Projekt Evoque to pionierski system terapeutyczny, który wykracza poza ramy chatbota, tworząc cyfrową, autonomiczną osobowość "prawdziwej" osoby. Dzięki dwuetapowej architekturze AI oraz innowacyjnemu silnikowi "Heavenly Schedule", system symuluje nie tylko sposób komunikowania, ale życia i zajęć asystenta terapeutycznego w realnym świecie, oferując wsparcie w traumie czy innych podobnych problemach poprzez komunikator wyboru użytkownika.
Kontekst
Proces wsparcia przechodzenia traumy w cyfrowym świecie jest często zaburzany przez statyczne, bezduszne algorytmy. Istniejące rozwiązania oferują albo generyczne porady psychologiczne, albo truizmy pozbawione głębi.
Brakowało ogniwa, które połączyłoby bezpieczeństwo terapii z naturalnym, ludzkim chaosem relacji. Wyzwaniem nie było stworzenie maszyny, która odpowiada na pytania, ale stworzenie cyfrowego bytu, który potrafi milczeć, być zajęty i samemu zainicjować kontakt, przywracając użytkownikowi poczucie obecności bliskiej osoby.
Details
Czas:
3 kwartał 2025 - teraz
Rola:
Architektura i inżynier NLP
Hybrydowa architektura systemu (Make dla procesów najwyższego rzędu jako prosty silnik graficzny do samodzielnej edycji przez klienta + CGF na heavy lifting). System RAG z modelem SOTA dla rozumowania, finetunowany model LLM dla precyzyjnej stylizacji wypowiedzi. Zaprojektowaliśmy i wykonaliśmy kompleksowy system zintegrowany z komuikatorem wyboru użytkownika.
Cel
Celem projektu Evoque było zburzenie bariery w interakcjach z AI. Chcieliśmy stworzyć system, który "czuje się" jak człowiek, a nie jak serwer. Osiągnęliśmy to poprzez odejście od modelu reaktywnego (pytanie-odpowiedź) na rzecz modelu autonomicznego, w którym AI posiada własny harmonogram, wspomnienia i intencje, a każda rozmowa jest kolejną iteracją doskonalącą cyfrową osobowość.
Wyzwanie
Największą trudnością technologiczną było odwzorowanie unikalnego idiolektu i błędów poznawczych konkretnej osoby (dawcy charakteru) przy jednoczesnym zachowaniu bezpieczeństwa merytorycznego.
Standardowe modele (ChatGPT, Claude, Gemini, LLama itp.) są zbyt "grzeczne" i perfekcyjne językowo. Musieliśmy stworzyć system, który rozumie kontekst emocjonalny jak psycholog, ale komunikuje się jak np. "jowialny Wujek Staszek" z jego slangiem, literówkami i specyficznym poczuciem humoru oraz sposobem wypowiedzi, nie przekraczając jednocześnie etycznych granic terapii.
Architektura Evoque
Autonomiczna osoba: harmonogram, nastrój, pamięć i pętla ucząca
Rozwiązanie
Zamiast tworzyć zamkniętą "czarną skrzynkę" zrozumiałą tylko dla programistów, zaprojektowaliśmy system oparty na architekturze hybrydowej noCode, która łączy wizualną orkiestrację procesów biznesowych najwyższego rzędu z backendem w Python obsługującym funkcjonalności niezbędne do prawidłowego działania systemu. Jako middleware wykorzystaliśmy środowisko graficzne Make.com. To strategiczna decyzja, która oddaje elastyczność w ręce klienta, dając mu możliwość samodzielnego i wygodnego edytowania promptów sterujących zachowaniem asystenta oraz modyfikacji logiki konwersacyjnej w sposób wizualny, bez konieczności angażowania programistów do zmian w kodzie. To kluczowe dla projektu badawczego aby eksperymentator mógł szybko i sprawnie modyfikować działanie programu dostosowując go do aktualnych potrzeb.
Jednak siła napędowa systemu znajduje się w Cloud Functions (CGF) opartych na Pythonie. Zastosowaliśmy CGF jako warstwę "Heavy Lifting", odpowiedzialną za najbardziej złożone i pracochłonne operacje. To właśnie tam odbywa się zaawansowane przetwarzanie wektorowe na potrzeby RAG głównej warstwy asystenta opartej na modelu SOTA wyboru klienta oraz obsługa logiki autonomicznego asystenta. Python zajmuje się "czarną robotą", a Make.com zarządza przepływem danych i interfejsem z komunikatorem. Całość uzupełnia mechanizm agregacji danych, który zasila pętlę zwrotną, sprawiając, że asystent jest coraz bardziej autentyczny i skuteczny z każdą przeprowadzoną rozmową dostarczając dane na potrzeby kolejnego finetuningu i poszerzając bazę wiedzy.
Aby osiągnąć maksymalną autentyczność, kluczowe było zaimplementowanie Symulacji zajęć codziennych. Asystent nie jest maszyną dostępną 24/7. System generuje harmonogramy zajęć uwzględniając historyczne i długoterminowe akcje. Jak np. remont, który będzie występował w harmonogramie przez kilka tygodni, a Asystent odzwierciedla to w interakcjach:
- Potrafi inicjować rozmowę, wykazując się proaktywnością.
- Odpowiada z opóźnieniem, gdy ma "zajęcie", tłumacząc się tym w kontekście (np. "dopiero skończyłem spotkanie").
- W przypadku, gdy jest mało czasu, może odpowiedzieć zdawkowo lub prosić o kontakt później, pisząc np. "Odpiszę Ci dokładnie później, bo teraz spieszę się na zajęcia".
Ten mechanizm sprawia, że relacja jest dwustronna i naturalna, użytkownik nie pisze do bota, pisze do "osoby", która ma swój rytm życia. Całość uzupełnia mechanizm agregacji danych, który stale zasila pętlę zwrotną, sprawiając, że asystent jest coraz bardziej autentyczny i skuteczny z każdą przeprowadzoną rozmową.
Raz w tygodniu układa grube plany, a co noc rozpisuje dzień na sloty: co robi, gdzie i z jaką szansą sam zagada. Rano dokłada newsy z kraju i swój nastrój.
Klasyfikator powagi czuwa nad kryzysem. W wolnej chwili odpisze po 20-120 s, w przerwie krótko, a w zajęciu odłoży odpowiedź na później. Z siebie pisze średnio 0-2 razy dziennie.
Zna rodzinę pacjenta i wraca do jej spraw. Oceny wiadomości zbierają się w dobre bity, na których dotrenowuje się model stylu i prompty sterujące.
Kluczowe elementy architektury
- Symulacja autonomii: Wdrożenie zaawansowanego Heavenly Schedule Engine oraz mechanik opóźnienia, inicjacji i zdawkowych odpowiedzi, które symulują realne zachowanie i autentyczność ludzkiej interakcji.
- Hybrydowa orkiestracja: Wykorzystanie Make.com jako graficznego middleware dla łatwej kontroli promptów przez klienta, przy jednoczesnym zastosowaniu CGF/Pythona dla zaawansowanych obliczeń i logiki biznesowej.
- Iteracyjne doskonalenie: Budowa pętli "continuous learning" opartej na agregacji danych z rozmów, umożliwiającej iteracyjne dotrenowywanie modeli (fine-tuning) dla osiągnięcia maksymalnej autentyczności.
- Bezpieczeństwo ponad symulacją: klasyfikator powagi analizuje każdą wiadomość, a tryb kryzysowy reaguje natychmiast, niezależnie od harmonogramu i symulowanej niedostępności.
Rezultat
Project Evoque próbuje udowodnić, że technologia może leczyć duszę. Stworzyliśmy system, który w testach wykazał wysoki poziom zaangażowania emocjonalnego użytkowników, traktujących Evoque nie jako aplikację, ale jako realne wsparcie. Towarzysza.
Dzięki mechanizmom samouczenia i agregacji danych, system ewoluuje wraz z procesem leczenia pacjenta. Wprowadzenie autonomii i symulowanej niedostępności paradoksalnie zwiększyło poczucie bliskości, czyniąc technologię przezroczystą, a relację pierwszoplanową.