فيديو الذكاء الاصطناعي: الأفاتار التفاعلي يتعلّم رؤية محاوريه

تنتقل الشبكات العصبية المختصة بالفيديو إلى مستوى جديد: فبدلاً من التسابق على جودة الصورة، تتعلّم أفاتارات الذكاء الاصطناعي الآن رؤية محاورها وسماعه. وبحسب تقديرات محللي TNW (يوليو 2026)، تقترب صناعة توليد الفيديو من نقطة تحوّل نحو التفاعلية، أي قدرة الأفاتار على إدراك محاوره والتفاعل معه في الزمن الحقيقي.

لماذا لم يعد التسابق على جودة الصورة هو الأهم؟

لفترة طويلة، كان المظهر الخارجي هو المعيار الوحيد لتقييم أفاتار الذكاء الاصطناعي: إقناع البشرة، وواقعية الإضاءة، وسلاسة مزامنة الشفاه مع الكلام. وما زالت هذه المقاييس مهمة، لكنها لم تعد وحدها كافية لتحديد الأفضل.

فالأفاتار الذي يبدو مثالياً لكنه لا يلاحظ انفعال محاوره ولا يكيّف نبرته وفق السياق يظل مقطع فيديو: مقنعاً لكنه خالٍ من الحياة. وهنا يبرز الحاجز التالي: لا يكفي توليد صورة مقنعة، بل يجب إغلاق حلقة الإدراك.

ويشير TNW إلى أن السباق بدأ يتجه نحو قدرة الأفاتار على إدراك العالم الحقيقي والرد عليه بمعنى: أن يرى ويسمع ويفسّر السياق.

ما هي مستويات التفاعلية الثلاثة؟

يقسّم كتّاب التقرير تفاعلية الأفاتار إلى مراحل متدرجة، من الاستجابة الأساسية للأوامر إلى الإدراك المتعدد الوسائط الكامل.

في المستوى الأول، يستجيب الأفاتار لنص مكتوب مسبقاً أو لإدخال نصي: فهو يتفاعل مع الأمر، لا مع السياق الحي. وهذا هو السيناريو المعتاد في معظم المنتجات المؤسسية الحالية، مثل العروض المرئية ومقاطع التهيئة (onboarding) والتقارير الإخبارية المصنّعة.

أما المستوى التالي فيضيف إدراك الكلام: يسمع الأفاتار محاوره، ويميّز نبرته، ويكيّف ردوده مع ما قيل. وهذا أقرب إلى الحوار الحقيقي، لكن الأفاتار يظل «أعمى».

والمستوى الأعلى هو الإدراك الكامل المتعدد الوسائط: يرى الأفاتار ويسمع ويفسّر المشهد في الإطار في آن واحد. فيلاحظ تعابير الوجه والإيماءات وتغيّر سياق الحديث. ويتغيّر سلوكه في الزمن الحقيقي استجابةً لما يجري أمام الكاميرا.

ما السيناريوهات التي تتيحها التفاعلية الكاملة؟

الانتقال إلى المستوى الثالث ليس خطوة تطورية، بل تغيير في فئة المهمة نفسها. فهو يفتح تطبيقات جديدة في جوهرها:

• مدرّب افتراضي يرى تعابير وجه المتعلّم ويكيّف وتيرة الشرح
• شخصية في لعبة أو في عالم افتراضي (ميتافيرس) تتعرّف على المستخدم وتغيّر سلوكها من جلسة إلى أخرى
• وكيل دعم عملاء يلحظ ارتباك العميل قبل أن يصوغ مشكلته بالكلمات
• مدرّس لغات يستجيب لنطق الدارس وحالته العاطفية

لا يعمل أي من هذه السيناريوهات مع أفاتار ثابت، مهما بلغت درجة واقعيته. فالتفاعلية هنا ليست خياراً، بل متطلب معماري.

ماذا يعني ذلك؟

تنتقل المنافسة في فيديو الذكاء الاصطناعي من سؤال «كيف يبدو الأفاتار» إلى سؤال «ماذا يدرك الأفاتار». والشركات التي ستسبق إلى إغلاق حلقة الإدراك المتعدد الوسائط في الزمن الحقيقي ستحصل على موقع راسخ في التطبيقات التي لا ينفصل فيها المرئي عن الحوار.

ما جوهر المرحلة الجديدة في توليد الفيديو بالذكاء الاصطناعي؟

تنتقل الأفاتارات من التركيز على المظهر الخارجي إلى التفاعلية. فقد كانت جودة البشرة والإضاءة ومزامنة الشفاه مع الكلام هي المعيار الرئيسي سابقاً. أما الآن فعلى الأفاتارات أن تدرك محاورها وتتفاعل معه؛ وتظل تلك المقاييس مهمة، لكنها لم تعد الميزة الحاسمة.