譯者 | 張哲剛

審校 | 重樓

人工智能（AI） 從根本上改變了我們的生活、工作以及通信方式。GPT-4、BERT、Llama 等大語言模型 （LLM） 在對話式人工智能方面取得了顯著進步，不但響應迅速，而且做到了擬人化。即便如此，這些系統仍然普遍存在一個致命缺陷，那就是無法在單個會話之外保留上下文信息。人機交互結束后，先前所有的的信息都會丟失，用戶在每次使用時都需要從頭開始。

這個時候，持久內存（也可稱為智能體內存）應運而生，它可以使人工智能系統得以長時間保留和調用歷史信息，從而解決了上述缺陷。此項功能顯著地推動了人工智能從單純基于會話的靜態交互轉變為動態內存驅動型學習的進程。

持久內存不單單是一項技術的進步，它更具有深遠的意義。在它的加持下，人工智能能夠參與到有意義的、個性化的以及可以上下文感知的交互中來。這一狀況大大改善了用戶體驗，并且使人工智能適應于各種應用，成為更加智能、更加直觀且響應更加迅速的工具。

什么是智能體內存

智能體內存使得人工智能系統能夠存儲和檢索過往交互中的信息。它就像是一個數字大腦，記住交互過程的對話、偏好和模式。傳統的人工智能系統只能實現短暫記憶，交互會話結束后所有上下文都會丟失，而智能體內存與此不同，它能使人工智能持續保留信息，而無需顧慮時間的推移。顯而易見，此功能會使未來的交互更加流暢、更加個性化。

智能體記憶的發展日新月異。早期的人工系統是靜態的，只能提供有限的功能。例如，簡單的聊天機器人，基于規則，提供一些預先設定的答案，不具備學習和適應能力。隨著機器學習技術的發展，動態內存得以實現。遞歸神經網絡（RNNs）和轉換器等技術逐漸融入可處理數據序列的能力，這使人工智能走上了具備適應性這條康莊大道。然而，一個一直存在的局限是，這些系統的這種智能只能局限在單個交互會話的上下文中。而持久內存則實現了巨大的進化，它使人工智能能夠集合多個會話同時記憶，并且可以隨著時間的推移而進化和完善其響應。

這種進化非常類似于人類的記憶。我們處理眼前的工作，用到的是短期記憶，而長期記憶則可以讓我們用來學習、適應和成長。與此類似，人工智能中的持久內存結合了這些元素，搭建了具備深入理解能力和洞察能力的高效系統。智能體內存通過儲存和應用過去的知識，來增強人工智能的潛力，使之能夠提供更直觀和更有意義的交互。

持久內存使大語言模型更加智能

持久內存從根本上改變了大語言模型的運行方式。傳統的大語言模型功能雖然強大，但只能根據單個會話的上下文進行處理和響應。而持久內存則使得這些系統在交互中能夠儲存和保留信息，進而實現更加一致、更加個性化和更有意義的響應。例如，人工智能助手可以記住一個人對于咖啡的偏好、優先處理重復出現的任務以及跟蹤正在進程中的項目。這種級別的個性化只能通過同一時間集合所有會話內容的內存框架才能實現。

人工智能中持久內存的應用能使多個行業受益頗豐。例如，在客戶支持方面，基于人工智能的聊天機器人可以存儲和檢索用戶特定的詳細信息，例如購買歷史或者投訴歷史。這樣就無需客戶再次提供信息，使交互更加快捷和絲滑。一個具體案例就是，聊天機器人可以意識到特定產品可能反復出現的問題，根據過去的故障排除經驗，嘗試著去主動提供解決問題的方案。

在醫療保健領域，持久內存帶來更加具有變革性的影響。配備持久內存的人工智能系統可以存儲詳細的患者記錄，包括患者的癥狀、治療方案以及測試結果等等。這種能力確保了對于患者護理的持續性。例如，人工智能助手可以通過回顧一年前患者的病史、主要癥狀指征或依照先前的診療結果，來幫助醫生制定治療方案。這不僅可以節省寶貴的治療時間，還可以提高診斷準確性，精確提供護理。

持久記憶另一個產生深遠影響的領域是教育領域。人工智能輔導系統可以儲存的和維護學生的歷史學習數據，包括進步情況、學習上的優勢和缺點。基于這些數據，該系統可以幫助教師調整教學策略，為學生提供符合個體需求的個性化課程。例如，它可能會發現某個學生在代數方面學習有困難，就可以為其制定包括豐富的代數練習和指導的課程。這種適應性極強的教學方法可以提高學生參與度，并顯著改善教學成果。

從技術層面上來講，在大語言模型中實現持久內存通常會涉及高級存儲解決方案與高效檢索機制的相結合。矢量數據庫和內存增強神經網絡等技術的發展，使人工智能能夠在長期保留數據的同時，快速訪問相關的詳細信息。這樣可以確保持久內存能夠瞬間處理大量用戶特定數據。

持久內存不應僅僅看做大語言模型的升級。更深遠的意義在于，這種轉變使人工智能更接近于類似人類的交互。通過儲存保留和運用以往互動中的內容和知識，配備持久內存的大語言模型在各個行業中都更加有效能，具有更強的適應性和影響力。

智能體內存的最新趨勢和技術創新

持久內存的興起為人工智能行業帶來了巨大的進步。一個引人注目的發展是混合內存系統，這類系統結合了短期內存和長期內存的優勢。系統允許人工智能優先考慮最近的交互歷史，同時儲存保留重要的長期數據。例如，虛擬助手可以使用短期記憶來安排用戶的日常任務計劃，同時基于長期記憶來回顧前幾個月的偏好。這種組合確保了相應的即時性和用戶體驗的個性化。

MemGPT 和 Letta 等新框架很受關注。開發人員借助此類工具可以將持久內存集成到人工智能應用程序中，從而改進和完善交互的上下文管理。例如，MemGPT 使用模塊化內存層來動態存儲和檢索數據，確保數據準確性的同時減少了系統計算負載，成為了一種在人工智能系統中擴展內存的實用解決方案。

持久內存為各行各業都帶來了創新。在零售行業，人工智能系統可以根據客戶的購買歷史和瀏覽習慣，推薦個性化產品，提供較好的購物體驗。在娛樂領域，具備記憶功能的聊天機器人能夠提供身臨其境的講述體驗。這些系統能夠儲存和記憶情節細節以及用戶偏好，提供個性化的敘述，以獨特的方式吸引用戶。

持久內存面臨的挑戰以及未來的潛力

在人工智能中部署持久內存會面臨重大挑戰，但不可否認的是，它具有重塑人工智能未來的潛力。當下最緊迫的問題之一是可擴展性。人工智能系統必須在不影響速度或性能的情況下管理數百萬用戶的大量數據。如果人工智能助手需要很長時間來調用存儲的信息，就有可能會讓用戶感到不耐煩，誰也不會去幫助人工智能。因此，確保高效的內存管理和檢索，對于實際部署至關重要。

另一個重要問題是隱私。長時間存儲用戶數據會引發有關安全性、所有權和倫理使用問題。數據由誰控制？如何保護它？用戶是否了解存儲的內容？為遵循GDPR 等法規和獲取用戶信任，企業必須優先考慮透明度。用戶應當始終能夠了解自身數據的使用情況，并且自己可以決定保留或刪除。足夠強大的加密和明確的策略是必須的，對于解決這些問題至關重要。

人工智能系統中的偏見帶來了更多的復雜性。如果存儲的數據沒有得到嚴密監控和多樣化處理，持久內存可能會無意中放大現有的偏見。例如，有算法偏見的培訓數據可能會導致不公平的招聘或金融服務結果。為確保這些系統的公平性和包容性，必須采取定期審計、多樣化數據集等積極措施。

盡管存在著上述挑戰，但持久內存在人工智能應用中具有巨大的潛力。在生成式人工智能中，它能夠使系統生成高度定制的內容。我們可以把它想象成一個人工營銷助理，它完美地記住了品牌的基調和以前所有的活動，創造了一貫完美的營銷材料。在全渠道營銷中，人工智能系統可以跨平臺（從電子郵件到社交媒體）提供一致的和個性化的消息傳遞，提供更好的用戶體驗，從而增強客戶信任和忠誠度。

展望未來，持久內存可以在開發通用人工智能（AGI） 方面發揮至關重要的作用。通用人工智能要求不受時間的推移影響，隨時可以儲存保留和應用以往知識，以保證它的茁壯發展和適應環境。持久內存為這種級別智能提供了必須的基礎結構。通過應對當前各方面的挑戰，持久內存可以使人工智能系統在其應用程序中適應性更強、更加智能、更加公平。

關鍵的要點

持久內存是人工智能領域向前邁出的變革性一步。有了它，人工智能系統能夠隨著時間的推移同步記憶和學習，填平了靜態交互與動態的類人化交互之間的鴻溝。這種能力能夠提高性能并重新定義我們與技術之間互動的方式。從個性化的教育，到更加有效的醫療保健和完美無縫的客戶體驗，曾經認為遙不可及的事情，都可以通過持久內存是實現。

下一步，等完全解決了可擴展性、隱私和算法偏見等問題，人工智能的未來將變得更加充滿希望。人工智能系統要進化得適應性更強、直觀性和影響力更強，持久內存是這一切的基礎。這種進化使得人工智能不僅僅是一種工具，更是人類創造更加智能、更加互聯的世界的真正合作伙伴。

譯者介紹

張哲剛，51CTO社區編輯，系統運維工程師，國內較早一批硬件評測及互聯網從業者，曾入職阿里巴巴。

原文標題：Agent Memory in AI: How Persistent Memory Could Redefine LLM Applications，作者：Assad Abbas