في عالم الذكاء الاصطناعي، تُعتبر المحادثة تفاعلاً حيوياً يحتاج إلى إمكانية ذاكرية مستمرة. ولطالما عانت نماذج اللغات الضخمة (Large Language Models) من نقص الذاكرة الدائمة، مما يؤدي إلى فقدان تسلسل المحادثات وإنهاء كل جلسة دون أي ذكر للمحادثات السابقة. هنا يبرز ابتكار Lyzr Cognis، الذي يسعى لحل هذه الإشكالية من خلال بُنية ذاكرة موحدة ومتقدمة.

تحدث Cognis تغييرًا جذريًا في كيفية عمل وكلاء الذكاء الاصطناعي. يعتمد النظام على خوارزمية استرجاع متعددة المراحل، تدمج بين تقنية المطابقة بالكلمات المفتاحية (Keyword Matching) في قاعدة بيانات OpenSearch BM25 وبحث التشابه الاتجاهي باستخدام خوارزمية Matryoshka. يتم الجمع بين هاتين التقنيتين عبر تقنية تُعرف بتوحيد الترتيب التبادلي (Reciprocal Rank Fusion) لتحسين النتائج.

واحدة من الميزات المبتكرة هي قنطرة الذاكرة السياقية، التي تتيح استرجاع الذكريات الموجودة بصورة ذكية قبل جمع المعلومات، مما يضمن المحافظة على التاريخ الكامل للذكريات ويُفعّل تتبع النسخ بشكل دقيق. يُضاف إلى ذلك تعزيز الزمن (Temporal Boosting) الذي يرفع من فاعلية الاستعلامات الزمنية، ويقوم نظام إعادة تصنيف النتائج بفضل BGE-2 cross-encoder بضمان جودة النتائج النهائية.

خلال التجارب، حققت Cognis نتائج مبهرة على معيارين مستقلين - LoCoMo و LongMemEval - عبر ثمانية نماذج توليد إجابات، مما أكد قوة أدائها واستحقاقها لعنوان «الأفضل في فئتها». ولأن النظام مفتوح المصدر، فإنه متاح للاستخدام العملي في تطبيقات الذكاء الاصطناعي التفاعلي، مما يبشر بمستقبل مشرق لتجارب المستخدمين.

إن ابتكار Cognis يُعيد رسم معالم التفاعل بين البشر والآلات في عصر الذكاء الاصطناعي. فما رأيكم في هذا التطور المثير؟ هل ترون أن ذاكرة السياق يمكن أن تعيد تشكيل الطريقة التي نتفاعل بها مع التكنولوجيا؟ شاركونا آرائكم في التعليقات!