تمثل الذاكرة ركيزة أساسية لوكالات الذكاء الاصطناعي، حيث تمكنها من تجميع الخبرات، والحفاظ على التخصيص، والتكيف مع التفاعلات الطويلة الأمد. ومع ذلك، فإن معظم أنظمة الذاكرة الحالية تظل ثابتة بعد تطويرها، مما يحد من قدرتها على تحسين نماذج الذاكرة، واستراتيجيات التنظيم، والمعرفة الإجرائية من خلال الاستخدام المستمر.

أعلنت الأبحاث الحديثة عن منصة MindMemOS، وهي طبقة ذاكرة محمولة وقابلة للتطور الذاتي، تهدف إلى تنظيم المعلومات في بيئات مفتوحة باستخدام هيكل زمني موحد لخصائص الكيانات. تعتبر MindMemOS داعمًا لنمذجة الذاكرة المتكيفة مع السيناريوهات، واكتشاف الأنماط عالية الترتيب، والتكرير الذاتي للذاكرة، وتطور المهارات المستمر.

تعتمد خوارزمية MindMemEvolve على البحث Evolutionary driven validation لتحسين مخططات الذاكرة وفقًا للسيناريوهات المستهدفة. بينما يقوم مفهوم "الحلم" بتوحيد الذكريات المتراكمة من خلال دمج السجلات المتكررة وحل النزاعات.

علاوة على ذلك، يتم استخدام التغذية الراجعة التصحيحية الضمنية كإشارة من المستخدم للمساعدة في تحديد وتعديل الذكريات المحتملة الغير دقيقة أو المتضاربة.

تقدم خوارزمية MindSkillEvolve إمكانية تحويل مسارات تنفيذ الوكيل إلى مهارات قابلة لإعادة الاستخدام وتدريجية التحسين. وقد حققت MindMemOS دقة تصل إلى 94.03% على نموذج LOCOMO و70.63% على نموذج PersonaMem. كما سجلت خوارزمية MindSkillEvolve تحسينًا في النجاح بنسبة 9.2 نقطة مئوية مقارنةً بأساسيات المهارات الأولية.

تعتبر هذه التطورات خطوات مهمة في سياق الذكاء الاصطناعي، مما يتيح فرصة جديدة للوكالات الذكية للتكيف والنمو بطريقة ديناميكية.

ما رأيكم في هذه الابتكارات؟ شاركونا آراءكم في التعليقات!