آژانس فناوری دولتی سنگاپور (GovTech) پروژه آزمایشی جدیدی با نام FirstDate را کلید زده است؛ یک سرویس همسرگزینی و دوست‌یابی دولتی که با هدف کاهش پدیده «خستگی از سوایپ‌های پی‌درپی» و مقابله با بحران بی‌سابقه کاهش نرخ باروری طراحی شده است. این پلتفرم با احراز هویت از طریق سامانه ملی Singpass و بهره‌گیری از الگوریتم ریاضی گیل-شپلی (Gale-Shapley)، رویکردی کاملاً متفاوت، ساختاریافته و مبتنی بر امنیت داده را برای تطبیق زوجین ارائه می‌دهد.
پاسخ مبتنی بر فناوری به یک بحران عمیق جمعیت‌شناختی
بر اساس گزارش‌های رسمی منتشر شده در روزنامه‌های معتبر مانند The Straits Times، نرخ کلی باروری (TFR) در سنگاپور در سال ۱۴۰۳ (۲۰۲۵ میلادی) به رقم نگران‌کننده ۰.۸۷ فرزند به ازای هر زن رسیده است. این رقم در مقایسه با شاخص ۱.۲۴ در یک دهه گذشته، افت شدیدی را نشان می‌دهد. در پاسخ به این روند نزولی، دولت سنگاپور در فروردین ۱۴۰۴ یک کارگروه ویژه برای بررسی چالش‌های جمعیت‌شناسی تشکیل داد که قرار است گزارش نهایی خود را تا اوایل سال ۱۴۰۵ (۲۰۲۷ میلادی) ارائه دهد.
در این میان، آژانس فناوری GovTech سنگاپور پلتفرم FirstDate را به عنوان یک راهکار دیجیتال برای مجردان ۲۱ تا ۳۵ ساله توسعه داده است. فاز آزمایشی این سرویس در حال حاضر منحصر به کارمندان بخش عمومی و دولتی است و ثبت‌نام اولیه آن در مهر ۱۴۰۵ (اکتبر ۲۰۲۶) به پایان می‌رسد. هدف اصلی این سرویس، بازگرداندن اعتماد به فرآیند آشنایی آنلاین و تسهیل ارتباطات واقعی در دنیای واقعی است.
معماری فنی و الگوریتم تطبیق پایدار (Gale-Shapley)
بر خلاف پلتفرم‌های تجاری رایج که بر تجسم بصری و پیمایش نامحدود (Infinite Swiping) متکی هستند، FirstDate الگوی نوینی را اتخاذ کرده است. کاربران به جای مرور هزاران پروفایل، پرسشنامه‌ای جامع درباره علایق، عادات روزمره، ارزش‌های فردی و ترجیحات خود تکمیل می‌کنند. سپس سیستم با استفاده از الگوریتم گیل-شپلی (Gale-Shapley Algorithm) اقدام به پردازش اطلاعات می‌کند.
الگوریتم گیل-شپلی یکی از ریاضیات کاربردی مطرح در نظریه بازی‌ها است که مسئله «تطبیق پایدار» (Stable Matching Problem) را حل می‌کند. این الگوریتم دو مجموعه از شرکت‌کنندگان را بر اساس اولویت‌های رتبه‌بندی‌شده آن‌ها به گونه‌ای جفت می‌کند که هیچ دو فردی تمایل نداشته باشند جفت فعلی خود را برای پیوند با یکدیگر ترک کنند. روند کاری FirstDate به شرح زیر مدیریت می‌شود:
- ارسال یک پیشنهاد در هر چرخه: در هر چرخه زمانی، کاربر تنها یک پیشنهاد تطبیق دریافت می‌کند که شامل نقاط اشتراک، امتیاز سازگاری (Compatibility Score)، توصیفی کوتاه و یک یادداشت شخصی است.
- مهلت ۷۲ ساعته پذیرش: طرفین ۷۲ ساعت فرصت دارند تا پیشنهاد را به صورت متقابل تأیید کنند. تنها پس از تأیید دوطرفه، اطلاعات تماس به اشتراک گذاشته می‌شود.
- ماموریت‌های دیداری (Date Quests): پلتفرم چالش‌ها و پیشنهادهای دلخواهی را برای قرارهای حضوری ارائه می‌دهد و پس از قرار، با نظرسنجی‌های بازخوردی، کیفیت تعامل را ارزیابی می‌کند.
مشخصات فنی و زیرساختی سرویس FirstDate
- توسعه‌دهنده: آژانس فناوری دولتی سنگاپور (GovTech)
- سرویس احراز هویت: اتصال مستقیم به سامانه هویت دیجیتال ملی (Singpass) جهت صفر رساندن پروفایل‌های جعلی
- الگوریتم هسته: Gale-Shapley (حل ریاضی مسئله Stable Matching)
- سطح حریم خصوصی: عدم نمایش عمومی پروفایل‌ها؛ مشاهده‌پذیری صرفاً برای جفت اختصاص‌یافته
- استاندارهای داده: پیروی از پروتکل‌های امنیت سایبری دولتی، عدم فروش داده به ثالث و قابلیت حذف کامل حساب با درخواست کاربر
امنیت داده، حریم خصوصی و احراز هویت با Singpass
یکی از چالش‌های بزرگ پلتفرم‌های دوست‌یابی تجاری، وجود حساب‌های کاربری جعلی، ربات‌ها و کلاهبرداری‌های اینترنتی است. GovTech برای حل این مشکل، زیرساخت FirstDate را مستقیماً به Singpass (سامانه هویت دیجیتال ملی سنگاپور) متصل کرده است. این احراز هویت سخت‌گیرانه تضمین می‌کند که تمامی کاربران واقعی و دارای هویت حقوقی تأییدشده هستند.
از منظر حریم خصوصی، پروفایل کاربران به هیچ وجه در یک دیتابیس عمومی قابل جستجو نیست و تنها فردی که توسط الگوریتم به عنوان جفت پیشنهادی انتخاب شده، امکان مشاهده اطلاعات محدود کاربر را دارد. طبق اعلام رسمی GovTech، تمامی داده‌های جمع‌آوری‌شده تحت استانداردهای امنیتی سخت‌گیرانه دولت طبقه‌بندی می‌شوند، به هیچ شرکت ثالثی فروخته نخواهند شد و در صورت تمایل کاربر، امکان پاک‌سازی کامل اطلاعات (Right to be Forgotten) وجود دارد.
تحلیل جمع‌بندی: پیوند الگوریتم‌های ریاضی با حکمرانی هوشمند
پروژه FirstDate نمونه‌ای شاخص از کاربرد فناوری‌های پیشرفته و الگوریتم‌های نظریه بازی‌ها در حل چالش‌های کلان اجتماعی و کلان‌داده‌های حکمرانی است. سنگاپور با تکیه بر زیرساخت ابری امن و معماری داده‌محور، سعی دارد چالش خستگی از الگوریتم‌های تجاری دوست‌یابی را برطرف کند. موفقیت این پروژه در فاز آزمایشی می‌تواند الگویی تازه برای سایر کشورهایی باشد که با بحران‌های مشابه نرخ باروری و کاهش پیوندهای جوامع شهری دست‌وپنجه نرم می‌کنند.
