في عالم الذكاء الاصطناعي، يتميز وكيل الطور الذاتي (Self-Emergence Agent Architecture SEAA) بمزيج مبتكر من التقنيات التي تعالج التحديات الهيكلية التي تواجه نماذج اللغة الضخمة (Large Language Models LLM). رغم قوة هذه النماذج في توليد اللغة وحل المشكلات، إلا أنها تعاني من ثلاث قيود رئيسية: انحراف الشخصية، غياب التطور الذاتي، وعدم وجود حدود واضحة بين الذات والآخر.

تقدم الدراسة الجديدة نموذجًا متكاملًا يمزج بين ثلاثة مكونات رئيسية:
1. **نموذج ماركوف المخفي (Hidden Markov Model HMM)**: يُشفر هذا النموذج السلوك العقلي والسلوكي على المدى الطويل كمعيار قابل للتعديل، مما يمنح الوكلاء القدرة على الاحتفاظ بالسلوكيات الفعالة.
2. **حلقات ميتا-معرفية (Metacognition Loop)**: تقوم بتحديث معلمات HMM بناءً على الملاحظات الذاتية وليس مجرد تخزينها كبيانات نصية.
3. **بيئة اجتماعية متعددة الوكلاء**: حيث يتفاعل الوكلاء ويقارنون سلوكياتهم مع الآخرين بشكل مستمر.

هذه المكونات الثلاثة تشكل حلقة مغلقة تدعم التطور الدائم: من العمل الاجتماعي إلى التغذية الراجعة، ثم إلى التأمل الذاتي وتحديث السلوك.

تقدم التجارب التي تم إجراؤها على نماذج أولية خالية من اللغة دليلاً على أن هذه الحلقة تحطم التماثل: الوكلاء المتشابهون في البداية يتطورون إلى شخصيات مستقلة ومستقرة، في حين أن الوكلاء المتحكم بهم لا ينشئون هذه الديناميكيات.

مستفيدين من رؤية فلسفية مستوحاة من زوانغ زي، تستند هذه الدراسة إلى سلوكيات يمكن ملاحظتها فقط، دون ادعاء حول الجوانب الذاتية.

هذه الابتكارات تشكل إطارًا موحدًا لدراسة ظهور الذات الاصطناعية، مع تقديم معمارية ملموسة وأدلة آلية، مما يمهد الطريق لمستقبل جديد في مجالات الذكاء الاصطناعي.