MatrAIx پروژه‌ای است که با هدف ایجاد دنیایی از «کاربران مجازی» توسعه یافته تا محصولات و سیستم‌های هوش مصنوعی پیش از مواجهه با انسان‌های واقعی، توسط کاربران مصنوعی آزمایش شوند. این پروژه از جمعیتی متشکل از ۸.۳ میلیارد پرسونا استفاده می‌کند که هرکدام ویژگی‌ها و رفتارهای متفاوتی دارند.
- MatrAIx جمعیتی ۸.۳ میلیارد نفری از پرسوناهای هوش مصنوعی را برای شبیه‌سازی انواع کاربران ایجاد کرده است.
- این پرسوناها می‌توانند نظرسنجی انجام دهند، با چت‌بات‌ها گفت‌وگو کنند، در وب‌سایت‌ها جست‌وجو کنند و از اپلیکیشن‌ها استفاده کنند.
- توسعه‌دهندگان تأکید دارند که کاربران مجازی جایگزین انسان‌های واقعی نیستند و یافته‌های مهم باید با انسان‌ها اعتبارسنجی شوند.
Dr. Xiaomin Li و Dr. Yuexing Hao، دو پژوهشگر هوش مصنوعی Microsoft، از جمله سازمان‌دهندگان این پروژه هستند.
پروژه MatrAIx چیست؟
MatrAIx توسط تیمی شامل این دو پژوهشگر توسعه یافته و هدف آن آزمایش محصولات و سیستم‌های هوش مصنوعی با کاربران مجازی، پیش از عرضه آن‌ها به کاربران واقعی است.
در مرکز این پروژه جمعیتی متشکل از ۸.۳ میلیارد پرسوناهای هوش مصنوعی قرار دارد.
عدد ۸.۳ میلیارد به معنای وجود ۸.۳ میلیارد انسان واقعی نیست. هر پرسونا یک پروفایل مصنوعی دقیق است که تلاش می‌کند یکی از انواع کاربران واقعی را شبیه‌سازی کند.
این پروفایل‌ها با ۱٬۲۹۰ ویژگی مختلف ساخته می‌شوند. این ویژگی‌ها مواردی مانند موارد زیر را شامل می‌شوند:
- سن
- منطقه محل زندگی
- زبان
- شغل
- تحصیلات
- مهارت‌ها
- ویژگی‌های شخصیتی
- عادت‌ها
- علایق
هدف تنها ساخت شخصیت‌هایی سطحی مانند «یک زن ۳۵ ساله» نیست. MatrAIx تلاش می‌کند مدل کند که هر پرسونا در شرایط مشخص چگونه رفتار خواهد کرد.
برای مثال، کاربری که به بودجه خود توجه زیادی دارد ممکن است با افزایش ۲ دلاری قیمت یک محصول، از خرید آن منصرف شود. در مقابل، کاربری که تجربه زیادی در زمینه فناوری دارد ممکن است پاسخ کوتاه یک چت‌بات را کافی بداند، در حالی که یک کاربر تازه‌کار به توضیحات جزئی‌تر نیاز داشته باشد.
MatrAIx تلاش می‌کند چنین تفاوت‌هایی را پیش از استخدام و مشارکت انسان‌های واقعی شبیه‌سازی کند.
بر اساس گزارش فنی این پروژه که در ۶ اوت ۲۰۲۶ منتشر شده، این سیستم در پژوهش‌های مختلف در ۱۸٬۱۸۹ آزمایش مورد استفاده قرار گرفته است.
۸.۳ میلیارد پرسونا چگونه ساخته شدند؟
تمام جمعیت ایجادشده توسط MatrAIx مصنوعی نیست. پژوهشگران، داده‌های عمومی به‌دست‌آمده از انسان‌های واقعی را با پروفایل‌هایی که به‌صورت مصنوعی تولید شده‌اند ترکیب می‌کنند.
حدود ۶۰۰ هزار پرسونا بر اساس منابعی مانند بیوگرافی‌های Wikipedia، نظرات کاربران در Amazon، نظرسنجی Stack Overflow Developer Survey، General Social Survey و پژوهش PRISM Alignment ساخته شده‌اند.
همچنین اطلاعات ارائه‌شده توسط ۳۵۵ داوطلب که در نظرسنجی اختصاصی MatrAIx درباره پرسونا شرکت کرده‌اند، مورد استفاده قرار گرفته است.
پژوهشگران می‌گویند این سوابق از عناصری مانند نام و اطلاعات تماس که می‌توانند مستقیماً یک فرد را شناسایی کنند، پاک شده‌اند.
هدف، ساخت نسخه دیجیتال دقیق از افراد مشخص نیست. در عوض، پژوهشگران می‌خواهند با استفاده از ویژگی‌های به‌دست‌آمده از انسان‌های واقعی، پروفایل‌های رفتاری ایجاد کنند.
بخش باقی‌مانده جمعیت چگونه ساخته می‌شود؟
باقی جمعیت به‌صورت مصنوعی تولید می‌شود. با این حال، این فرایند تصادفی نیست.
در زندگی واقعی میان سن، تحصیلات، شغل، منطقه محل زندگی، زبان و مهارت‌های یک فرد ارتباط وجود دارد. MatrAIx تلاش می‌کند با استفاده از مدلی که این ارتباط‌ها را در نظر می‌گیرد، پرسوناهای جدید تولید کند.
به این ترتیب، ترکیب‌هایی که برای مثال از نظر سن، تحصیلات یا شغل کاملاً ناسازگار هستند، تا حد امکان ایجاد نمی‌شوند. در عین حال، پروفایل‌هایی که در دنیای واقعی نادر هستند اما امکان وجود دارند، حفظ می‌شوند.
تیم پروژه از مجموع جمعیت ۸.۳ میلیارد نفری، حدود ۱ میلیون پرسونا را که از فیلترهای کیفی عبور کرده‌اند، برای تحقیقات در دسترس قرار داده است.
این مجموعه داده شامل حدود:
- ۶۰۰ هزار پرسونا مبتنی بر منابع واقعی
- ۴۰۰ هزار پرسونا مصنوعی
کاربران مجازی چگونه آزمایش می‌شوند؟
تفاوت MatrAIx فقط در داشتن یک پایگاه داده بزرگ از پرسوناها نیست. این سیستم می‌تواند پرسوناها را در محیط‌های دیجیتال مختلف به‌گونه‌ای به حرکت درآورد که مانند کاربران واقعی رفتار کنند.
در پلتفرم MatrAIx Playground چهار نوع مختلف تحقیق ارائه شده است.
۱. شرکت در نظرسنجی‌ها
در روش اول، پرسوناها در نظرسنجی‌ها شرکت می‌کنند. برای مثال می‌توان از آن‌ها پرسید که آیا با افزایش قیمت یک محصول همچنان به خرید آن ادامه می‌دهند یا تا چه اندازه تمایل دارند محصول جدیدی را امتحان کنند.
۲. گفت‌وگو با چت‌بات‌های هوش مصنوعی
در روش دوم، کاربران مجازی با چت‌بات‌های هوش مصنوعی گفت‌وگو می‌کنند.
در این فرایند می‌توان تأثیر شرایط مختلف را بر کاربران اندازه‌گیری کرد؛ برای مثال اینکه یک چت‌بات پاسخ اشتباه بدهد، اشتباه خود را اصلاح کند یا برای پاسخ دادن مدت زیادی زمان نیاز داشته باشد.
۳. استفاده از وب‌سایت‌های واقعی
در روش سوم، پرسوناها می‌توانند در وب‌سایت‌های واقعی حرکت کنند. آن‌ها قادرند محصول جست‌وجو کنند، گزینه‌های مختلف را با یکدیگر مقایسه کنند و هنگام خرید تصمیم بگیرند.
۴. استفاده از اپلیکیشن‌های دسکتاپ و موبایل
در روش چهارم، اپلیکیشن‌های دسکتاپ و موبایل مورد استفاده قرار می‌گیرند.
در این روش می‌توان بررسی کرد که آیا کاربران مجازی می‌توانند یک قابلیت جدید را پیدا کنند، تنظیمات مشخصی را بیابند یا یک وظیفه را با چه میزان سهولت تکمیل کنند.
MatrAIx همچنین برای استفاده در بیش از ۲۵ صنعت، تعداد ۱٬۰۱۰ طراحی تحقیقاتی مختلف ارائه می‌دهد.
هدف MatrAIx پیدا کردن یک «کاربر متوسط» نیست
به گفته توسعه‌دهندگان این سیستم، یکی از مشکلات مهم تحقیقات سنتی کاربران این است که تفاوت میان گروه‌های مختلف کاربران ممکن است در نتایج میانگین از بین برود.
برای مثال، اینکه یک محصول مورد پسند ۶۰ درصد کاربران قرار گرفته است، به‌تنهایی اطلاعات زیادی ارائه نمی‌دهد.
ممکن است همان محصول در میان کاربران جوان بسیار موفق باشد، اما در میان کاربران مسن عملکرد ضعیفی داشته باشد.
MatrAIx به همین دلیل تنها نتیجه کلی را ثبت نمی‌کند. این سیستم تعامل هر کاربر مجازی را نیز ثبت می‌کند.
پژوهشگران می‌توانند بررسی کنند کدام کاربر در چه مرحله‌ای دچار مشکل شده، در چه نقطه‌ای تصمیم خود را تغییر داده و چه چیزی گفته است.
مثال: واکنش به افزایش قیمت
در یک پژوهش درباره قیمت، برای مثال می‌توان به این نتیجه رسید که ۶۱ درصد کاربران با وجود افزایش قیمت همچنان محصول را خریداری خواهند کرد.
با این حال، پژوهشگر می‌تواند در مرحله بعد گروه‌هایی را که این ۶۱ درصد را تشکیل می‌دهند و دلایل تصمیم آن‌ها را بررسی کند.
مثال: برنامه غذایی شخصی‌سازی‌شده
در مطالعه‌ای دیگر، ۱٬۰۰۰ پرسونا از هوش مصنوعی خواستند برنامه غذایی متناسب با شرایط خود تهیه کند. این گفت‌وگوها به‌طور میانگین هفت مرحله ادامه داشتند.
افرادی که فرزندانشان از خانه خارج شده بودند، با احتمال ۶۶ درصد اعلام کردند که از برنامه تهیه‌شده پیروی خواهند کرد.
این میزان در میان افرادی که در فرایند تغییر شغل قرار داشتند، ۴۶ درصد بود.
با این حال، پژوهشگران این تفاوت را یک نتیجه قطعی نمی‌دانند. طبق گزارش، پس از انجام اصلاحات آماری، تفاوت‌ها معناداری خود را حفظ نکردند.
بنابراین نتایج تولیدشده توسط سیستم بیشتر از آنکه برای صدور حکم قطعی درباره انسان‌های واقعی استفاده شوند، برای شناسایی روندهای احتمالی مورد استفاده قرار می‌گیرند؛ روندهایی که باید در تحقیقات بعدی بررسی شوند.
کاربران مجازی تا چه اندازه «شبیه انسان» رفتار می‌کنند؟
مهم‌ترین پرسش درباره قابلیت اعتماد MatrAIx این است که آیا پرسوناها واقعاً مطابق ویژگی‌هایی که برای آن‌ها تعریف شده رفتار می‌کنند یا خیر.
پژوهشگران برای بررسی این موضوع یک مطالعه کنترل‌شده با ۴۰۰ آزمایش انجام دادند. در این مطالعه، ۱۰ ویژگی رفتاری در چهار محیط مختلف آزمایش شد.
برای مثال، انتظار می‌رفت پرسوناهایی که «بی‌صبر» تعریف شده‌اند، رفتار بی‌صبرانه داشته باشند. در مقابل، انتظار می‌رفت پرسوناهایی که ویژگی متضاد دارند، چنین رفتاری نشان ندهند.
رفتار مورد انتظار در ۳۶۶ مورد از ۴۰۰ آزمایش به‌درستی مشاهده شد؛ یعنی نرخ موفقیت ۹۱.۵ درصد بود.
تفاوت عملکرد در محیط‌های مختلف
با این حال، نرخ موفقیت در محیط‌های مختلف یکسان نبود.
- در آزمایش‌های نظرسنجی، گفت‌وگو و وب: بین ۹۲ تا ۹۶ درصد
- در اپلیکیشن‌های دسکتاپ: ۸۳ درصد
این نتایج نشان می‌دهد که برای هوش مصنوعی، تقلید یک ویژگی شخصیتی در جریان گفت‌وگو آسان‌تر از نشان دادن همان رفتار هنگام استفاده از یک اپلیکیشن پیچیده است.
سه مدل هوش مصنوعی مورد آزمایش
پژوهشگران همچنین از سه مدل هوش مصنوعی مختلف استفاده کردند:
- Claude Opus 4.8
- GPT-5.5
- Claude Haiku 4.5
گزارش می‌کند زمانی که ارتباط مشخصی میان ویژگی پرسونا و وظیفه وجود داشته باشد، هر سه مدل گروه‌های کاربری مشابهی را شناسایی کردند.
پژوهشگران: کاربران مجازی جای انسان‌های واقعی را نمی‌گیرند
توسعه‌دهندگان MatrAIx به‌صراحت مهم‌ترین محدودیت این سیستم را نیز می‌پذیرند: کاربران شبیه‌سازی‌شده جایگزین انسان‌های واقعی نیستند.
یک عامل هوش مصنوعی می‌تواند طوری رفتار کند که گویی سن، شغل یا ویژگی شخصیتی مشخصی دارد. اما انتقال تمام تجربه زندگی یک انسان واقعی به یک پروفایل پرسونا امکان‌پذیر نیست.
شرایط اقتصادی یک کاربر، تجربه‌های گذشته، محیط اجتماعی یا حتی وضعیت روحی او در همان لحظه می‌تواند بر تصمیم‌هایش تأثیر بگذارد.
تضمینی وجود ندارد که تمام این عوامل در شبیه‌سازی به شکل صحیح بازنمایی شوند. علاوه بر این، سوگیری‌های خود مدل‌های هوش مصنوعی که شبیه‌سازی را انجام می‌دهند نیز می‌تواند بر نتایج تأثیر بگذارد.
به همین دلیل، پژوهشگران توصیه می‌کنند نتایج مهم با چندین مدل هوش مصنوعی آزمایش شوند، تعاملات فردی مورد بررسی قرار گیرند و یافته‌های مهم با انسان‌های واقعی اعتبارسنجی شوند.
از این منظر، مدل پیشنهادی MatrAIx حذف کامل انسان‌ها از تحقیقات نیست.
رویکرد پیشنهادی MatrAIx چیست؟
ابتدا با کاربران مجازی آزمایش کن، مشکلات را پیدا کن، محصول را تغییر بده و سپس آن را با انسان‌های واقعی اعتبارسنجی کن.
این روش به‌ویژه در توسعه محصولات هوش مصنوعی می‌تواند اهمیت پیدا کند. زیرا حتی اگر یک سیستم AI آزمایش‌های فنی را با موفقیت پشت سر بگذارد، نمی‌توان از قبل با قطعیت دانست کاربران واقعی چگونه آن محصول را درک خواهند کرد.
ادعای اصلی پروژه نیز جایگزین کردن انسان‌های واقعی نیست. هدف این است که یک محصول یا سیستم هوش مصنوعی پیش از ورود به دنیای واقعی، توسط مجموعه‌ای تا حد امکان گسترده و متنوع از کاربران مجازی آزمایش شود.
به بیان دیگر، آینده‌ای که MatrAIx پیشنهاد می‌کند، «انسان مصنوعی به جای انسان واقعی» نیست؛ بلکه می‌تواند دوره «کاربر مصنوعی پیش از کاربر واقعی» باشد.
سؤالات متداول درباره MatrAIx
MatrAIx چیست؟
MatrAIx پروژه‌ای برای آزمایش محصولات و سیستم‌های هوش مصنوعی با استفاده از پرسوناهای مجازی پیش از آزمایش با کاربران واقعی است.
MatrAIx چند کاربر مجازی دارد؟
جمعیت مدل‌سازی‌شده MatrAIx شامل ۸.۳ میلیارد پرسونا است. حدود یک میلیون پرسونا پس از فیلتر کیفی برای تحقیقات در دسترس قرار گرفته‌اند.
آیا پرسوناهای MatrAIx کپی دیجیتال افراد واقعی هستند؟
خیر. هدف پروژه ساخت نسخه دیجیتال افراد مشخص نیست. داده‌های واقعی برای تولید پروفایل‌های رفتاری استفاده می‌شوند.
آیا کاربران مجازی می‌توانند جای انسان‌های واقعی را بگیرند؟
خیر. توسعه‌دهندگان MatrAIx تأکید می‌کنند که نتایج مهم باید با انسان‌های واقعی اعتبارسنجی شوند.
MatrAIx با چه مدل‌های هوش مصنوعی آزمایش شده است؟
در این پژوهش از Claude Opus 4.8، GPT-5.5 و Claude Haiku 4.5 استفاده شده است.
جمع‌بندی
MatrAIx تلاش می‌کند مرحله‌ای میان توسعه محصول و آزمایش با انسان‌های واقعی ایجاد کند. این پروژه با استفاده از میلیاردها پرسونا و شبیه‌سازی رفتارهای متفاوت، امکان بررسی گسترده‌تر محصولات و سیستم‌های هوش مصنوعی را فراهم می‌کند.
با این حال، خود پژوهشگران نیز محدودیت‌های این روش را تأیید می‌کنند. کاربران مجازی نمی‌توانند تمام تجربه، شرایط و وضعیت متغیر انسان‌های واقعی را بازسازی کنند. بنابراین مدل پیشنهادی بیشتر به معنای آزمایش با کاربران مصنوعی پیش از اعتبارسنجی نهایی با انسان‌ها است.
اگر آینده آزمایش محصولات با کاربران مجازی برایتان جالب است، این پروژه را دنبال کنید و نتایج آن را در کنار داده‌های کاربران واقعی ارزیابی کنید.
