تصور کنید کلاسی را در نظر بگیرید که در آن حمایت از دانشآموز هرگز متوقف نمیشود و مدرسان بهصورت شبانهروزی در دسترس هستند. این چشماندازی است که در پشت یک همکاری استراتژیک بین Gems Education و نپستر — شرکتی که زمانی صنعت موسیقی را دگرگون کرد — برای استقرار عاملهای هوش مصنوعی و پرسوناهای دیجیتال در دبی نهفته است. این خبر در گزارشی مورخ ۱۸ سپتامبر ۲۰۲۶ توسط Wired منتشر شده است.
این اقدام، نقطه پایان یک چرخش شرکتی رادیکال و گسترده است. نپستر در ابتدا به عنوان یک سرویس موسیقی همتا-به-همتا (P2P) در سال ۱۹۹۹ توسط شان فنینگ و شان پارکر راهاندازی شد. این پلتفرم در آن زمان دانلود موسیقی را متحول کرد و صنعت سرگرمی را مجبور ساخت تا در نحوه توزیع محتوا بازنگری کند. با این حال، نپستر هدف نبردهای حقوقی متعددی بر سر نقض حق چاپ (کپیرایت) قرار گرفت و در نهایت در سال ۲۰۰۱ پس از احکام نامساعد دادگاهها، تعطیل شد.
این شرکت سالها را در نسخههای مختلف سپری کرد و آخرین بار به عنوان یک سرویس استریم موسیقی فعالیت میکرد، تا اینکه در سال ۲۰۲۵ توسط شرکت Infinite Reality مستقر در فلوریدا به قیمت ۲۰۷ میلیون دلار خریداری شد. سپس در ژانویه ۲۰۲۶، شرکت بهطور ناگهانی کسبوکار استریم موسیقی خود را متوقف کرد تا به یک پلتفرم کامل هوش مصنوعی تبدیل شود.
زمینه: اخلاق جدید قدرت
ساموئل هوبر، مدیرعامل نپستر برای خاورمیانه و آفریقا و مؤسس سابق Landvault (که در سال ۲۰۲۴ توسط Infinite Reality خریداری شد)، این چرخش را تداوم روح اصلی شرکت میبیند. او استدلال میکند که اگر مأموریت سال ۱۹۹۹ درباره مالکیت موسیقی در برابر دروازهبانان صنعت بود، مأموریت فعلی درباره دادهها و هوش است.
هوبر بهطور صریح نپستر را به عنوان جایگزینی برای شرکتهای مسلط در مدلهای هوش مصنوعی معرفی میکند و بیان میکند که این شرکتهای بزرگ قدرت بیش از حدی در دست دارند. نپستر با ایجاد یک رویکرد غیرمتمرکز برای هوش مصنوعی، قصد دارد قدرت را در بخش آموزشی دوباره به کاربران بازگرداند.
تصور کنید دانشآموزی ساعت ۲ صبح در حال بحث درباره یک مفهوم پیچیده فیزیک با همزاد دیجیتال معلمش است و پاسخی دقیق و شخصیسازیشده میگیرد. این هسته اصلی همکاری جدید است. این پروژه ابتدا در مدرسه پژوهش و نوآوری Gems و با استفاده از پلتفرمهای Gems Global Education AI Hub و Gems Intelligence 360 آزمایش میشود تا اثرات واقعی این عاملها در محیطهای واقعی کلاس درس سنجیده شود.
مکانیسم همزادهای دیجیتال
نپستر برای خلق این پرسوناها از سامانه Napster Learn استفاده میکند. این فرآیند شامل چندین لایه فنی کلیدی است:
- آموزش دانش: همزادهای دیجیتال بهطور خاص روی متون، مقالات منتشر شده و محتوای درسی خودِ معلم آموزش میبینند. این فرآیند یک «کپی از خودِ فرد» ایجاد میکند که زمان مدرس را مقیاسپذیر میکند. این فرآیند شبیه تنظیم دقیق (Fine-tuning) است — مثل وقتی به یک پزشک عمومی، تخصص پوست میدهیم تا روی یک حوزه خاص دقیق شود.
- مقیاسپذیری حضور: این همزادها به عنوان یک توسعه دیجیتال از مدرس عمل میکنند و به آنها اجازه میدهند بهطور همزمان با صدها دانشآموز تعامل داشته باشند. هوبر اشاره میکند که در حالی که یک استاد ممکن است بخواهد با ۲۰۰ دانشآموز بحثهای تکبهتک داشته باشد، این امر بدون این فناوری از نظر فیزیکی غیرممکن است.
- حلقههای بازخورد: در حالی که دانشآموزان با AI تعامل میکنند تا مفاهیم را اصلاح کرده و با سرعت شخصی خود یاد بگیرند، معلمان بینشهای دادهمحوری درباره دشواریهای مشترک دانشآموزان و سؤالات پرتکرار دریافت میکنند.
- تعامل طبیعی: سیستم بهجای رابطهای متنی ساده و سنتی چتباتها، بر صوت و ویدیو تأکید دارد تا AI بیشتر شبیه یک «همکار» به نظر برسد تا یک ماشین پاسخدهنده که فقط با دستور (Prompt) کار میکند.
دامنه پروژه و پیادهسازی
فراتر از همزادهای دیجیتال، این همکاری با Gems شامل توسعه چندین پروژه اثبات مفهوم (Proof-of-Concept) و نمایشگاههای فناوری خواهد بود. این موارد عبارتند از:
- یادگیری بازیوار (Gamified Learning): ادغام هوش مصنوعی برای جذابتر کردن محتوای آموزشی.
- تولید محتوا با کمک AI: کمک به مدرسان برای ساخت مواد آموزشی با بهرهوری بیشتر.
- شبیهسازیهای کلاس درس: ایجاد محیطهای مجازی برای دانشآموزان جهت تمرین مهارتهای عملی.
زیرساختهای منطقهای و حاکمیت داده
نپستر تنها در حال صادر کردن نرمافزار نیست، بلکه در حال ساخت زیرساختهای محلی است تا با چشمانداز بلندپروازانه هوش مصنوعی امارات همسو شود. در ماه می، کابینه امارات چارچوبی فدرال را برای پیادهسازی هوش مصنوعی عاملمحور (Agentic AI) در نهادهای دولتی تصویب کرد، با این هدف که ۵۰٪ از خدمات و عملیات دولتی طی دو سال به این مدلها منتقل شوند.
برای تضمین هوش مصنوعی حاکمیتی (Sovereign AI) — یعنی سیستمی که دادههایش در خاک کشور بماند و تحت کنترل ملی باشد — نپستر چندین شراکت کلیدی ایجاد کرده است:
- امارات: همکاری با G42 برای میزبانی دادهها و اجرای مدلهای AI بهصورت محلی.
- عربستان سعودی: همکاری با Lenovo و اپراتور مرکز داده Detasad برای اجرای زیرساختها در داخل کشور.
- توسعه بازار: همکاری با Kameha Ventures به رهبری شیخ احمد بن مانا بن خلیفه سعید آل مکتوم، برای پر کردن شکاف بین قابلیتهای جهانی و استقرار محلی.
ساموئل هوبر تأکید میکند که دادههای دانشآموزان در داخل کشور باقی میماند و در صورت نیاز میتواند روی سرورهای خود شرکت میزبانی شود. او بهطور صریح بیان کرد که نپستر از دادههای کاربران برای آموزش مدلهای جهانی هوش مصنوعی خود استفاده نمیکند.
عنصر انسانی
با وجود استفاده از واژه «کلونسازی»، هوبر استدلال میکند که هدف تقویت انسان است نه جایگزینی او. او عامل AI را به یک پردازشگر متن (Word Processor) تشبیه میکند؛ ابزاری که به یک متخصص اجازه میدهد سریعتر کار کند بدون اینکه نیاز به تخصص آن فرد حذف شود. او هشدار میدهد که دو مسیر پیش روی ماست: یا اجازه دهیم AI جایگزین انسان شود، یا از آن بهطور هوشمندانه برای استخراج بینشها استفاده کنیم.
بومیسازی فرهنگی در خاورمیانه، محور اصلی همکاری با Kameha Ventures است. هوبر اشاره میکند که تفاوتهای فرهنگی در خاورمیانه بسیار حیاتی هستند، حتی برای محصولات دیجیتال، و این امر باعث میشود انطباق محلی در اینجا مهمتر از هر بازار جهانی دیگری باشد.
نپستر قصد دارد نیروی کار منطقهای خود را تا سال ۲۰۳۰ از حدود ۲۰ نفر به ۵۰۰ نفر برساند تا از این گسترش حمایت کند؛ حرکتی که توسط چشمانداز انگیزهبخش هوش مصنوعی در امارات پیش میراند.
این چرخش نشاندهنده یک روند گستردهتر است که در آن AI از چتباتهای با کاربرد عمومی به سمت عاملهای بسیار تخصصی و پرسونا-محور حرکت میکند. نپستر با گره زدن AI به مالکیت فکری یک انسان خاص (مقالات و سخنرانیهای معلم)، سعی دارد مشکل توهم (Hallucination) — وقتی مدل با اطمینان چیزی میگوید که وجود ندارد — و پاسخهای کلیشهای مدلهای زبانی بزرگ (LLMs) را در آموزش حل کند.
برای معلمان، این به معنای تغییر در شرح شغلی است. نقش آنها ممکن است از تکرار مفاهیم پایه فاصله گرفته و به سمت تحلیل بینشهای سطح بالا (که توسط همزاد AI ارائه میشود) برای ارائه مداخلات انسانی هدفمند و با ارزش بالا حرکت کند.
اینکه آیا دانشآموزان یک آواتار صیقلخورده را به یک معلم انسانی ترجیح میدهند یا خیر، همچنان یک سؤال باز است. موفقیت این استقرار احتمالاً به این بستگی دارد که آیا این همزادها ارزش پداگوژیکی (آموزشی) واقعی ایجاد میکنند یا صرفاً به عنوان رباتهای پیشرفته پاسخ به سؤالات متداول (FAQ) عمل میکنند.
گام بعدی شما
- اگر مدرس یا تولیدکننده محتوا هستید، روی ساخت «پایگاه دانش» شخصی (مقالات و یادداشتها) تمرکز کنید تا در آینده آماده تبدیل شدن به یک همزاد دیجیتال باشید.
- مدلهای عاملمحور را در جریان داشته باشید؛ آینده از چتباتهایی که فقط حرف میزنند به سمت عاملهایی است که کار انجام میدهند.
- بررسی کنید که چگونه ابزارهای فعلی RAG میتوانند بخشی از دانش شما را برای دیگران مقیاسپذیر کنند.
اما تأمین سختافزاری این حجم از همزادهای دیجیتال چالشبرانگیز است — به تحلیل ما دربارهی مراکز داده نسل جدید در خاورمیانه مراجعه کنید.
گفتگو