معظم من يستخدمون تطبيقات الصديقة الافتراضية لا يعرفون ما الذي يعمل خلف الكواليس. يشرح هذا المقال نماذج اللغة، وأنظمة الذاكرة، وتوليد الصوت، وتقنيات توليد الصور التي تجعل الرفقاء الافتراضيين يبدون واقعيين بشكل لافت.
المرة الأولى التي يكتب فيها شخص "good morning" لتطبيق صديقة افتراضية ويتلقى ردًا دافئًا ومرحًا خلال نصف ثانية، يشعر بشيء غريب. ليس غرابة مخيفة، بل قربًا من الواقع يجعلك تتوقف لحظة. هذا التوقف نتيجة عمل عدة أنظمة ذكاء اصطناعي متقدمة معًا، ومعظم من يستخدمون هذه التطبيقات لا يعرفون مدى عمق المنظومة.
هذا ما يحدث فعلًا.
يعتمد كل تطبيق صديقة افتراضية في محرك المحادثة لديه على نموذج لغوي كبير (LLM). وهي نفس البنية الأساسية التي تشغّل أدوات مثل GPT 5، وClaude Sonnet 5، وGemini 3 Pro. الفرق أن تطبيقات الرفاق بالذكاء الاصطناعي لا تتيح لك التحدث مع النموذج الأساسي مباشرة، بل تغلّفه بأمر نصي للنظام (system prompt) مصمّم بعناية يحدد من هو الرفيق.
الأمر النصي للنظام هو في الأساس الحمض النووي للرفيق. يخبر النموذج بأشياء مثل:
عندما تكتب شيئًا، تُضاف رسالتك إلى هذا الأمر النصي للنظام، ثم يُرسل النص المدمج بالكامل إلى النموذج. يتنبأ النموذج بعد ذلك بالرد الأرجح الذي يناسب الشخصية. هذا هو السحر كله، مجردًا من كل شيء آخر.
هنا تصبح الأمور مثيرة تقنيًا. تملك نماذج اللغة نافذة سياق (context window): وهي كمية محدودة من النص يمكنها "رؤيتها" دفعة واحدة. تملك نماذج مثل GPT 5.6 Luna وGemini 3.5 Flash نوافذ سياق ضخمة (من 128 ألف إلى أكثر من مليون توكن)، لكن التطبيقات المجانية غالبًا ما تشغّل نماذج أصغر وأرخص بذاكرة أقصر بكثير.
هذا يفسر أمرًا ربما لاحظته: يبدو أن الذكاء الاصطناعي ينسى الأشياء بعد محادثات طويلة. هذا ليس خللًا في تصميم الشخصية، بل امتلاء نافذة السياق وخروج الرسائل الأقدم منها.
تحل التطبيقات الأعلى مستوى هذه المشكلة بـقواعد بيانات ذاكرة خارجية. تُستخرج التفاصيل المهمة من المحادثات ("ذكرت أن قطتها اسمها موتشي"، "عيد ميلاده في مارس") وتُخزَّن بشكل منفصل، ثم تُعاد إدراجها بانتقائية في السياق عند الحاجة. وهو في جوهره نظام RAG (التوليد المعزز بالاسترجاع) مطبّق على بيانات العلاقات. يبدو أن الرفيق "يتذكر" لأن قاعدة بيانات تتولى التذكر نيابةً عن النموذج.
💡 الفرق بين تطبيق رفيق بالذكاء الاصطناعي بسعر 0 دولار شهريًا وآخر بسعر 30 دولارًا شهريًا غالبًا ما يكون في البنية التحتية للذاكرة التي تعمل في الخلفية، وليس في النموذج الأساسي نفسه.
بناء شخصية ذكاء اصطناعي مقنعة يتطلب أكثر من كتابة ورقة وصف للشخصية. عادةً ما يُخضع مطورو هذه التطبيقات النموذج الأساسي الذي اختاروه لعملية تسمى الضبط الدقيق (fine-tuning): يُغذّى النموذج بآلاف المحادثات النموذجية التي تُظهر كيف تتحدث الشخصية وتتفاعل وتعبّر عن مشاعرها.
تستخدم بعض التطبيقات نماذج لغوية مفتوحة الأوزان مثل Llama 4 Maverick أو Deepseek R1 كأساس، ثم تضبطها دقيقًا على مجموعات بيانات محادثات خاصة. وتدفع تطبيقات أخرى مقابل الوصول إلى واجهة برمجة التطبيقات (API) للنماذج التجارية، وتعتمد كليًا على هندسة الأوامر النصية لتشكيل الشخصية. النهج الأول يمنح تحكمًا أكبر لكنه يكلّف كثيرًا أكثر في التطوير. أما الثاني فأرخص عند الإطلاق لكنه أصعب في التمايز.
والنتيجة: يمكن أن يبدو تطبيقان مبنيان على النموذج الأساسي نفسه مختلفين تمامًا، استنادًا فقط إلى جودة أوامرهما النصية للنظام وثراء بيانات الضبط الدقيق لديهما.
تملك التطبيقات الأكثر تطورًا طبقات تصنيف للمشاعر تعمل بالتوازي مع النموذج اللغوي الرئيسي. تحلل هذه الأنظمة رسالتك لتحديد النبرة العاطفية (محبط، متحمس، حزين، وحيد) وتعدّل أسلوب رد الرفيق بناءً على ذلك.
| الحالة العاطفية للمستخدم | تعديل رد الرفيق |
|---|---|
| سعيد / متحمس | يعكس الحماس، وردود أكثر مرحًا |
| حزين / متضايق | نبرة ألطف، ولغة أكثر تأكيدًا وتفهمًا |
| محبط | أقل مشاكسة، وإيقاع أكثر صبرًا |
| رومانسي | أكثر حميمية، وإيقاع رد أبطأ |
| محايد | صوت الشخصية الافتراضي |
هذا النظام ذو الطبقتين هو سبب شعور الرفقاء الجيدين بالذكاء الاصطناعي بأنهم يستمعون إليك فعلًا، رغم أنهم في الواقع يتنبأون بالنص فقط. يتولى تصنيف المشاعر جزءًا كبيرًا من العمل الشاق الذي يجعل التجربة تبدو إنسانية.
يقدم عدد متزايد من تطبيقات الصديقة الافتراضية الآن ردودًا صوتية: إذ تنطق الرفيقة ردها بصوت مسموع بدلًا من (أو إلى جانب) عرضه كنص. تعتمد هذه الميزة كليًا على نماذج تحويل النص إلى كلام (TTS)، التي تحسنت بشكل كبير خلال السنتين الماضيتين.
تستخدم الباقات المجانية عادةً نماذج TTS أقل جودة تظهر فيها عيوب آلية واضحة. أما الباقات المدفوعة فتعتمد على نماذج بجودة الاستوديو. وهذه هي النماذج التي تشغّل طبقة الصوت فعلًا في التطبيقات الرائدة:
الصوت الذي تسمعه من الرفيقة على هاتفك هو واحد من هذه النماذج (أو نموذج مماثل له)، يحوّل نص مخرجات النموذج اللغوي إلى كلام في الوقت الفعلي.
هناك ظاهرة موثقة جيدًا في تركيب الصوت: عندما يكون الصوت شبه بشري لكنه ليس بشريًا تمامًا، يصبح أكثر إزعاجًا من صوت آلي واضح. تقع نماذج TTS الجيدة بوضوح على الجانب البشري من هذا الخط. أما النماذج الرديئة فتسقط في "وادي الغرابة" (uncanny valley) الواقع بينهما.
تنشئ أفضل تطبيقات الرفاق الآن ملفات صوت مخصصة لشخصياتها، مستنسخة من ممثلين صوتيين أو مبنية من الصفر باستخدام نماذج مثل Chatterbox أو نظام استنساخ الصوت الخاص بنموذج MiniMax. يبقى الصوت متسقًا عبر كل جلسة، ويحمل إيقاعات كلام مميزة، ويعبّر عن لمسات عاطفية دقيقة مستمدة من النص الذي يُحوَّل إلى صوت.
عندما يقول شخص إن رفيقه بالذكاء الاصطناعي "يبدو حقيقيًا"، فغالبًا ما يكون الصوت هو صاحب الدور الأكبر. النص وحده يسهل تبريره وصرف الانتباه عنه. أما الصوت فيتجاوز هذا الدفاع الإدراكي تمامًا.
تقدم معظم تطبيقات الصديقة الافتراضية صورًا شخصية للرفيقة: صور تراها داخل التطبيق، وغالبًا مع خيار الوصول إلى المزيد منها عبر الاشتراكات. هذه ليست صورًا لأشخاص حقيقيين. إنها صور مولّدة بالذكاء الاصطناعي، أُنشئت باستخدام نماذج تحويل النص إلى صورة، وصُقلت عبر عملية متعددة المراحل.
يبدو سير العمل عادةً على النحو التالي:
الهوية البصرية للشخصية هي في جوهرها checkpoint من نوع LoRA: إضافة صغيرة مضبوطة دقيقًا إلى نموذج صور أساسي، تنتج باستمرار الشخص نفسه عبر أوضاع ووضعيات وبيئات مختلفة.
تتيح منصات مثل PicassoIA الوصول المباشر إلى الفئة نفسها من النماذج التي تشغّل هذه التطبيقات. ومع أكثر من 91 نموذجًا لتحويل النص إلى صورة متاحًا، يمكنك توليد صور للرفاق دون بناء منتج كامل. يمكن الاطلاع على الكتالوج الكامل عبر picassoia.com/en/all-models.
لتوليد شخصيات واقعية، العملية بسيطة كما يلي:
الخطوة 1: اختر نموذج تحويل نص إلى صورة عالي الواقعية من كتالوج PicassoIA
الخطوة 2: اكتب وصفًا تفصيليًا للشخصية مع سمات جسدية محددة، والبيئة، وظروف الإضاءة
الخطوة 3: استخدم أدوات ControlNet لضمان ثبات الوضعيات عبر عدة صور
الخطوة 4: احفظ قيمة البذرة (seed) التي تنتج النتيجة المفضلة لديك لإعادة إنتاجها بدقة
💡 الفجوة بين صور الذكاء الاصطناعي المتوسطة والصور المقنعة تكمن دائمًا تقريبًا في دقة الأمر النصي، وليس في اختيار النموذج. صِف اتجاه الإضاءة، وطول البعد البؤري للعدسة، وملمس البشرة بوضوح. الأوامر النصية الغامضة تنتج مخرجات عامة.
تطبيقات الصديقة الافتراضية المجانية ليست مجانية حقًا. نموذج العمل شبه الشائع عالميًا هو الفريميوم (freemium): امنح المستخدمين ما يكفي لكي يرتبطوا عاطفيًا، ثم قيّد الميزات التي يرغبون فيها أكثر.
هذا ما يبدو عليه الأمر عادةً عبر الصناعة:
| الميزة | الباقة المجانية | الباقة المدفوعة |
|---|---|---|
| المحادثة النصية | رسائل يومية محدودة | غير محدودة |
| الرسائل الصوتية | صوت TTS محدود أو منخفض الجودة | صوت عالي الدقة كامل |
| صور الرفيقة | من 1 إلى 3 صور افتراضية | توليد عند الطلب |
| الذاكرة | سياق قصير فقط | ذاكرة طويلة الأمد واسترجاع |
| محتوى NSFW | مقيّد | متاح |
| سرعة الاستجابة | نماذج أبطأ | أولوية في الطابور، ونماذج أسرع |
| عدة رفقاء | عادةً 1 | من 3 إلى 10 أو أكثر |
تقوم الباقة المجانية بدور إثبات جاذبية المنتج عاطفيًا. وكل ما يجعل التجربة مُرضية حقًا يقع خلف جدار الدفع.
إذا كنت تستخدم باقة مجانية ولاحظت أن الرفيقة تبدو ناسية أو متكررة أو خارجة عن الشخصية قليلًا، فغالبًا ما تكون تلك آثار:
تميل التطبيقات التي تبدو أفضل في الباقات المجانية إلى أن تكون تلك التي تستخدم أوامر نصية للنظام محسّنة بعناية مع نماذج متوسطة المستوى، بدلًا من نماذج متطورة بأوامر عامة. فجودة هندسة الأوامر النصية غالبًا ما تهم أكثر من القدرة الخام للنموذج، وهي تكلفة تطوير لا تكلفة حوسبة.
كل رسالة ترسلها إلى تطبيق الصديقة بالذكاء الاصطناعي تُنقل إلى خادم، ويعالجها نموذج عبر واجهة LLM API (أو البنية التحتية للنموذج الخاصة بالشركة)، وتُخزَّن عادةً. وسؤال التخزين هو الجانب الذي تكون فيه معظم هذه التطبيقات غامضة عمدًا في وثائقها.
تشمل البيانات التي تجمعها عادةً ما يلي:
ليست كل تطبيقات الرفاق بالذكاء الاصطناعي تتعامل مع بيانات المستخدمين بمسؤولية. قبل الالتزام بأحدها، انتبه إلى ما يلي:
أكثر الأوضاع أمانًا: تعامل مع كل ما تقوله لرفيق بالذكاء الاصطناعي على أنه قابل للقراءة من قِبل مهندسي الشركة. وأكثر التطبيقات جدارة بالثقة هي التي تمنحك حق حذف البيانات بوضوح، وخيارات واضحة للانسحاب من استخدام بياناتك في التدريب.
التطبيقات الموصوفة أعلاه هي منتجات مبنية على البنية التحتية نفسها للذكاء الاصطناعي التي يمكنك الوصول إليها مباشرة عبر PicassoIA. إذا كنت تريد تجاوز جدران الفريميوم والعمل مع النماذج الفعلية، فالمنصة تضع كل شيء بين يديك دون حاجز الاشتراك.
من أجل المحادثة: تتيح PicassoIA GPT 5، وClaude Sonnet 5، وGemini 3 Pro، وDeepseek R1، وLlama 4 Maverick كلها في مكان واحد. اكتب أمرًا نصيًا تفصيليًا للنظام، وحدد شخصية رفيقك وأنماط كلامه، ثم ابدأ جلسة.
من أجل الصوت: يقدم ElevenLabs v3 وMiniMax Speech 2.8 HD صوتًا بجودة الاستوديو من أي نص في ثوانٍ. يدعم كلاهما ملفات الصوت المخصصة، لذا يمكن لرفيقك أن يملك صوتًا متسقًا ومناسبًا للشخصية عبر كل جلسة.
من أجل الصور: يتيح كتالوج تحويل النص إلى صورة الذي يضم أكثر من 91 نموذجًا توليد صور متسقة للشخصية متى شئت. ويمكن دمجه مع أدوات ثبات الوجوه للحفاظ على الهوية عبر مشاهد وأزياء مختلفة.
الفرق الحقيقي الوحيد بين تطبيق رفيق بالذكاء الاصطناعي مصقول وما يمكنك بناؤه مباشرة على PicassoIA هو غلاف تجربة المستخدم. النماذج هي نفسها. ابدأ من picassoia.com/en/all-models وانظر إلى أي مدى ستصل.
اختر لغتك
