في عالم الذكاء الاصطناعي، تصبح الذاكرة أكثر من مجرد استرجاع المعلومات في الوقت المناسب. إذ أن العديد من أنظمة الذاكرة الحالية تواجه تحديات كبيرة في تعديلbeliefs (المعتقدات) وفهم كيفية تغير المستخدمين بمرور الوقت. لذلك، تم تقديم نظام DCPM (Dual-Process Cognitive Memory)؛ والذي يعد ثورة في طريقة تعامل وكلاء الذكاء الاصطناعي مع المعلومات.

لم يعد الأمر مرتبطًا فقط باسترجاع المعلومات السطحية، بل أصبح يتطلب بناء فهم أعمق للكائنات الذكية. يقوم DCPM بإعادة تنظيم ذاكرة الوكلاء وفق هرم من القدرات المعرفية، بدءًا من المدخلات الأساسية والحقائق الذرية، عبر مسارات الاعتقاد والعُرف، وصولًا إلى النماذج الهيكلية المتداخلة والنوايا الخفية.

يعتمد النظام الجديد على عمليتين متوازنتين، الأولى هي نظام الكتابة اليومي (System1) الذي يسجل التعديلات على المعتقدات، والثانية هي المحرك الليلي الغير متزامن (System2) الذي يعمل على تطوير النماذج وتحديد الأنماط المتداخلة عبر المجالات.

من خلال عمليات الاختبار التي أُجريت على LongMemEval و PersonaMem، أظهرت البيانات أن تعزيز System2 يُسهم بشكل أكبر في تحسين التفسير ضمن الجلسات المتعددة، مما يمثل قفزة ملحوظة في الأداء تصل إلى +5.20 على PersonaMem-v2. في المقابل، كانت النتائج أقل تأثيرًا على استرجاع المعلومات المباشر.

إن استكشاف حلول جديدة مثل DCPM يعد خطوة هامة نحو تحسين التخصيص الشخصي في أنظمة الذكاء الاصطناعي، مما يجعلنا نتساءل: كيف سيوثر هذا التطور على مستقبل التفاعل بين البشر والآلات؟ شاركونا آراءكم في التعليقات!