یک کیت کریکت خاکگرفته یا رمانی نیمهتمام میتواند حسرت عمیقی را در دل زنده کند، اما Ember این یادآوریهای خاموش را به گفتگوهایی تعاملی تبدیل میکند. این اپلیکیشن که به عنوان بخشی از چالش DEV Weekend (نسخه Passion) عرضه شده است، یک خط لوله احساسی ایجاد میکند که کاربران را مجبور میکند با دلایل واقعی رها کردن علاقهمندیهای دوران کودکی خود روبهرو شوند.
در حالی که بیشتر بحثهای فعلی پیرامون هوش مصنوعی زاینده (Generative AI) بر بهرهوری و کارایی تمرکز دارند — مشابه تمرکزی که در پوششهای قبلی ما درباره مدلهای تخصصی Base44 دیدیم — Ember با مدل زبانی بزرگ (LLM) به عنوان رسانهای برای یک «جلسه احضار روح دیجیتال» برخورد میکند. در اینجا هدف از حل یک تکلیف یا انجام یک وظیفه، به تسهیل یک پذیرش و تهیسازی عاطفی تغییر یافته است.
به نقل از مستندات این پروژه در dev.to، این سامانه یک چرخه پنجمرحلهای را اجرا میکند: اعتراف، گفتگو، تصمیم، تعهد و تعلق. هدف این است که به یک علاقهٔ رهاشده صدا داده شود تا تنها سوالی را بپرسد که فقط خودش میپرسد: «واقعاً چرا متوقف شدی؟»
بعد از اعتراف کاربر، دو درگاه قطعی پیش میآید. مسیر اول «روانه کردن» (Rekindle) است که شامل مذاکره بر سر کوچکترین قدم ممکن برای بازگشت است؛ مثلاً برداشتن یک چوب کریکت قدیمی در یک عصر یکشنبه. مسیر دوم «خداحافظی» (Lay it to rest) است که از طریق خواندن یک متن یادبود (Eulogy) به صدای بلند انجام میشود. در این سیستم، رسیدن به نقطه پایان و بستن پرونده یک ویژگی (Feature) محسوب میشود، نه یک حالت شکست.
بر اساس مستندات فنی، معماری این اپلیکیشن بر چهار ستون اصلی استوار است که هر یک به عنوان یک مرحلهی حیاتی در خط لوله عمل میکنند:
- گوگل ایآی (Gemini): به عنوان کامپایلر شخصیت عمل میکند. این مدل استخراج ساختاریافتهی داستان را انجام داده و متغیرهایی مثل «سالهای رکود» (
years_dormant)، «دلیل رها کردن» (abandonment_reason) و «لحن عاطفی» (emotional_tone) را شناسایی میکند. سپس تصمیم میگیرد که این علاقه با چه شخصیتی سخن بگوید: یک شیء خاکگرفته (مثل کیف ورزشی)، خودِ آن علاقه به صورت تجسمیافته، یا نسخه جوانتر کاربر. جمینای متنِ دستور سیستم (System Prompt)، جمله آغازین و پیمان نهایی بازگشت یا متن یادبود را بر اساس قوانین سختگیرانهای مینویسد: شخصیت باید دلتنگ کاربر باشد، هرگز او را سرزنش نکند و لحنهای کنایهآمیز را به لحنهای غمانگیز ترجیح دهد. - ElevenLabs: مزاج ایجاد شده توسط جمینای را به صداهای منتخب نگاشت میکند. برای مثال، صدای «سارا» برای لحنهای حسرتبار، «جورج» برای لحنهای کنایهآمیز و «کالوم» برای لحنهای تلخ استفاده میشود. این سنتز صوتی، یک چتبات ساده را به یک جلسه احضار روح تبدیل میکند.
- Snowflake: به عنوان سیستم ثبت سوابق و موتور «اطلس علاقههای رهاشده» عمل میکند. این یک نقشه زنده با قدرت SQL است که نشان میدهد بشریت چه چیزهایی را رها میکند، در چه سنی این اتفاق میافتد و چه عاملی باعث مرگ آن علاقه شده است. از آنجایی که اپلیکیشن بدون سرور (Serverless) است، Snowflake برای بازسازی شخصیت و بافت گفتگو در هر درخواست استفاده میشود.
- سولانا (Solana): از برنامه Memo در شبکه آزمایشی (devnet) برای ایجاد گواهیهای زماندار و غیرقابل جعل استفاده میکند. این سوابق شامل
kind(نوع)،passion(علاقه)،commitment(تعهد)،confessionHash(هش اعتراف) وts(برچسب زمانی) است.
این رویکرد، تعامل با چتبات را به یک «دستگاه تعهد» تبدیل میکند. با مهر و موم کردن یک «عهد بازگشت» یا «سنگ یادبود» روی زنجیره (On-chain) از طریق یک صندوق سمت سرور، کاربر نمیتواند به سادگی یادآور قول خود را پاک کند. در واقع بلاکچین در اینجا به عنوان یک لنگر روانی برای تغییر رفتار عمل میکند.
برای کاربر، این یعنی هوش مصنوعی دیگر فقط ابزاری برای تولید متن نیست، بلکه آینهای برای بازتاب درونی است. واریانس بالای احساسی مانع از آن میشود که تعامل شبیه به یک ربات درمانی کلیشهای به نظر برسد. این موضوع در تجربه شخصی سازنده اپلیکیشن مشهود است؛ جایی که اپلیکیشن یک کیف کریکت را شبیهسازی کرد و با لحنی خاص گفت: «خیلی وقت است مرا از اینجا بلند نکردی، نه؟»
اگر میخواهید ببینید این روند چگونه بر رفتار جمعی اثر میگذارد، میتوانید صفحه اطلس را بررسی کنید تا رایجترین سرگرمیهایی که انسانها رها کردهاند و دلایل اصلی این شکستها را ببینید.
برای شروع، کاربران میتوانند به اپلیکیشن میزبانی شده در Vercel مراجعه کرده و یکی از اعترافهای نمونه — مانند گیتاری در کمد یا رمانی که در فصل سوم متوقف شده — را برای تست سنتز صدا و جریان تعهد مبتنی بر سولانا انتخاب کنند. این پروژه با استفاده از Next.js 16، Tailwind v4 و کتابخانه solana/web3.js ساخته شده است.
گام بعدی شما
- اپلیکیشن میزبانی شده در Vercel را باز کنید و یکی از اعترافهای نمونه را برای تست سنتز صدا انتخاب کنید.
- جریان تعهد مبتنی بر سولانا را تجربه کنید تا ببینید ثبت یک قول روی زنجیره چه اثر روانی دارد.
- از ترکیب Next.js 16 و کتابخانه solana/web3.js برای پیادهسازی ایدههای مشابه در پروژههای خود استفاده کنید.
اما داستان سختافزاری پشت این پردازشهای سریع حتی شگفتانگیزتر است — به تحلیل ما درباره تراشههای Blackwell مراجعه کنید.
گفتگو