Jawad Ashraf 是一位拥有 30 年人工智能、游戏和区块链创新经验的科技企业家。作为 Vanar 的 CEO，他正在构建一个能够支撑智能和可验证系统的基础设施。
在他的领导下，Vanar 推出了 myNeutron，一种人工智能内存层，允许模型和代理在平台之间安全地保留和重用上下文 - 这是实现人工智能持久性和互操作性的关键一步。
此前，Jawad 领导了 The Entertainer Dubai 的数字化转型，这导致了 1 亿美元的退出，并在新兴技术领域创立了多家公司。
每次我们打开 ChatGPT、Claude 或 Gemini，我们都从零开始。每次对话、每个提示、每个洞察都会在我们关闭标签页的瞬间被抹去。尽管人们谈论着智能，但今天的 AI 系统却患有严重的健忘症。它们是无状态的工具，而不是不断进化的思维。这种限制很不方便，并定义了 AI 的架构。模型可以预测下一个令牌，但它们无法以有意义的方式记住之前发生的事情。即使我们构建了可以看到、说话和编码的多模态系统，我们仍然缺乏持久性，因此我们得到了一种可以模仿理解但永远无法从经验中成长的智能。设计为无状态这种健忘不是一个 bug，而是一个设计选择。大型语言模型针对性能进行了优化，每个会话都被隔离以保证隐私、简单性和可扩展性。但是，权衡是碎片化。像用户偏好、任务历史和积累的知识这样的有价值的上下文会随着聊天会话的结束而消失。具有记忆功能的代理概述 显示 在主流系统中，会话之间的持久记忆仍然很少见。有些人试图用检索增强生成（RAG）或向量数据库来填补这个空白，这些数据库可以检索相关的信息块，但这些只是权宜之计。它们模拟连续性而不是真正体现它。AI 中的真正记忆需要更深层次的东西：一种机器可以存储、验证和共享知识的方式，跨越时间和生态系统。记忆 允许 AI 代理从过去的交互中学习，保留信息并保持上下文。种子：AI 记忆的原子单位如果 AI 可以携带其知识，如可在任何地方萌发的可移植和可验证对象一样，那会怎么样？这些“种子”是压缩的、标记化的记忆单位，以结构化的方式存储意义、来源和上下文。它们不是静态数据文件，而是自包含的理解碎片，能够被引用、查询和重用跨系统。一个种子可能包含从学习的设计模式到客户资料或对话的语义摘要的所有内容。每个种子都带有元数据：哪个模型产生了它，在什么上下文下，并且有多大把握。 这种来源至关重要。它允许 AI 代理在不盲目复制信息的情况下信任和重用来自其他系统的信息。这与知识在人际网络中工作的方式类似。我们不复制整个历史；我们分享提炼的见解——编码了意义的压缩模式。种子旨在为机器做同样的事情。智能压缩和来源当然，压缩并不是新鲜事，但带有意义的压缩是。结构化的记忆机制对于代理系统（如 Mem0 架构）中的长期对话连贯性至关重要。每个种子都包括加密签名，以确保可追溯性。可以这样想：AI 代理验证某个设计建议确实来自可靠的建筑师的 AI 系统，而不是未经验证的来源。那就是来源的作用。它使得在不需要集中化的情况下实现互操作性成为可能：这是一种与去中心化身份标准...
