Jawad Ashraf, CEO of Vanar

記憶の種：記憶するAIを構築する

私たちがChatGPT、Claude、またはGeminiを開くたびに、私たちはゼロから始めます。それぞれの会話、それぞれのプロンプト、それぞれの洞察は、タブを閉じる瞬間に消去されます。知性についての議論はあれど、今日のAIシステムは深刻な形の記憶喪失に悩まされています。それらはステートレスなツールであり、進化するマインドではありません。 この制限は不便であるだけでなく、AIそのもののアーキテクチャを定義しています。モデルは次のトークンを予測できますが、以前に何があったかを意味のある形で記憶することはできません。私たちが、見て、話し、コードを書くことができるマルチモーダルシステムを構築しているとしても、永続性が欠如しているため、理解を模倣することはできても、経験から成長することのない知性しか得られません。 設計によるステートレス性 この忘却はバグでさえありません – それは設計上の選択です。大規模言語モデルはパフォーマンスのために最適化されており、各セッションはプライバシー、シンプルさ、スケーラビリティのために分離されています。しかし、その代償は断片化です。ユーザーの好み、タスク履歴、蓄積された知識といった貴重なコンテキストは、チャットセッションと共に失われます。メモリ対応エージェントの概要は、セッションを超えた永続的なメモリが主流のシステムでは依然として稀であることを//www.ibm.-agent-memory示しています。 関連する情報の断片を取得する検索拡張生成（RAG）やベクターデータベースでこのギャップを埋めようとする試みもありますが、これらは一時しのぎに過ぎません。それらは真の連続性を体現することなく、それを模倣しているだけです。AIにおける真の記憶には、より深い何か、つまり機械が時間を超えて、エコシステムを超えて知識を保存、検証、共有する方法が必要です。メモリは、AIエージェントが過去のインタラクションから学び、情報を保持し、コンテキストを維持することを//redis.-smarter-ai-agents-manage-short-term-and-long-term-memory-with-redis/可能にします。 シード：AI記憶の原子単位 もしAIが、種のようにどこでも発芽可能なポータブルで検証可能なオブジェクトとして知識を携えることができたらどうでしょうか？これらの「シード」は、意味、出所、コンテキストを構造化された方法で保存する、圧縮されたトークン化されたメモリ単位です。それらは静的なデータファイルではなく、システム間で参照、照会、再利用可能な、自己完結した理解の断片です。 シードには、学習したデザインパターンから顧客プロファイル、会話の意味論的要約まで、あらゆるものが含まれるかもしれません。それぞれがメタデータを持ちます：どのモデルが、どのようなコンテキストで、どの程度の確実性をもって生成したか。 その出所は極めて重要です。それは、AIエージェントが他のシステムからの情報を盲目的にコピーすることなく、信頼し再利用することを可能にします。このアプローチは、知識が人間のネットワークでどのように機能するかを反映しています。私たちは歴史全体を複製するのではなく、蒸留された洞察 – 意味をコード化した圧縮されたパターン – を共有します。シードは、機械に対して同じことを行うことを目指しています。 インテリジェントな圧縮と出所 もちろん、圧縮自体は新しいものではありませんが、意味を伴う圧縮は新しいものです。構造化された記憶メカニズムは、例えばMem0の//arxiv..19413アーキテクチャのように、エージェントシステムにおける長期的な会話の一貫性にとって重要です。 各シードには、追跡可能性を保証する暗号署名が含まれます。ある設計提案が、未検証のソースではなく、信頼できる建築家のAIシステムから来たものであることをAIエージェントが検証することを想像してください。それが、出所の実際の働きです。それは、中央集権化なしに相互運用性を可能にするものであり、分散型アイデンティティ標準がオンラインで人とデータを//www.sciencedirect.認証する方法と類似した原理です。 記憶が暗号的に起源と意味にリンクされれば、コラボレーションが可能になります。エージェントは、機密データを明かすことなく、互いの知識を取引、参照、検証することができます。 閉鎖システムから生きたエコシステムへ 現在、AIエコシステムは閉鎖的な庭に似ています。OpenAI、Google、Anthropicはユーザーデータを自社のサイロ内に保存しています。それぞれが独自のAPI、独自のファインチューニング方法、独自のルールを持っています。ある環境で得られた洞察が別の環境に移動するためのネイティブな方法はありません。だからこそ、すべてのアシスタントは継続ではなく、クローンのように感じられるのです。 シードベースの記憶レイヤーは、そのパターンを打破します。コンテキストが移動可能であれば、ユーザーが記憶の所有者になります。研究者は、ChatGPTでのAI支援による何年もの作業をGeminiやプライベートモデルに瞬時に注入することができます。クリエイティブチームは、再トレーニングなしに、あるエコシステムから別のエコシステムへシームレスに移行できます。インテリジェントエージェントシステムは、孤立したモデルから協力するエージェントのネットワークへと//arxiv..12687v1移行しつつあります。 これは仮説ではありません。実際、エージェントはピアツーピア、集中型、または分散型の構造で//arxiv..06322調整します。シードはこれをさらに推し進め、永続的で検証可能な知識がAIネットワーク全体を移動することを可能にするでしょう。 このモデルでは、記憶はインフラストラクチャです。シードは、機械のための意味論的データベースのように機能します：オンチェーンに保存するのに十分コンパクトであり、照会されたときに完全な理解を再構築するのに十分豊かです。それは、AIが単にコンテキストを認識するだけでなく、コンテキストを携行するようになることを意味します。 その意味合いは巨大です。医療におけるAIを考えてみてください。今日、患者データは、コンテキストをネイティブに交換できないシステム間で断片化されています。医療AIがシード –...