أوبن إيه آي تطلق جي بي تي لايف: ثورة في المحادثات الصوتية مع تشات جي بي تي

أطلقت «أوبن إيه آي» جيلاً جديداً من نماذج الصوت باسم «جي بي تي لايف» (GPT-Live) في خطوة تهدف إلى جعل التحدث مع «تشات جي بي تي» أقرب إلى محادثة بشرية طبيعية، لا تبادل أوامر متقطعة بين المستخدم والنظام. ويبدأ طرح النموذج عالمياً داخل تجربة «ChatGPT Voice» عبر نسختين هما «GPT-Live-1» و«GPT-Live-1 mini» على أن يصل لاحقاً إلى واجهة البرمجة للمطورين والشركات.

الاستماع والتحدث معاً

الفرق الأساسي في النموذج الجديد أنه يعتمد على بنية تعرف باسم «full-duplex» أي أنه يستطيع الاستماع والتحدث في الوقت نفسه. في النماذج الصوتية السابقة، كان النظام ينتظر غالباً انتهاء المستخدم من الكلام قبل أن يبدأ في الرد، مما يجعل الحوار أقرب إلى جولات منفصلة. أما في النموذج الجديد، فيستطيع النظام متابعة الكلام، أو الصمت عندما يحتاج المستخدم إلى التفكير، أو الرد السريع، أو استخدام عبارات قصيرة تدل على أنه يتابع الحديث.

تقول «أوبن إيه آي» إن «GPT-Live» يستطيع اتخاذ قرارات تفاعلية مرات عدة في الثانية، مثل أن يتكلم أو يواصل الاستماع أو يتوقف أو يقاطع أو يستدعي أداة أخرى. هذا التحول مهم لأن كثيراً من الإحباط في تجارب الصوت السابقة كان ناتجاً عن سوء تقدير لحظة انتهاء الكلام، خصوصاً عند وجود توقف قصير أو ضوضاء في الخلفية.

تفاعل مستمر

توضح الشركة أن أجيالاً سابقة من أنظمة الصوت اعتمدت على سلسلة من النماذج المتتابعة أي نموذج يحول الكلام إلى نص، ثم نموذج لغوي ينتج الإجابة، ثم نموذج آخر يحول النص إلى صوت. هذه الطريقة فتحت الباب أمام المحادثة الصوتية مع نماذج متقدمة، لكنها كانت بطيئة نسبياً، وقد تفقد بعض المعلومات أثناء انتقالها بين النماذج.

أما «Advanced Voice Mode» فاختصر بعض هذه الخطوات عبر معالجة الصوت وإنتاجه داخل نموذج واحد، لكنه ظل قائماً على مبدأ الأدوار المنفصلة بين المستخدم والنظام. لذلك لم يكن الحوار دائماً بالمرونة نفسها التي تحدث في المحادثات البشرية، حيث يمكن للشخصين المقاطعة والتوضيح والتوقف والمتابعة بصورة طبيعية.

يحاول «GPT-Live» تجاوز هذا القيد عبر معالجة مستمرة للمدخلات الصوتية أثناء توليد الرد، مما يسمح بتدفق أكثر مرونة. وتقول الشركة إن ذلك يدعم أيضاً استخدامات مثل الترجمة المباشرة، لأن النظام لا يحتاج إلى انتظار انتهاء مقطع طويل قبل أن يبدأ في التعامل معه.

عقل أعمق في الخلفية

لا يقتصر التغيير على أسلوب الحوار حيث إن النموذج الجديد يفصل بين طبقة التفاعل الصوتي السريع والمهام التي تحتاج إلى تفكير أعمق أو بحث أو تنفيذ خطوات أكثر تعقيداً. عند الحاجة، يمكن لـ«GPT-Live» أن يحيل المهمة إلى نموذج أكثر تقدماً في الخلفية، مثل «GPT-5.5» عند الإطلاق، ثم يعيد النتيجة إلى المحادثة عندما تصبح جاهزة.

هذا التصميم يعالج مشكلة عملية في واجهات الصوت. فالمستخدم لا يريد أن تتحول كل مهمة صعبة إلى صمت طويل، ولا يريد في الوقت نفسه إجابة سطحية لمجرد الحفاظ على سرعة الحوار. لذلك يحاول النظام الجمع بين الاستجابة الصوتية السريعة والقدرة على الاستعانة بنموذج أقوى للبحث أو التحليل أو تنفيذ مهام أكثر تعقيداً.

وتشير «أوبن إيه آي» إلى أن هذا النهج قد يفتح لاحقاً المجال أمام استخدام الصوت في أعمال أطول وأكثر تعقيداً وذات طابع وكيل، حيث لا يكتفي النموذج بالرد، بل يساعد في إنجاز مهام متعددة أثناء استمرار المحادثة.

تجربة جديدة داخل «تشات جي بي تي»

مع الطرح الجديد، يصبح «GPT-Live» المحرك الافتراضي لتجربة الصوت في «تشات جي بي تي». وستحصل خطط «Go» و«Plus» و«Pro» على: «GPT-Live-1» بينما تعتمد الخطة المجانية على «GPT-Live-1 mini». وتقول الشركة إن أكثر من 150 مليون شخص يستخدمون أسبوعياً ميزات مثل الصوت والإملاء داخل «تشات جي بي تي»، سواء للمساعدة اليومية من دون استخدام اليدين، أو ممارسة اللغات، أو المحادثة أثناء التنقل.

وتتضمن التجربة الجديدة قدرة أفضل على الاستماع في ظروف أقل مثالية، مثل وجود ضوضاء في الطريق أو محادثات قريبة، إضافة إلى إمكانية أن يطلب المستخدم من النظام أن ينتظر أو يصمت أو يبطئ إيقاعه. كما أعادت الشركة تحسين الأصوات التسعة المتاحة في «تشات جي بي تي» لتناسب النموذج الجديد.

وتضيف «أوبن إيه آي» أن الصوت سيستمر في دعم البحث والذاكرة والصور ورفع الملفات، مع إمكانية عرض بطاقات مرئية لبعض الإجابات، مثل الطقس أو الأسهم أو الرياضة، أثناء استمرار المحادثة الصوتية.

السلامة في محادثة فورية

لأن الصوت أكثر قرباً وحساسية من النص، خصصت الشركة جانباً من الإعلان لإجراءات السلامة. فقد وسّعت اختبارات النموذج لتشمل تقييمات صوتية مرتبطة بمخاطر مثل إيذاء النفس، والاعتماد العاطفي على الذكاء الاصطناعي، والعنف، والمحتوى الجنسي. كما تقول إن النظام يملك آليات يمكن أن تتدخل أثناء الكلام إذا رصدت مخرجات غير آمنة، إما بتوجيه الرد نحو مسار أكثر أماناً، أو عرض موارد دعم، أو إنهاء المحادثة في الحالات الأعلى خطراً.

وتقول الشركة أيضاً إن «GPT-Live» مصمم للمحادثة لا لتقليد أصوات أشخاص حقيقيين، ويستخدم مجموعة محددة مسبقاً من الأصوات داخل «تشات جي بي تي»، مع ضوابط تمنع انتحال الأصوات.

حدود الإطلاق

رغم الطرح الواسع، لا تزال هناك حدود واضحة. فالنموذج لا يدعم عند الإطلاق استخدام الصوت مع الفيديو أو مشاركة الشاشة داخل «تشات جي بي تي»، مع أن الشركة تقول إنها تعمل على إضافة هذه القدرات لاحقاً. كما تشير إلى أن النموذج محسن لبعض اللغات الأكثر استخداماً في «تشات جي بي تي»، وأن بعض اللغات قد تظهر فيها لكنة غير أصلية أو فجوات في الطلاقة.

يمثل «GPT-Live» محاولة لنقل الذكاء الاصطناعي الصوتي من مرحلة الأوامر المتبادلة إلى واجهة أكثر استمرارية، تستطيع الاستماع والتحدث والانتظار والاستعانة بنماذج أقوى في الخلفية. وإذا نجح هذا الاتجاه، فقد يصبح الصوت واجهة رئيسية للتعامل مع الذكاء الاصطناعي، ليس فقط للسؤال والجواب، بل للتعاون على مهام يومية أطول وأكثر تعقيداً.

تدخل استثمارات البنية التحتية في السعودية مرحلة جديدة لا تُقاس فقط بما أُنجز من مطارات وموانئ وممرات لوجستية وأنظمة طاقة وبنية رقمية، بل بقدرة هذه الأصول على العمل بوصفها منظومة واحدة. فالقيمة المقبلة لن تأتي من رفع الطاقة الاستيعابية وحدها، بل من تحسين القرارات التي تُحدد كيف تتحرك الطائرات والسفن والبضائع والطاقة والبيانات لحظة بلحظة. في هذه المرحلة، يُصبح الذكاء الاصطناعي جزءاً من سؤال التشغيل نفسه: كيف يمكن تحويل الأصول الكبيرة إلى عمليات أكثر كفاءة وموثوقية وقدرة على التعامل مع الاضطرابات؟

في لقاء خاص مع «الشرق الأوسط»، يرى بلال أبو غزالة، المؤسس والرئيس التنفيذي لشركة «1001»، وهي شركة ناشئة لتطوير الذكاء الاصطناعي السيادي، جمعت 30 مليون دولار في جولة تمويل من الفئة «Series A»، أن الفارق بين بناء الأصول وتشغيلها بكفاءة هو الفارق بين القدرة والأداء. ويقول إن «بناء المطار أو الميناء أو الممر يمنحك القدرة، لكنه لا يمنحك تلقائياً أفضل استخدام لها»، مضيفاً أن «الأصل الأكبر لا يُدير نفسه بكفاءة، بل يُوجِد عدداً أكبر من القرارات التي يجب اتخاذها بصورة صحيحة».

ذكاء منذ التصميم

وتبدو هذه الفكرة جوهرية في قراءة المرحلة المقبلة من التحول السعودي. فكل أصل جديد لا يُضيف مساحة أو طاقة تشغيلية فقط، بل يُضيف شبكة جديدة من العلاقات والاعتمادات المتبادلة. فمحطة جديدة في مطار أو رصيف جديد في ميناء أو ممر لوجستي جديد لا يعمل بمعزل عن بقية المنظومة. كما أن تأخر طائرة أو سفينة واحدة قد يُغيّر خطة البوابات أو الأرصفة، ثم ينعكس على حركة الشاحنات والجمارك والمخازن ومواعيد التسليم والموارد البشرية.

ويشرح أبو غزالة أن إضافة محطة أو رصيف أو ممر جديد تعني أيضاً «إضافة آلاف الروابط الجديدة بين أشياء يؤثر بعضها في بعض». وعلى مستوى السرعة والحجم الذي تتحرك به السعودية، لا تستطيع أي فرق بشرية، مهما بلغت خبرتها، أن تحتفظ بكل هذه العلاقات في ذهنها وتتخذ القرار الأفضل في كل مرة، وفي الوقت الحقيقي على حد تعبيره.

لكن هذه الصعوبة تحمل في داخلها فرصة، فالدول التي تملك بنية تحتية قديمة تضطر غالباً إلى إدخال الذكاء الاصطناعي لاحقاً فوق أنظمة تراكمت على مدى عقود، في حين تستطيع السعودية، في مشروعات جديدة مثل مطار الملك سلمان الدولي أو الموانئ والسكك الجديدة، أن تُدخل طبقة الذكاء التشغيلي منذ مرحلة التصميم لا بعد سنوات من التشغيل. ويُعد أبو غزالة أن «معظم دول العالم عالقة في محاولة تركيب الذكاء الاصطناعي فوق أنظمة قديمة»، في حين تستطيع المملكة تصميم الذكاء داخل الأصل منذ البداية.

حل المشكلات المعقدة

وفي المطارات والموانئ، لا تكون أعقد المشكلات دائماً نقصاً في القدرة، بل خلل في التنسيق؛ لذلك لا يكفي بناء مزيد من المنشآت أو توظيف مزيد من العاملين أو إضافة برنامج تقليدي جديد. فحين تتأخر سفينة في ميناء بحجم «ميناء جدة الإسلامي» على سبيل المثال، أو يحدث اضطراب في مطار ضخم، تبدأ سلسلة من القرارات المتتابعة: أي رصيف يستخدم؟ كيف تُعاد جدولة الرافعات؟ ماذا يحدث للشاحنات والقطارات؟ كيف تُعاد ترتيبات الساحة والمستودعات والموارد؟

ويصرح أبو غزالة بأن «أصعب المشكلات في المطارات والموانئ ليست مشكلات قدرة، بل مشكلات تنسيق»، مؤكداً أنه لا يمكن حلها بصب مزيد من الخرسانة أو زيادة عدد العاملين. فإضافة الأشخاص قد تزيد عبء التنسيق، ولا تمنح بالضرورة رؤية موحدة لكل المتغيرات المتداخلة.

كما أن البرمجيات التقليدية لا تُعالج الفجوة بالكامل، لأن المشكلة الأساسية تكمن في تشتت البيانات بين أنظمة مختلفة؛ نظام للنقل، وآخر للمستودعات، وثالث لتخطيط الموارد، ورابع للجمارك أو الصيانة. كل نظام يؤدي وظيفة محددة داخل نطاقه، لكنه لا يرى العملية كاملة. لذلك يُصبح التحدي في بناء نموذج حي للعملية؛ يوحّد البيانات والعلاقات والقواعد، ويجعل اتخاذ القرار مبنياً على رؤية واحدة للمنظومة.

دور الذكاء التشغيلي

ويُشدد أبو غزالة على أن نقطة البداية ليست واحدة في كل قطاع، فالمنفعة الأكبر للذكاء الاصطناعي قد تكون في استخدام القدرة الاستيعابية لدى شركة طيران، أو إدارة الاضطرابات في ميناء، أو تحسين تدفقات البضائع في مجموعة لوجستية، أو خفض استهلاك الطاقة في أصل آخر. لذلك، كما يقول، «لا نبدأ بالتخمين»، بل بفهم العملية من داخلها.

وتعتمد منهجية شركة «1001»، حسب أبو غزالة، على وضع مهندسين داخل فرق العملاء لفهم كيفية عمل المؤسسة فعلياً، لا كما تظهر في المخططات أو العروض. هؤلاء المهندسون يرسمون سير العمل والبيانات والمشكلات الأعلى قيمة، ثم يُحددون مع فرق التشغيل أول حالة استخدام يمكن أن تحقق أثراً واضحاً. بعد ذلك يُبنى «نموذج حي للعملية»، يمكن تشبيهه بخريطة رقمية عاملة توضّح الأصول والعمليات والقواعد والعلاقات بينها، وتُحدَّث في الوقت الحقيقي.

الأهمية هنا أن القيمة لا تأتي من حالة استخدام واحدة فقط. فبمجرد بناء هذا الأساس، تصبح الحالات التالية أسرع. ويشير أبو غزالة إلى أن الحالة الأولى تستغرق غالباً أطول وقت، لكن الثانية والثالثة تستفيد من النموذج نفسه، إلى أن يُصبح ما كان يحتاج إلى 16 أسبوعاً قابلاً للتنفيذ في نحو 4 أسابيع. ويُضيف أن العائد قد يكون كبيراً، إذ يمكن لحالة استخدام واحدة أن تحقق أكثر من 100 مليون دولار من القيمة في السنة الأولى.

حين تتأخر سفينة

ولشرح الفارق بين الأتمتة والذكاء، يستخدم أبو غزالة مثال سفينة تصل متأخرة عدة ساعات. هذا الحدث لا يُغيّر موعداً واحداً فقط، بل يكسر الخطة الأصلية. الرصيف المخصص لها قد يصبح مطلوباً لسفينة أخرى، والرافعات والفرق التي كانت بانتظارها تصبح غير مستغلة، والحاويات التي تحملها مرتبطة بشاحنات وقطارات ومواعيد تسليم لم تعد مناسبة، في حين تكون الساحة قد رُتبت وفق جدول الوصول القديم.

وتستطيع الأتمتة التعامل مع بعض الإجراءات الروتينية، مثل إرسال تنبيه أو تحديث جدول أو إعادة تخصيص خانة وفق قواعد ثابتة. لكن عندما يخرج الواقع عن الخطة، لا يكفي تنفيذ قاعدة محددة. المطلوب هو إعادة التفكير في العملية كلها، وتحديد أفضل خطة تعافٍ عبر آلاف المتغيرات في دقائق.

ويصرح أبو غزالة بأن هذا هو النوع من القرارات التي يستطيع الذكاء الاصطناعي تحسينها، لأنه «يرى العملية كاملة في وقت واحد»، ويستطيع إعادة التخطيط بسرعة، كأي رصيف تختار السفينة المتأخرة، وكيف يُعاد ترتيب الرافعات والساحة، وكيف تُعاد جدولة الشاحنات والقطارات معاً وفق القيود الفعلية؟ ومع ذلك، لا يعني ذلك إلغاء دور الإنسان، إذ تُعرض الخطة على المشغل مع أسبابها، ويبقى القرار النهائي تحت سيطرته.

الذكاء جزء من العملية

وتختلف المخاطر عندما ينتقل الذكاء الاصطناعي من التحليل إلى التوصية أو التنفيذ. ففي مرحلة التحليل يبقى النظام استشارياً، فإذا أخطأ، يمكن للإنسان أن يلاحظ الخطأ قبل وقوع ضرر. أما عندما يبدأ تقديم توصيات تؤثر في تشغيل مطار أو ميناء أو أصل طاقة، فإنه يصبح جزءاً من العملية نفسها.

ويوضح أبو غزالة أن «الفشل في هذه البيئات ليس تقرير خطأ برمجياً، بل أزمة»؛ ولذلك يرتفع معيار الثقة بصورة كبيرة. ويُحدد 3 شروط أساسية، هي الاعتمادية في كل مرة، والقدرة على تفسير سبب التوصية أو الإجراء، وتسجيل كل خطوة بحيث تكون قابلة للمراجعة والعكس عند الحاجة.

ويضيف أن النظام يجب أن يُحكم ولا يُمنح الثقة بشكل مطلق، وأن الإنسان يجب أن يبقى مسيطراً، في حين يكتسب النظام استقلالية أكبر تدريجياً «قراراً بعد قرار».

وهذه النقطة تُفسر سبب تعثر كثير من مشروعات الذكاء الاصطناعي عند انتقالها من مرحلة التجربة إلى مرحلة التشغيل الفعلي. فالفجوة ليست تقنية فحسب، بل هي أيضاً تشغيلية ومؤسسية. وهناك فرق كبير بين عرض تجريبي مقنع، ونظام يثق مشغّلٌ في تشغيله بالقرب من مدرج طائرات أو على رصيف ميناء. لذلك، تصبح السيطرة على النظام، وقابلية تدقيقه، واستمرارية تشغيله، شروطاً أساسية لدخول عالم البنية التحتية الحرجة، لا مزايا إضافية يمكن تأجيلها إلى مرحلة لاحقة.

تحدي البيانات الناقصة

وتواجه العمليات الكبرى غالباً مشكلة البيانات المجزأة أو غير المكتملة، خصوصاً عندما تعتمد على أنظمة قديمة. لكن أبو غزالة يعتقد أن الحل ليس في انتظار بيانات مثالية، بل بناء التكامل وسلسلة النسب. ويقول: «لن تحصل مطلقاً على بيانات نقية من أنظمة قديمة عمرها عقود، ولا تحتاج إلى ذلك». المطلوب هو جمع المصادر المتفرقة في نموذج متناسق للعملية، مع القدرة على تتبع كل توصية إلى البيانات والمنطق والبدائل التي اعتمدت عليها.

ويُضيف أن البيانات وحدها لا تلتقط كل ما يحدث في العملية؛ حيث أن جزءاً مهماً من المعرفة يعيش في عقول الأشخاص الذين يديرونها يومياً، ولا يوجد في أي قاعدة بيانات. لذلك تستخدم «1001»، حسب أبو غزالة، وكلاء ذكاء اصطناعي يلتقطون هذا السياق من الفرق ويدمجونه في النموذج، إلى جانب بيانات الأنظمة. وعندما تظهر فجوة في البيانات أو تعارض بين المصادر، يجب أن يظهر ذلك للمشغل بدلاً من إخفائه، وأن يُصعّد القرار إلى الإنسان بدلاً من أن يخمن النظام.

السيادة ليست كافية

وتُعد السيادة جزءاً من النقاش، خصوصاً في البنية التحتية الحيوية. غير أن أبو غزالة يُحذر من اختزال المرونة في النشر المحلي فقط، معتبراً أن «النشر المحلي لا يعني تلقائياً المرونة»، لأن هناك مشكلتين منفصلتين، الأولى هي خطر السيطرة الأجنبية، والثانية هي الاعتماد على مكوّن واحد أو منشأة واحدة أو مورد واحد داخل السوق المحلية نفسها.

من هذا المنظور، تُعالج السيادة خطر «مفتاح الإيقاف» الخارجي، عندما تكون البيانات والنماذج والبنية التحتية تحت ولاية أجنبية. لكن المرونة تتطلب أيضاً تصميماً غير مقفل على نموذج أو مزود أو موقع واحد؛ لذلك يُشير بلال أبو غزالة في حديث لـ«الشرق الأوسط» إلى أهمية البنية المحايدة تجاه النماذج والموردين، والقادرة على العمل عبر السحابة والبنية المحلية، وتقسيم المنظومة إلى أجزاء محددة، بحيث لا يؤدي تعطل مكوّن واحد إلى إسقاط العملية كلها. ويختصر هذه المعادلة بقوله إن «السيطرة المحلية من دون تكرار وبدائل هشة، والتكرار من دون سيطرة مكشوف»، ولذلك يحتاج التشغيل الوطني الذكي إلى سيادة تُقلل التعرض للخارج، وتصميم مرن يحد من نقاط الفشل المحلية.

مهارات الحسم بعد بناء الحوسبة

في السنوات الأخيرة، انشغل كثير من الدول ببناء مراكز البيانات وقدرات الحوسبة. لكن أبو غزالة يلفت إلى أن القيادة في الذكاء الاصطناعي لن تُحسم بالحوسبة وحدها، بل بالذكاء الاصطناعي التطبيقي، أي إدخال الذكاء إلى العمليات الحقيقية. ويتابع أن «الذكاء الاصطناعي التطبيقي لا يُكسب في المختبر، بل داخل أصعب العمليات الحية».

وهنا تمتلك السعودية، حسب رأيه، عوامل مساعدة بوصفها بنية تحتية ضخمة في الطيران والموانئ والطاقة واللوجستيات. كذلك قدرة على التحرك السريع عند وجود توافق مؤسسي ومشروعات جديدة يُمكن إدخال الذكاء فيها منذ البداية، إضافة إلى القدرة على الاستثمار على نطاق واسع. لكن تحويل هذه العوامل إلى أداء قابل للقياس يتطلب 3 قدرات، هي أساس بيانات يحوّل الأنظمة المتفرقة إلى أصل لاتخاذ القرار، ومهندسين يجمعون بين فهم البرمجيات وفهم التشغيل، وإرادة مؤسسية تقبل إعادة تصميم طريقة اتخاذ القرار مع وجود الحوكمة والأمن وقابلية التدقيق.

إذا تحققت هذه القدرات، تصبح الحوسبة استثماراً منتجاً، وإذا غابت، تتحول إلى قدرة مكلفة غير مستغلة. وكما يقول أبو غزالة، فإن الخطأ في هذه العناصر يجعل الاستثمار «طاقة خاملة باهظة الثمن».

مؤشرات النجاح المقبلة

ويرى أبو غزالة أن نجاح السعودية سيظهر في الانتقال من بناء بنية الذكاء الاصطناعي إلى استخدامها في العمليات الوطنية، من خلال مؤشرات عملية، لا عبر عدد التجارب أو العروض. أول هذه المؤشرات أن يعمل الذكاء الاصطناعي في العمليات اليومية للموانئ والمطارات والطاقة، لا أن يبقى عالقاً في المشروعات التجريبية. ويفيد بأن «95 في المائة من الذكاء الاصطناعي يموت قبل الإنتاج»؛ ولذلك فإن الإشارة الحقيقية هي أن يظهر الاستخدام اليومي في الأرقام: الإنتاجية، والالتزام بالمواعيد، ووقت