنفيذ المهام لديها جميعاً فرص. ويرى أن الوكيل الشخصي الذكي لا يحتاج فقط إلى فهم المستخدم، بل أيضاً إلى إدراك العالم الحقيقي بشكل مستمر عبر الأجهزة المادية واتخاذ الإجراءات، مما يوفر مساحة تطوير جديدة لأشكال مختلفة من الأجهزة.
أما يوجين وي فقد وجّه النقاش نحو قيمة "السياق": فقدرة الوكيل الشخصي الذكي على فهم اهتمامات المستخدم وسجلات تواصله وعلاقاته الاجتماعية بشكل حقيقي ستؤثر على إمكانية أن يصبح بوابة شخصية ذات قيمة. وفي تقييم ما إذا كانت البوابة الجديدة قائمة، اقترح أيضاً الاهتمام بتفاعل المستخدم اليومي مع الوكيل، وما إذا كان المستخدم هو من يبحث عن الوكيل أكثر أم أن الوكيل هو من يبحث عن المستخدم أكثر. وبهذا واصلت المائدة المستديرة مناقشة القيمة المنتجية للوكيل الشخصي الذكي وأشكال الأجهزة ومعايير التقييم المستقبلية.
حوار المائدة المستديرة: من "القدرة على الدردشة" إلى "القدرة على الإنجاز"، كيف يخلق الذكاء الاصطناعي الحواري قيمة حقيقية؟
في المائدة المستديرة الثانية التي أدارها تسوي بو، الرئيس التجاري لشركة Shengwang، ناقش تشن وي، مؤسس Xieyue Intelligence، وقنغ شيانغلي، مؤسس GuanKe Technology، وتساي قوه شيانغ، الشريك المؤسس ومسؤول النظام البيئي في Rokid، ووو كان، الرئيس التنفيذي لشركة Titan Qiming، انطلاقاً من سيناريوهات مختلفة تشمل الذكاء الاصطناعي المتجسد والأجهزة القابلة للارتداء الذكية والتسويق المؤسسي والتوظيف بالذكاء الاصطناعي، موضوع الذكاء الاصطناعي الحواري: قيادة تفاعل الجيل القادم بين الإنسان والوكيل.
يرى تشن وي أن مفتاح الذكاء الاصطناعي المتجسد هو تحويل نوايا الإنسان فعلياً إلى أفعال الروبوت. فالروبوت لا يحتاج فقط إلى فهم الأوامر الصوتية، بل يجب أيضاً دمج المعلومات متعددة الوسائط من الرؤية والصوت وحالته الذاتية، لإتمام إدراك البيئة المادية والتخطيط واتخاذ القرار، والتكيف المستمر مع تنفيذ المهام بناءً على تغيرات البيئة بعد الأفعال. وبالمقارنة مع إنجاز مهام عرضية محددة مسبقاً، فالأهم للروبوت هو الفهم المستمر للاحتياجات الحقيقية للإنسان في بيئة مفتوحة، وجعل الأفعال متوافقة دائماً مع نوايا الإنسان. وتطوّر Xieyue Intelligence نموذجاً أساسياً متجسداً بنمط جديد يُسمى Duplex Reasoning، يهدف إلى تحقيق التكامل بين تفاعل الروبوت وأفعاله.
ومن واقع تجربة نظارات الذكاء الاصطناعي، شدد تساي قوه شيانغ على أن تجربة الحوار هي القدرة التنافسية الأساسية لأجهزة الذكاء الاصطناعي القابلة للارتداء. وقال إنه بغض النظر عن قوة الأجهزة وقدرات الذكاء الاصطناعي وراءها، فإن لم يكن الحوار طبيعياً بما يكفي، ستتأثر تجربة المستخدم بشكل مباشر. وفي المستقبل، تحتاج أجهزة الذكاء الاصطناعي القابلة للارتداء إلى التفاعل في الزمن الحقيقي منخفض التأخير والمستقر، وفهم الدلالات والسياق طويل الأمد، لجعل المستخدم يشعر تدريجياً بأنه لم يعد يتحدث إلى ذكاء اصطناعي. كما شارك تجربة مساعد Rokid AI في استخدام خدمات رابط RTC من Shengwang، وأعرب عن تفاؤله بأن تصبح نظارات الذكاء الاصطناعي بوابة شخصية مهمة في عصر الذكاء الاصطناعي.
في سيناريوهات التطبيقات المؤسسية، أشار قنغ شيانغلي إلى أن تحقيق وكيل الصوت بالذكاء الاصطناعي لتسليم أعمال موثوق يتطلب حل مشكلات التأخير وتوقيت المقاطعة والمحاكاة البشرية، حيث قد يؤثر التأخير بشكل مباشر على نتائج المهام. وبالنسبة للتسويق الموجّه للشركات، يحتاج الذكاء الاصطناعي أيضاً إلى الدمج مع أنظمة المعرفة الصناعية والتعاون البشري لضمان نتائج الأعمال بشكل أفضل. أما وو كان فقد أشار من خلال ممارسة التوظيف بالذكاء الاصطناعي إلى أن الذكاء الاصطناعي الحواري يمكنه مساعدة أعمال التوظيف في الوصول إلى الباحثين عن عمل على نطاق واسع وتحسين كفاءة الخدمة، وليس مجرد استبدال البشر. ولتشكيل حلقة أعمال متكاملة، لا يزال من الضروري تراكم بيانات القطاع، وتنظيم الأعمال حول الباحث عن عمل كمحور، ومساعدة الوكيل على بناء ذاكرة طويلة الأمد، والاستناد إلى أحداث الأعمال الفعلية مثل المقابلات والالتحاق بالعمل لمساعدة الذكاء الاصطناعي على التقييم المستمر وتحسين جودة الخدمة.
من مشاركات الضيوف الأربعة يتضح أن متطلبات القطاعات المختلفة من الذكاء الاصطناعي الحواري تتفاوت، لكنها تشير جميعاً إلى اتجاه واحد: يجب على الذكاء الاصطناعي ليس فقط القدرة على التواصل، بل أيضاً فهم السيناريوهات الحقيقية والاندماج في عمليات الأعمال القائمة وإنجاز المهام بشكل موثوق. ومع التطور المستمر للتفاعل في الزمن الحقيقي والإدراك متعدد الوسائط وقدرات تنفيذ الوكلاء، يُتوقع أن يتحول الذكاء الاصطناعي الحواري من أداة تفاعل إلى قوة مهمة تربط العالم الرقمي بالعالم المادي وتدفع تشغيل الأعمال.
من التفاعل في الزمن الحقيقي إلى الذكاء في الزمن الحقيقي، افتتاح الفصل القادم من الذكاء الاصطناعي الحواري AGI
من إطار مستويات القدرة الحوارية الخمسة الذي طرحه تشاو بن، إلى مناقشات المائدتين المستديرتين حول الوكلاء الشخصيين الأذكياء والتطبيق الفعلي في الأعمال، قدّم المنتدى الرئيسي لـ iRTE2026 اتجاهاً صناعياً واضحاً: المنافسة في الذكاء الاصطناعي الحواري تمتد من قدرات النماذج الأساسية إلى فهم السياق والتفاعل في الزمن الحقيقي وإدراك العلاقات المعقدة وتنفيذ المهام.
عندما لا يقتصر الذكاء الاصطناعي على الإجابة السلبية، بل يصبح قادراً على الفهم المستمر للإنسان والمشاركة الاستباقية في التواصل وإنجاز المهام في السيناريوهات الحقيقية، ستتحمل تقنية التفاعل في الزمن الحقيقي مهمة أعمق.
وبالنظر إلى المرحلة القادمة من الذكاء الاصطناعي الحواري AGI، ستواصل Shengwang استكشاف دمج التفاعل في الزمن الحقيقي مع الذكاء الاصطناعي التوليدي بالتعاون مع المطورين وشركاء القطاع، لدفع تجارب تفاعل أكثر طبيعية وكفاءة في الزمن الحقيقي بين الإنسان والإنسان والإنسان والوكيل.
