مدل شناختی شخصی: قلب تپندهٔ شناخت پیوسته

اگه با یه دوست قدیمی پنج سال هم‌تیمی بودی، یه چیز عجیب اتفاق می‌افته: می‌فهمی بدون اینکه بپرسی، اون کجاها گیر می‌کنه، چه سبک تصمیمی داره، چه نوع feedback ای رو می‌پذیره و چه نوع رو رد می‌کنه. این یه مدل ذهنی از طرف مقابل توی سرت ساختی.

مدل شناختی شخصی در AI، همین چیزه. ولی نه توی ذهن یه انسان — توی یه ساختار محاسباتی.

این لایهٔ سوم شناخت پیوسته‌ست، و قلب تپندهٔ چیزیه که آیرا رو از حافظهٔ ساده جدا می‌کنه.

مدل شناختی شخصی چیه

ساده‌ترین تعریف: یه ساختار محاسباتیه که الگوهای فکری، سبک کاری، حساسیت‌ها و اولویت‌های یه کاربر خاص رو در طول زمان یاد می‌گیره و نگه می‌داره.

مهمه که این رو با چیزایی که نیست، مقایسه کنیم:

تفاوت بنیادی: یه فایل یادداشت نگه می‌داره؛ یه مدل شناختی یاد می‌گیره.

چه چیزی توی مدل شناختی شخصی هست

مدل شناختی شخصی در آیرا چندین محور داره. هر کدوم با هر تعامل، اپدیت می‌شه:

سبک تصمیم‌گیری

آیا کاربر اول داده جمع می‌کنه، بعد تصمیم می‌گیره (deductive)؟ یا تصمیم می‌گیره و بعد دلیل می‌سازه (gut-based)؟ آیا روی یه گزینه قفل می‌شه و بقیه رو رد می‌کنه، یا چند تا گزینه رو موازی نگه می‌داره؟

اولویت‌های ثابت

وقتی tradeoff پیش میاد، کدوم متغیر همیشه ثابت می‌مونه؟ امنیت؟ سرعت؟ UX؟ هزینه؟ این اولویت‌های ثابت، فیلتر همهٔ تصمیم‌گیری‌های آینده‌ست.

زبان شخصی

کلمات تخصصی که خود کاربر ساخته («ultra mode»، «شناخت گسسته»، «ادگ تن»)، استعاره‌هایی که تکرار می‌کنه، کلماتی که هرگز استفاده نمی‌کنه. این زبان شخصی، انگشت‌نگار شناختی کاربره.

مرز توضیح

تا کجا توضیح می‌خواد، از کجا به بعد خودش پر می‌کنه. بعضیا full briefing می‌خوان، بعضیا با یه اشاره رضایت می‌دن. این محور، تن گفتگو رو شکل می‌ده.

مدل‌های ذهنی پنهان

کاربر چطور یه مفهوم رو ساختار می‌ده؟ سراغ first principles می‌ره یا analogies؟ از پیچیده به ساده فکر می‌کنه یا برعکس؟ این سبک شناختی ـه، نه فقط ترجیح ابزاری.

حساسیت‌های پنهان

چه چیزایی کاربر رو فوراً عقب می‌رونه؟ یه حالت زبانی خاص؟ یه نوع از feedback؟ یه ترتیب از presenting اطلاعات؟ این حساسیت‌ها، انواع مرز رفتاری AI رو تعیین می‌کنن.

این شش محور، در آیرا با هر تعامل به‌روزرسانی می‌شن. نه به‌صورت قانون‌های صریح («کاربر روی performance حساسه») بلکه به‌صورت توزیع‌های احتمالاتی که با هر داده، دقیق‌تر می‌شن.

چرا system prompt جایگزین نمی‌تونه باشه

یه راه ساده‌تر: «بذار توی system prompt همهٔ اینا رو بنویسیم.» مشکل اینه:

۱. حجم محدود. حتی یه context window ۲۰۰k، فقط چند ده هزار توکن از پروفایل رو می‌تونه نگه داره. مدل شناختی واقعی، خیلی بزرگ‌تره. ۲. استاتیک. system prompt آپدیت نمی‌شه. مدل شناختی، با هر تعامل عوض می‌شه. ۳. سرگردان. مدل خودش باید system prompt رو هر بار از نو تفسیر کنه. یه ساختار با شاخص، پیش-تفسیرشده ـه. ۴. پر هزینه. context window پر، یعنی هزینهٔ inference بالا. مدل شناختی فقط نسخهٔ منتخب رو می‌فرسته.

پس system prompt برای پرسونای ثابت AI خوبه؛ نه برای پرسونای کاربر.

چطور آیرا مدل شناختی می‌سازه

موتور CogX سه فرایند موازی داره:

۱. Extraction

هر مکالمه‌ای که می‌گذره، CogX ازش signal extract می‌کنه. نه فقط حقایق صریح — بلکه:

• پترن سوال‌پرسی
• ترتیب تأیید/رد گزینه‌ها
• سرعت تصمیم
• نوع feedback پذیرفته‌شده

۲. Aggregation

این signalها روی محورهای شناختی مپ می‌شن. مثلاً اگه کاربر سه بار سراغ first-principles رفته، احتمال پایه‌ش روی محور «سبک شناختی» تغییر می‌کنه.

۳. Injection

وقتی گفتگوی جدید شروع می‌شه، مدل شناختی به‌صورت یه context structured (نه یه paragraph) به LLM فرستاده می‌شه. این یعنی LLM نه‌فقط حقایق رو می‌بینه، بلکه توزیع ـشون رو هم می‌بینه.

نتیجه: آیرا می‌تونه بگه «طبق سبک کدت، احتمالاً strict typing رو ترجیح می‌دی. می‌خوای با Pydantic v2 پیش بریم؟» — نه به‌خاطر اینکه قبلاً صریح گفتی، بلکه به‌خاطر اینکه الگوی تصمیم‌گیریت این رو می‌گه.

این از حافظه و زمینه‌فهمی، چطور جداست

• حافظه ذخیره می‌کنه چی گفتی
• زمینه‌فهمی تفسیر می‌کنه چرا گفتی
• مدل شناختی شخصی پیش‌بینی می‌کنه چطور فکر می‌کنی

این لایه پیش‌بینی‌کننده‌ست. اولین جایی که AI از reactive به proactive می‌رسه — جواب می‌ده قبل از اینکه سوال رو کامل بپرسی، چون می‌فهمه سوال داره از کجا میاد.

defensible چرا؟

یه نکتهٔ تجاری مهم: مدل شناختی شخصی، defensible ـه.

ChatGPT می‌تونه فردا قابلیت Memory رو دو برابر کنه. Claude می‌تونه Projects رو بزرگ‌تر کنه. ولی مدل شناختی با کاربر می‌بالد. هر کاربری که شش ماه با آیرا کار کرده، یه مدل شناختی داره که از یه روز اول جدید قابل کپی نیست.

این یه مزیت زمان-بر ـه. competitors نمی‌تونن یه شبه برسن — چون مدل، در طول رابطه ساخته می‌شه، نه در یه release.

از مدل شناختی به تداوم رابطه

تا اینجا حافظه + زمینه‌فهمی + مدل شناختی رو ساختیم. لایهٔ آخر، چیزی که این سه رو یکپارچه می‌کنه: تداوم رابطه. اونجا توضیح می‌دیم چطور این مدل، تجربهٔ کاربر رو از «شروع‌های سرد» به «ادامهٔ مسیر» تبدیل می‌کنه.

و دیدن کل تصویر؟ مقالهٔ بنیادی شناخت پیوسته.