Пост🧠انقلابی در حافظه‌ی هوش مصنوعی: سیستم‌عامل MEMOS

🧠انقلابی در حافظه‌ی هوش مصنوعی: سیستم‌عامل MEMOS 🔍پژوهشگران در مقاله‌ای جریان‌ساز، از سیستم MEMOS رونمایی کرده‌اند؛ یک «سیستم‌عامل حافظه» که برای حل بنیادی‌ترین مشکلات مدل‌های زبان بزرگ (LLM) مانند فراموشی در مکالمات طولانی، یادگیری مستمر و شخصی‌سازی طراحی شده است. 📝این پژوهش دو هدف کلیدی را دنبال می‌کند: 1️⃣یکپارچه‌سازی انواع حافظه: برخلاف مدل‌های فعلی که به پارامترهای ثابت و حافظه‌ی موقت متکی هستند، این سیستم‌عامل سه نوع حافظه‌ی اصلی (دانش صریح متنی، حالات فعال‌سازی میانی و دانش نهفته در پارامترها) را تحت یک چارچوب واحد مدیریت می‌کند. 2️⃣تبدیل حافظه به یک منبع قابل کنترل: این مقاله واحدی استاندارد به نام MemCube را معرفی می‌کند که هر قطعه از حافظه را به همراه فراداده‌هایش (مانند تاریخچه، نسخه‌بندی و سطح دسترسی) بسته‌بندی می‌کند و مدیریت آن را مانند یک فایل در سیستم‌عامل ممکن می‌سازد. 📊یکی از جالب‌ترین نوآوری‌های این مقاله، امکان تبدیل و ارتقاء حافظه است. سیستم MEMOS می‌تواند به‌صورت هوشمند، دانش پرکاربرد را از حالت متنی (Plaintext) به حافظه‌ی فعال‌سازی (Activation Memory) تبدیل کند تا با سرعت بسیار بالاتری در دسترس قرار گیرد، یا حتی آن را در پارامترهای مدل «تقطیر» کند تا به بخشی از دانش ذاتی آن تبدیل شود. ⏺نتایج آزمایش‌ها نشان می‌دهد که سیستم MEMOS در بنچمارک معتبر LOCOMO، در تمامی وظایف استدلالی، عملکردی بهتر از تمام مدل‌های پایه داشته و به‌خصوص در استدلال‌های چندمرحله‌ای (Multi-hop) و زمانی (Temporal) برتری چشمگیری از خود نشان داده است. این مقاله نگاهی عمیق به معماری نسل آینده‌ی هوش مصنوعی می‌اندازد و مسیری نو برای ساخت Agent های هوشمندِ تکامل‌پذیر پیش روی ما قرار می‌دهد. ⌨️در کانال انجمن علمی مهندسی کامپیوتر شبکه نخبگان ایران با ما‌ همراه باشید⚡️ | @ComputerEng_Association |