人工智能（AI） 从根本上改变了我们的生活、工作以及通信方式。GPT-4、BERT、Llama 等大语言模型 （LLM） 在对话式人工智能方面取得了显著进步，不但响应迅速，而且做到了拟人化。即便如此，这些系统仍然普遍存在一个致命缺陷，那就是无法在单个会话之外保留上下文信息。人机交互结束后，先前所有的的信息都会丢失，用户在每次使用时都需要从头开始。
这个时候，持久内存（也可称为智能体内存）应运而生，它可以使人工智能系统得以长时间保留和调用历史信息，从而解决了上述缺陷。此项功能显著地推动了人工智能从单纯基于会话的静态交互转变为动态内存驱动型学习的进程。
持久内存不单单是一项技术的进步，它更具有深远的意义。在它的加持下，人工智能能够参与到有意义的、个性化的以及可以上下文感知的交互中来。这一状况大大改善了用户体验，并且使人工智能适应于各种应用，成为更加智能、更加直观且响应更加迅速的工具。
什么是智能体内存
智能体内存使得人工智能系统能够存储和检索过往交互中的信息。它就像是一个数字大脑，记住交互过程的对话、偏好和模式。传统的人工智能系统只能实现短暂记忆，交互会话结束后所有上下文都会丢失，而智能体内存与此不同，它能使人工智能持续保留信息，而无需顾虑时间的推移。显而易见，此功能会使未来的交互更加流畅、更加个性化。
智能体记忆的发展日新月异。早期的人工系统是静态的，只能提供有限的功能。例如，简单的聊天机器人，基于规则，提供一些预先设定的答案，不具备学习和适应能力。随着机器学习技术的发展，动态内存得以实现。递归神经网络（RNNs）和转换器等技术逐渐融入可处理数据序列的能力，这使人工智能走上了具备适应性这条康庄大道。然而，一个一直存在的局限是，这些系统的这种智能只能局限在单个交互会话的上下文中。而持久内存则实现了巨大的进化，它使人工智能能够集合多个会话同时记忆，并且可以随着时间的推移而进化和完善其响应。
这种进化非常类似于人类的记忆。我们处理眼前的工作，用到的是短期记忆，而长期记忆则可以让我们用来学习、适应和成长。与此类似，人工智能中的持久内存结合了这些元素，搭建了具备深入理解能力和洞察能力的高效系统。智能体内存通过储存和应用过去的知识，来增强人工智能的潜力，使之能够提供更直观和更有意义的交互。
持久内存使大语言模型更加智能
持久内存从根本上改变了大语言模型的运行方式。传统的大语言模型功能虽然强大，但只能根据单个会话的上下文进行处理和响应。而持久内存则使得这些系统在交互中能够储存和保留信息，进而实现更加一致、更加个性化和更有意义的响应。例如，人工智能助手可以记住一个人对于咖啡的偏好、优先处理重复出现的任务以及跟踪正在进程中的项目。这种级别的个性化只能通过同一时间集合所有会话内容的内存框架才能实现。
人工智能中持久内存的应用能使多个行业受益颇丰。例如，在客户支持方面，基于人工智能的聊天机器人可以存储和检索用户特定的详细信息，例如购买历史或者投诉历史。这样就无需客户再次提供信息，使交互更加快捷和丝滑。一个具体案例就是，聊天机器人可以意识到特定产品可能反复出现的问题，根据过去的故障排除经验，尝试着去主动提供解决问题的方案。
在医疗保健领域，持久内存带来更加具有变革性的影响。配备持久内存的人工智能系统可以存储详细的患者记录，包括患者的症状、治疗方案以及测试结果等等。这种能力确保了对于患者护理的持续性。例如，人工智能助手可以通过回顾一年前患者的病史、主要症状指征或依照先前的诊疗结果，来帮助医生制定治疗方案。这不仅可以节省宝贵的治疗时间，还可以提高诊断准确性，精确提供护理。
持久记忆另一个产生深远影响的领域是教育领域。人工智能辅导系统可以储存的和维护学生的历史学习数据，包括进步情况、学习上的优势和缺点。基于这些数据，该系统可以帮助教师调整教学策略，为学生提供符合个体需求的个性化课程。例如，它可能会发现某个学生在代数方面学习有困难，就可以为其制定包括丰富的代数练习和指导的课程。这种适应性极强的教学方法可以提高学生参与度，并显著改善教学成果。
从技术层面上来讲，在大语言模型中实现持久内存通常会涉及高级存储解决方案与高效检索机制的相结合。矢量数据库和内存增强神经网络等技术的发展，使人工智能能够在长期保留数据的同时，快速访问相关的详细信息。这样可以确保持久内存能够瞬间处理大量用户特定数据。
持久内存不应仅仅看做大语言模型的升级。更深远的意义在于，这种转变使人工智能更接近于类似人类的交互。通过储存保留和运用以往互动中的内容和知识，配备持久内存的大语言模型在各个行业中都更加有效能，具有更强的适应性和影响力。
智能体内存的最新趋势和技术创新
持久内存的兴起为人工智能行业带来了巨大的进步。一个引人注目的发展是混合内存系统，这类系统结合了短期内存和长期内存的优势。系统允许人工智能优先考虑最近的交互历史，同时储存保留重要的长期数据。例如，虚拟助手可以使用短期记忆来安排用户的日常任务计划，同时基于长期记忆来回顾前几个月的偏好。这种组合确保了相应的即时性和用户体验的个性化。
MemGPT 和 Letta 等新框架很受关注。开发人员借助此类工具可以将持久内存集成到人工智能应用程序中，从而改进和完善交互的上下文管理。例如，MemGPT 使用模块化内存层来动态存储和检索数据，确保数据准确性的同时减少了系统计算负载，成为了一种在人工智能系统中扩展内存的实用解决方案。
持久内存为各行各业都带来了创新。在零售行业，人工智能系统可以根据客户的购买历史和浏览习惯，推荐个性化产品，提供较好的购物体验。在娱乐领域，具备记忆功能的聊天机器人能够提供身临其境的讲述体验。这些系统能够储存和记忆情节细节以及用户偏好，提供个性化的叙述，以独特的方式吸引用户。
持久内存面临的挑战以及未来的潜力
在人工智能中部署持久内存会面临重大挑战，但不可否认的是，它具有重塑人工智能未来的潜力。当下最紧迫的问题之一是可扩展性。人工智能系统必须在不影响速度或性能的情况下管理数百万用户的大量数据。如果人工智能助手需要很长时间来调用存储的信息，就有可能会让用户感到不耐烦，谁也不会去帮助人工智能。因此，确保高效的内存管理和检索，对于实际部署至关重要。
另一个重要问题是隐私。长时间存储用户数据会引发有关安全性、所有权和伦理使用问题。数据由谁控制？如何保护它？用户是否了解存储的内容？为遵循GDPR 等法规和获取用户信任，企业必须优先考虑透明度。用户应当始终能够了解自身数据的使用情况，并且自己可以决定保留或删除。足够强大的加密和明确的策略是必须的，对于解决这些问题至关重要。
人工智能系统中的偏见带来了更多的复杂性。如果存储的数据没有得到严密监控和多样化处理，持久内存可能会无意中放大现有的偏见。例如，有算法偏见的培训数据可能会导致不公平的招聘或金融服务结果。为确保这些系统的公平性和包容性，必须采取定期审计、多样化数据集等积极措施。
尽管存在着上述挑战，但持久内存在人工智能应用中具有巨大的潜力。在生成式人工智能中，它能够使系统生成高度定制的内容。我们可以把它想象成一个人工营销助理，它完美地记住了品牌的基调和以前所有的活动，创造了一贯完美的营销材料。在全渠道营销中，人工智能系统可以跨平台（从电子邮件到社交媒体）提供一致的和个性化的消息传递，提供更好的用户体验，从而增强客户信任和忠诚度。
展望未来，持久内存可以在开发通用人工智能（AGI） 方面发挥至关重要的作用。通用人工智能要求不受时间的推移影响，随时可以储存保留和应用以往知识，以保证它的茁壮发展和适应环境。持久内存为这种级别智能提供了必须的基础结构。通过应对当前各方面的挑战，持久内存可以使人工智能系统在其应用程序中适应性更强、更加智能、更加公平。
关键的要点
持久内存是人工智能领域向前迈出的变革性一步。有了它，人工智能系统能够随着时间的推移同步记忆和学习，填平了静态交互与动态的类人化交互之间的鸿沟。这种能力能够提高性能并重新定义我们与技术之间互动的方式。从个性化的教育，到更加有效的医疗保健和完美无缝的客户体验，曾经认为遥不可及的事情，都可以通过持久内存是实现。
下一步，等完全解决了可扩展性、隐私和算法偏见等问题，人工智能的未来将变得更加充满希望。人工智能系统要进化得适应性更强、直观性和影响力更强，持久内存是这一切的基础。这种进化使得人工智能不仅仅是一种工具，更是人类创造更加智能、更加互联的世界的真正合作伙伴。
译者结束
张哲刚，51CTO社区编辑，系统运维工程师，国内较早一批硬件评测及互联网从业者，曾入职阿里巴巴。
文章来自：51CTO
