一个决定保留/遗忘内容的AI‘记忆管理器’实际上可行吗?
摘要
一位用户质疑基于重要性、强化和衰减来决定保留或遗忘内容的AI记忆管理器系统的可行性。
我一直在思考AI记忆设计,不确定这个想法有多现实,所以想请教更了解这个领域的人。不是存储模型交互的所有内容,而是有一个独立的系统负责随时间管理记忆?例如,给对话中的信息分配重要性,然后决定哪些内容被强化、压缩或遗忘。有点像辅助记忆AI,管理工作AI的聊天历史存储中的所有数据。它可以有多个功能,比如频繁使用的概念得到加强,很少使用或不相关的概念逐渐衰减,甚至相关概念互相强化。因此,例如,如果你告诉系统一些个人信息,记忆管理器会决定它的重要性,并将其存储在短期或长期记忆中。之后,如果再次出现类似主题,它可以强化该记忆。如果再不相关,它会逐渐衰减并可能被删除。我很好奇大家的看法。
相似文章
我们是否都在悄悄重建记忆系统,因为当前AI的长期记忆实际上并不奏效?
文章讨论了当前AI记忆方案在生产中常见的失败情况,如事实陈旧、摘要漂移和供应商锁定,指出真正的瓶颈在于记忆治理而非检索。
智能体AI记忆不是囤积问题,而是剪枝问题。
作者认为,AI代理的记忆应侧重于数据剪枝而非囤积,借鉴人类记忆类型(感觉记忆、短期记忆、长期记忆),并指出模仿人类记忆可以在减少令牌用量的同时维持高质量上下文。
没人警告你,AI记忆存在六个月的悬崖期。我们过于专注于扩大记忆容量,却忘了让它变得可维护。真有人在解决这个问题,还是只是在增加存储空间然后寄希望于此?
这篇文章强调了AI记忆在六个月后变得不可靠的问题,出现矛盾和信息摘要漂移,并质疑业界是否专注于增加存储容量而非提升可维护性。
AI记忆应如何表现?
对AI记忆系统现状的分析,认为焦点已从存储更多数据转向定义记忆应如何表现——涵盖治理、可观测性、生命周期管理和互操作性。
你认为智能体记忆主要是一个AI问题,还是一个恰好被AI使用的基础设施/数据管理问题?
对智能体记忆主要是一个基础设施/数据管理问题而非AI问题的反思,聚焦于权限、范围、修订历史等实际复杂性。