1. Memoria pe termen scurt (Working Memory)
Aceasta este memoria imediată, care stochează informații temporare pe durata unei singure interacțiuni. De exemplu, într-un chatbot, memoria pe termen scurt reține ultimele câteva mesaje pentru a menține contextul conversației. Tehnic, este implementată prin buffere sau stive de date care se actualizează constant. Limitarea principală este capacitatea redusă – de obicei, câteva sute de tokeni – dar esențială pentru fluența dialogului.
2. Memoria episodică (Episodic Memory)
Aceasta stochează evenimente specifice din trecut, asemănător cu amintirile umane. Un agent AI poate reține „episoade” – de exemplu, o comandă anterioară a unui utilizator sau o eroare întâlnită într-o sarcină. Implementarea se face prin baze de date vectoriale sau jurnale structurate, permițând interogări rapide după similaritate semantică. Este crucială pentru învățarea din experiență și adaptarea comportamentului.
3. Memoria semantică (Semantic Memory)
Spre deosebire de cea episodică, memoria semantică stochează cunoștințe generale, fapte și concepte, independent de contextul în care au fost învățate. De exemplu, un agent poate ști că „Parisul este capitala Franței” fără a reține când a aflat aceasta. Tehnic, este adesea realizată prin baze de cunoștințe, grafuri de cunoștințe sau modele pre-antrenate (LLM-uri). Aceasta oferă agenților capacitatea de a raționa pe baza unor informații universale.
4. Memoria procedurală (Procedural Memory)
Aceasta se referă la cunoașterea „cum” – abilități și proceduri învățate prin repetiție. Un agent AI poate învăța să execute o secvență de acțiuni (de exemplu, să trimită un e-mail sau să calculeze o integrală) fără a reține fiecare pas în mod explicit. Implementarea implică rețele neuronale recurente, arhitecturi de tip transformer sau sisteme bazate pe reguli. Memoria procedurală permite agenților să devină mai eficienți în timp.
5. Memoria autobiografică (Autobiographical Memory)
Aceasta combină elemente din memoria episodică și semantică pentru a construi o „identitate” a agentului. Un agent poate reține preferințele utilizatorului, istoricul interacțiunilor și propriile sale „amintiri” despre cine este. Este esențială pentru personalizare și pentru crearea unei experiențe coerente pe termen lung. Tehnic, se implementează prin profile de utilizator stocate în baze de date relaționale sau documente JSON.
6. Memoria spațială (Spatial Memory)
În agenții care operează în medii fizice sau virtuale (roboți, jocuri), memoria spațială reține hărți, coordonate și relații între obiecte. De exemplu, un robot aspirator își amintește unde sunt pereții și mobila. Implementarea folosește hărți de ocupare, SLAM (Simultaneous Localization and Mapping) sau rețele neuronale convoluționale. Fără aceasta, agenții nu s-ar putea orienta în spațiu.
7. Memoria socială (Social Memory)
Aceasta stochează informații despre interacțiunile cu alți agenți sau oameni: nume, roluri, istoricul relațiilor. Un asistent virtual poate reține că un utilizator preferă un anumit ton de voce sau că un coleg de echipă are anumite competențe. Implementarea implică baze de date de relații și algoritmi de inferență socială. Este vitală pentru colaborarea multi-agent și pentru interfețe naturale.
Cum se combină aceste memorii?
În practică, un agent AI modern folosește o arhitectură hibridă. De exemplu, un sistem de tip RAG (Retrieval-Augmented Generation) combină memoria semantică (baza de cunoștințe) cu memoria pe termen scurt (contextul conversației). Memoria episodică poate fi folosită pentru a reaminti interacțiuni anterioare, iar cea procedurală pentru a executa acțiuni. Inginerii trebuie să proiecteze cu atenție ierarhia și mecanismele de actualizare pentru a evita suprasolicitarea sau inconsistența.
Provocări și direcții viitoare
Una dintre marile provocări este scalabilitatea – cum să stochezi și să accesezi rapid volume mari de memorie fără a degrada performanța. O altă problemă este uitarea selectivă: agenții trebuie să uite informații irelevante pentru a rămâne eficienți. Cercetările recente explorează memorii diferențiabile și rețele neuronale cu memorie externă (Neural Turing Machines). Pe măsură ce agenții devin mai complecși, înțelegerea acestor șapte tipuri de memorie devine fundamentală pentru orice inginer AI.
De ce este important:
Înțelegerea celor șapte tipuri de memorie pentru agenți AI nu este doar un exercițiu academic, ci o necesitate practică pentru dezvoltarea de sisteme inteligente care să funcționeze în lumea reală. Fie că construiești un chatbot, un robot autonom sau un asistent virtual, alegerea și implementarea corectă a memoriei determină succesul sau eșecul proiectului. Acest ghid oferă o bază solidă pentru inginerii care doresc să treacă dincolo de simplele apeluri API și să creeze agenți cu adevărat adaptivi și conștienți de context.
