از قابلیت مدل تا زیرساخت خلاقیت: چگونه یی لو چارچوب تعامل چندوجهی محوریت شخصیت را ساخت

هوش مصنوعی در سال‌های 2023 و 2024 جهش‌های چشمگیری داشت. مدل‌ها بزرگ‌تر شدند، خروجی‌ها روان‌تر و نمایش‌ها چشمگیرتر گردیدند. با این حال، بسیاری از محصولات هوش مصنوعی هنوز برای فراتر رفتن از نوآوری تلاش می‌کردند. آن‌ها نتایج جذابی تولید می‌کردند، اما به ندرت در گردش کار خلاقانه یا سازمانی واقعی جای می‌گرفتند. مهندسی پرامپت شکوفا شد، اما پایداری، ثبات و همکاری بلندمدت همچنان دست‌نیافتنی باقی ماند.

این شکاف بین قابلیت مدل و کاربرد در دنیای واقعی به کانون کار یی لوئو تبدیل شد.

به جای اینکه لوئو هوش مصنوعی را ماشینی در نظر بگیرد که خروجی‌های مجزا تولید می‌کند، او به هوش مصنوعی به عنوان یک همکار نگاه کرد که باید عمداً طراحی شود. کار او بر ساخت سیستم‌های تعاملی متمرکز است که به خلاقیت هوش مصنوعی اجازه می‌دهد در طول زمان پایدار بماند، در زمینه‌ها و روش‌های مختلف مقیاس‌پذیر شود و به طور طبیعی در نحوه کار افراد ادغام گردد.

این رویکرد منجر به چیزی شد که او آن را چارچوب تعامل چندوجهی مبتنی بر شخصیت می‌نامد.

منشأ دانشگاهی در دانشگاه کارنگی ملون

یی لوئو توسعه چارچوب تعامل چندوجهی مبتنی بر شخصیت را در طول پایان‌نامه کارشناسی ارشد خود در دانشگاه کارنگی ملون آغاز کرد. تحقیقات او بررسی کرد که چگونه همکاری انسان و هوش مصنوعی زمانی که تعامل به عنوان یکبار مصرف تلقی می‌شود از هم می‌پاشد—جایی که هویت بازنشانی می‌شود، زمینه فرو می‌ریزد و تداوم خلاقانه پس از هر جلسه از دست می‌رود.

از طریق این کار، لوئو یک محدودیت اصلی سیستم‌های هوش مصنوعی مبتنی بر پرامپت را شناسایی کرد: آن‌ها فاقد پایداری هستند. هر تعامل به تنهایی قرار دارد و ایجاد اعتماد، حافظه یا حرکت خلاقانه پایدار را دشوار می‌سازد.

این چارچوب به عنوان یک پاسخ پدیدار شد. به جای اتکا به پرامپت‌های موقت، تعامل را حول شخصیت‌های هوش مصنوعی پایدار ساختار می‌دهد که هویت، حافظه و تداوم رفتاری را در جلسات و پروژه‌ها حفظ می‌کنند.

تعریف چارچوب تعامل چندوجهی مبتنی بر شخصیت

در هسته خود، این چارچوب همکاری انسان و هوش مصنوعی را حول شخصیت‌های هوش مصنوعی بادوام به جای پرامپت‌های یکبار مصرف سازماندهی می‌کند. این شخصیت‌ها به عنوان داربست‌های خلاقانه قابل استفاده مجدد عمل می‌کنند. آن‌ها حافظه زمینه‌ای را حفظ می‌کنند، ثبات رفتاری را حفظ می‌کنند و از کار خلاقانه یا عملیاتی طولانی‌مدت پشتیبانی می‌کنند.

این چارچوب ذاتاً چندوجهی است. متن، تصاویر و حالت زمینه‌ای را یکپارچه می‌کند و به کاربران اجازه می‌دهد با هوش مصنوعی به روش‌های غنی‌تر و بیان‌گرتر نسبت به متن تنها کار کنند. با حفظ زمینه مشترک در روش‌های مختلف، سیستم از کاوش عمیق‌تر و تعامل پایدار در طول زمان پشتیبانی می‌کند.

نکته حیاتی این است که این یک ویژگی یا الگوی اینترفیس واحد نیست. این یک سیستم تعاملی است که برای جاسازی، استفاده مجدد و اتکا در محصولات، محیط‌های آموزشی و پلتفرم‌ها طراحی شده است.

تعریف معیار:
چارچوب تعامل چندوجهی مبتنی بر شخصیت، همکاری انسان و هوش مصنوعی را حول شخصیت‌های هوش مصنوعی پایدار ساختار می‌دهد و هویت، زمینه و ورودی‌های چندوجهی را در داربست‌های تعاملی قابل استفاده مجدد یکپارچه می‌سازد. برخلاف استفاده یکبار مصرف از هوش مصنوعی مبتنی بر پرامپت، این چارچوب همکاری خلاقانه پایدار را فعال می‌کند که می‌تواند در گردش کار، سیستم‌های آموزشی و پلتفرم‌های مصرف‌کننده در مقیاس بزرگ جاسازی شود.

چرا این یک مشارکت اصیل بود

یی لوئو توسعه سیستماتیک این چارچوب را در اوایل سال 2024 آغاز کرد و مستقیماً بر اساس تحقیقات تحصیلات تکمیلی خود ساخت، قبل از اینکه تعامل هوش مصنوعی مبتنی بر شخصیت یا عامل محور به طور گسترده در صنعت پذیرفته شود. در آن زمان، اکثر محصولات هوش مصنوعی برای تعامل کوتاه‌مدت بهینه شده بودند تا همکاری بلندمدت.

آنچه رویکرد لوئو را متمایز می‌کرد یک تغییر مفهومی بود. او هوش مصنوعی را نه به عنوان جریانی از خروجی‌ها، بلکه به عنوان زیرساخت خلاقانه در نظر گرفت—چیزی که می‌تواند عمداً طراحی، ارزیابی و برای پشتیبانی از کار واقعی انسانی مقیاس‌پذیر شود. این تغییر چارچوب، توجه را از عملکرد خام مدل به سمت سیستم‌های تعاملی که از تداوم، اعتماد و قابلیت استفاده پشتیبانی می‌کنند، منتقل کرد.

اعتبارسنجی در مقیاس سازمانی

این چارچوب ابتدا در محیط‌های هوش مصنوعی در مقیاس سازمانی که با دسترسی جهانی، دقت عملیاتی و الزامات قابلیت اطمینان دقیق مشخص می‌شوند، مورد بررسی قرار گرفت. در طول کار بر روی ابتکارات طراحی مرتبط با هوش مصنوعی که در زمینه‌های آموزشی و عملیاتی بزرگ و توزیع شده در Apple قرار داشت، لوئو شرایطی را مشاهده کرد که در آن تعاملات هوش مصنوعی باید در جلسات، مناطق و تیم‌ها ثابت بمانند، در حالی که به طور مرتب در گردش کار تثبیت شده ادغام شوند.

این محیط‌ها تقاضاهای غیرمعمول بالایی را بر سیستم‌های تعاملی تحمیل می‌کنند: خروجی‌ها باید قابل پیش‌بینی باقی بمانند، رفتار باید در طول زمان و زمینه پایدار باشد و الگوهای تعاملی باید تحت فشار سازمانی قابل استفاده مجدد باشند. در این محدودیت‌ها، الگوهای همراستا با اصولی که بعداً در چارچوب تعامل چندوجهی مبتنی بر شخصیت رسمی شدند—به ویژه پایداری، هویت و استفاده مجدد—برای حفظ قابلیت اطمینان و اعتماد در طول زمان ضروری ثابت شدند.

اکوسیستم کانال جهانی Apple یکی از پیچیده‌ترین محیط‌های عملیاتی در بخش فناوری را نشان می‌دهد. اسناد افشا شده عمومی نشان می‌دهند که تقریباً 60٪ از فروش خالص سالانه Apple از طریق شرکای کانال انجام می‌شود که مقیاس و دقت زمینه سازمانی را که در آن این الگوهای تعاملی مورد بررسی قرار گرفتند، برجسته می‌کند. این تفاسیر منعکس‌کننده تحلیل طراحی مستقل است تا موضع رسمی شرکت.

اعتبارسنجی در مقیاس مصرف‌کننده

همان چارچوب تعاملی بعداً در زمینه بسیار متفاوتی مورد بررسی قرار گرفت: تعامل هوش مصنوعی در مقیاس مصرف‌کننده.

در Character.AI، چت به عنوان سطح محصول اولیه عمل می‌کند. در این محیط، اصول مبتنی بر شخصیت لوئو—پایداری، هویت و زمینه چندوجهی—به شدت با الگوهای تعاملی مشاهده شده در سیستم‌های چت مصرف‌کننده که برای داستان‌سرایی طولانی، تداوم عاطفی و تعامل پایدار طراحی شده‌اند، همراستا بود.

ارقام گزارش شده عمومی نشان می‌دهند که Character.AI تقریباً 20 میلیون کاربر فعال ماهانه را خدمت می‌دهد، با استفاده روزانه گزارش شده که به دو ساعت در هر کاربر نزدیک می‌شود—که به طور قابل توجهی از الگوهای تعامل معمول چت‌بات‌های عمومی مانند ChatGPT فراتر می‌رود. این سطح استفاده پایدار منعکس‌کننده پویایی تعاملی است که بر همکاری خلاقانه طولانی‌مدت متمرکز است تا مبادلات کوتاه و وظیفه محور.

در کنار هم، این مشاهدات نشان می‌دهند که همان چارچوب تعاملی می‌تواند در محیط‌های سازمانی کاملاً کنترل شده و تنظیمات مصرف‌کننده باز و با واریانس بالا مؤثر باقی بماند. این تفاسیر منعکس‌کننده تحلیل طراحی مستقل است.

چرا این موضوع مهم است

تعداد کمی از سیستم‌های تعاملی هوش مصنوعی در چنین شرایط شدیدی عمل می‌کنند. در چارچوب تعامل چندوجهی مبتنی بر شخصیت، شخصیت‌های هوش مصنوعی به عنوان ظروف همکاری پایدار عمل می‌کنند. تعامل چندوجهی به زیرساخت خلاقانه قابل استفاده مجدد تبدیل می‌شود تا یک لایه نوآوری.

با ترجمه قابلیت خام مدل به سیستم‌های تعاملی پایدار و مقیاس‌پذیر، کار لوئو به تکامل هوش مصنوعی انسان محور کمک می‌کند. همانطور که هوش مصنوعی مبتنی بر شخصیت به یک رسانه جدید در آموزش، سرگرمی و نرم‌افزار سازمانی تبدیل می‌شود، چارچوب‌هایی مانند این کمک می‌کنند تا اطمینان حاصل شود که سیستم‌های هوش مصنوعی در طول زمان قابل استفاده، قابل اعتماد و توانمندساز خلاقانه باقی می‌مانند.

در چشم‌اندازی که توسط پیشرفت‌های سریع مدل تحت سلطه قرار دارد، زیرساخت خلاقانه پایدار نادر باقی می‌ماند. چارچوب یی لوئو به این شکاف می‌پردازد.

لینک‌های مرجع

• آمار تعامل Character AI
• https://sqmagazine.co.uk/character-ai-statistics/
• آمار استفاده ChatGPT
• https://elfsight.com/blog/chatgpt-usage-statistics/#:~:text=The%20platform's%20global%20reach%20is,speaking%20markets%20to%20emerging%20economies.