أخبار ar.wedoany.com، أطلقت شركة "تيزان" الصينية للتكنولوجيا نموذج العالم الذاتي (Subjective World Model) خلال المؤتمر العالمي للذكاء الاصطناعي 2026 (WAIC)، وذلك من خلال التدريب المنسق لبيانات غير متجانسة رباعية الطبقات لمحاكاة سلوكيات اتخاذ القرار الحقيقية للمستهلكين. يستند تصميم هذا النموذج إلى حقيقة معرفية معروفة تتمثل في وجود انحراف منهجي بين "التفضيلات المُبلغ عنها ذاتيًا" و"الأوزان الحقيقية لاتخاذ القرار"، بهدف معالجة القيود المتأصلة في نماذج اللغة الكبيرة التي لا تصلح لنمذجة عملية اتخاذ القرار البشري.
استقطب هذا المعرض مشاركة أكثر من 1100 شركة، بمساحة عرض بلغت 100 ألف متر مربع. يتضمن هيكل نموذج العالم الذاتي (SWM) الذي قدمته شركة "تيزان" أربع طبقات. الطبقة الأولى هي طبقة التعبير، والتي تستخدم مليارات العينات اللغوية الأصلية من منصات التواصل الاجتماعي لبناء خريطة عالية الأبعاد تربط بين متجهات الأسلوب اللغوي للمستخدمين وخصائصهم الديموغرافية والنفسية. الطبقة الثانية هي الطبقة السردية، والتي تعتمد على عشرات الآلاف من ساعات المقابلات المعمقة الفردية (تتراوح مدة المقابلة الواحدة بين ساعة وساعتين، وتنتج ما بين خمسة آلاف وعشرين ألف كلمة من النصوص غير المهيكلة) لنمذجة الرسوم البيانية السببية الزمنية لدوافع السلوك؛ وتؤكد هذه الطبقة على أن نصوص المقابلات الحقيقية تمتلك اتساقًا سببيًا عبر السياقات المختلفة، ولا يمكن للبيانات الاصطناعية أن تحل محلها.
الطبقة الثالثة هي الطبقة المعرفية، والتي تستخدم استبيانات الحكم السلوكي، واستبيان القيم لشوارتز (Schwartz Value Survey)، ومقياس العوامل الخمسة الكبرى للشخصية (Big Five) وغيرها من المقاييس الموحدة لنمذجة متجهات أوزان القيم الفردية ومعاملات النفور من المخاطرة، بهدف قياس الفرق بين التفضيلات المُعلنة للمستهلكين والمقايضات الفعلية في اتخاذ القرار. الطبقة الرابعة هي الطبقة السلوكية، والتي تستخدم بيانات تجارب الألعاب الاقتصادية مثل لعبة الإنذار النهائي (Ultimatum Game)، ولعبة المنفعة العامة (Public Goods Game)، ولعبة الثقة (Trust Game)، بالإضافة إلى سجلات المعاملات الحقيقية لإجراء نمذجة فردية بارامترية، وتنتج ثلاثة معاملات للاقتصاد السلوكي: معامل النفور من الخسارة (λ)، ومعامل الخصم الزمني الزائدي (δ)، ومعامل الحساسية للمعايير الاجتماعية (γ).
أثناء الاستدلال، يحافظ نموذج SWM لكل شخصية مستهدفة على أربع حالات مشتركة: تضمين الأسلوب اللغوي من طبقة التعبير، والرسم البياني السببي للدوافع من الطبقة السردية، ومتجه أوزان القيم من الطبقة المعرفية، والمعاملات الاقتصادية من الطبقة السلوكية. ويتم التصويت المشترك بين الطبقات الأربع لتوليد شخصية ذكاء اصطناعي (AI Persona) ذات حالة داخلية. على عكس نماذج اللغة الكبيرة عديمة الحالة التي تولد إجابات مستقلة في كل مرة، تحافظ شخصيات SWM على حالة داخلية متسقة عند الاستفسار المتتابع. أظهرت النتائج الكمية أن دقة محاكاة السلوك تصل إلى 85% (باستخدام المقابلات المعمقة البشرية كمعيار مرجعي)، ويمكن توليد أكثر من 300 ألف شخصية ذكاء اصطناعي من خلال نشر البيانات الاجتماعية، منها أكثر من 10 آلاف شخصية عالية الدقة تم تدريبها مباشرة من نصوص المقابلات المعمقة، مع وقت تسليم أقل من 30 دقيقة.
إلى جانب جانب الفهم، طورت شركة "تيزان" هيكل الوكيل المؤسسي GEA (Generative Enterprise Agent) لتنفيذ المهام الموجهة للمستهلكين. تعمل طبقة التنسيق في هذا الهيكل بواسطة نموذج Creative Reasoning Model، وهو أول نموذج في الصين في مجال الاستدلال التباعدي الحاصل على تسجيل، بينما يمكن لطبقة التنفيذ استدعاء أكثر من 400 مهارة وكيل معيارية (Modular Agent Skill) والتنسيق بين أكثر من 30 نموذجًا أساسيًا، وتعمل طبقة Context System كطبقة تخزين دائمة للمعرفة المؤسسية. حاليًا، تم نشر هذا الهيكل على نطاق واسع في سيناريوهات الأعمال مثل التسويق بالمحتوى، وأبحاث الرؤى، وابتكار المنتجات، والتصميم الإبداعي، حيث يتجاوز حجم نشر الرموز (Token) الشهري 10 مليارات رمز، ويغطي أكثر من 50 دولة ومنطقة حول العالم.
صرحت شركة "تيزان" بأن الحاجز التنافسي لنموذج SWM لا يكمن في قابلية تكرار هيكله التصميمي، بل في نصوص المقابلات المعمقة الحقيقية المتراكمة على مدى عقد من الزمن في الطبقة السردية وآلية مقاومة الاصطناع المضمنة فيه. فعندما تفشل مسارات البيانات الاصطناعية بشكل منهجي في التحقق المتبادل بين الطبقة المعرفية والطبقة السلوكية، يضطر المنافسون المتأخرون إلى البدء من الصفر في تجميع البيانات الحقيقية. وأشارت الشركة إلى أن المنافسة في النصف الثاني من عصر الذكاء الاصطناعي المؤسسي ستنتقل من القدرة على ربط النماذج إلى عمق الفهم الميداني لسيناريوهات الأعمال وتراكم الأصول التقنية المرتبطة بها.
