اگر کاربر Power Chatgpt هستید ، ممکن است اخیراً با صفحه “حافظه کامل” مخوف روبرو شده باشید. این پیام هنگامی ظاهر می شود که شما به حد خاطرات ذخیره شده Chatgpt ضربه بزنید ، و می تواند در پروژه های بلند مدت یک مانع مهم باشد. قرار است حافظه یک ویژگی اصلی برای کارهای پیچیده و مداوم باشد – شما می خواهید هوش مصنوعی شما دانش را از جلسات قبلی به خروجی های آینده منتقل کند. دیدن یک هشدار کامل در وسط یک پروژه حساس به زمان (به عنوان مثال ، در حالی که من خطای مداوم سرور HTTP 502 را در یکی از وب سایت های خواهر ما عیب یابی کردم) می تواند بسیار ناامید کننده و مختل کننده باشد.
ناامیدی از حد حافظه چتپپ
مسئله اصلی این نیست که یک حد حافظه وجود داشته باشد – حتی پرداخت کاربران چتپپ به علاوه می توانند درک کنند که ممکن است محدودیت های عملی برای ذخیره سازی وجود داشته باشد. مشکل واقعی این است چگونه پس از رسیدن به حد مجاز ، باید خاطرات قدیمی را مدیریت کنید. رابط فعلی برای مدیریت حافظه خسته کننده و وقت گیر است. وقتی ChatGPT به شما اطلاع می دهد که حافظه شما 100 ٪ پر است ، شما دو گزینه دارید: با زحمت خاطرات را یک به یک حذف کنید یا همه آنها را یکباره پاک کنید. هیچ ابزار انتخابی بین یا فله ای برای هرس کردن اطلاعات ذخیره شده شما وجود ندارد.
حذف یک حافظه در یک زمان ، به خصوص اگر مجبور شوید این کار را هر چند روز انجام دهید ، مانند یک کار کاری که منجر به استفاده طولانی مدت نمی شود ، احساس می کنید. از این گذشته ، بیشتر خاطرات ذخیره شده به دلایلی نگهداری می شدند – آنها حاوی زمینه ارزشمندی است که شما در مورد نیازهای خود یا تجارت خود به Chatgpt ارائه داده اید. به طور طبیعی ، شما ترجیح می دهید حداقل تعداد موارد لازم برای آزاد کردن فضا را حذف کنید ، بنابراین درک AI از تاریخ خود را معلول نمی کنید. با این حال ، طراحی مدیریت حافظه یک رویکرد همه یا هیچ چیز یا یک کار دستی آهسته را مجبور می کند. من شخصاً مشاهده کردم که هر حافظه حذف شده فقط از آن آزاد می شود 1 ٪ از فضای حافظه ، نشان می دهد سیستم فقط در اطراف اجازه می دهد 100 خاطره در کل قبل از پر شدن (100 ٪ استفاده). این کلاه سخت با توجه به مقیاس سیستم های مدرن AI احساس دلخواه می کند و این قول را برای تبدیل شدن به یک دستیار آگاه که با گذشت زمان با شما رشد می کند ، کمرنگ می کند.
چه چیزی باید اتفاق بیفتد
با توجه به اینکه ChatGPT و زیرساخت های موجود در آن به منابع محاسباتی تقریبا نامحدود دسترسی دارند ، جای تعجب است که راه حل برای حافظه بلند مدت بسیار محتاطانه است. در حالت ایده آل ، خاطرات طولانی مدت هوش مصنوعی باید بهتر از نحوه عملکرد مغز انسان و مدیریت اطلاعات به مرور زمان را تکرار کند. مغز انسان استراتژی های کارآمد برای مدیریت خاطرات تکامل یافته است-ما به سادگی هر رویداد را برای کلمه ضبط نمی کنیم و آن را به طور نامحدود ذخیره می کنیم. در عوض ، مغز برای کارآیی طراحی شده است: ما اطلاعات مفصلی را در کوتاه مدت و سپس به تدریج نگه می داریم تلفیق کردن وت فشردن این جزئیات به حافظه بلند مدت.
در علوم اعصاب ، ادغام حافظه اشاره به فرایندی است که با استفاده از آن خاطرات کوتاه مدت ناپایدار به موارد پایدار و ماندگار تبدیل می شوند. با توجه به مدل استاندارد ادغام ، تجربیات جدید در ابتدا توسط هیپوکامپ، منطقه ای از مغز برای تشکیل خاطرات اپیزودیک بسیار مهم است و با گذشت زمان دانش “آموزش دیده” به قشر برای ذخیره دائمی این فرایند فوراً اتفاق نمی افتد – به گذر زمان نیاز دارد و اغلب در دوره های استراحت یا خواب اتفاق می افتد. هیپوکامپ در اصل به عنوان یک بافر سریع یادگیری عمل می کند ، در حالی که قشر به تدریج اطلاعات را به صورت با دوام تر در شبکه های عصبی گسترده ادغام می کند. به عبارت دیگر ، “حافظه کوتاه مدت” مغز (حافظه کاری و تجربیات اخیر) به طور سیستماتیک منتقل و سازماندهی مجدد به یک فروشگاه حافظه بلند مدت توزیع شده است. این انتقال چند مرحله ای باعث می شود که حافظه در برابر تداخل یا فراموشی مقاوم تر شود ، شبیه به تثبیت یک ضبط ، بنابراین به راحتی بازنویسی نمی شود.
از نظر مهم ، مغز انسان نمی کند منابع را با ذخیره هر کلمه جزئیات. درعوض ، تمایل دارد جزئیات بی اهمیت را فیلتر کرده و آنچه را که از تجربیات ما معنی دار است ، حفظ کند. روانشناسان مدتهاست که خاطرنشان کرده اند که وقتی یک رویداد گذشته را به یاد می آوریم یا اطلاعات آموخته ایم ، ما معمولاً قسمت آن را به خاطر بسپار به جای یک حساب کامل و کلمه ای برای کلمه. به عنوان مثال ، پس از خواندن کتاب یا تماشای یک فیلم ، نکات و مضامین اصلی طرح را به خاطر می آورید ، اما هر خط گفتگو نیست. با گذشت زمان ، متن دقیق و جزئیات دقیقه ای از تجربه محو می شود و خلاصه ای انتزاعی تر از آنچه اتفاق افتاده را پشت سر می گذارد. در حقیقت ، تحقیقات نشان می دهد که حافظه کلامی ما (جزئیات دقیق) با گذشت زمان ، سریعتر از حافظه GIST (معنی عمومی) محو می شود. این یک روش کارآمد برای ذخیره دانش است: با دور انداختن مشخصات عجیب و غریب ، مغز اطلاعات را “فشرده” می کند و قسمت های اساسی را که احتمالاً در آینده مفید هستند ، نگه می دارد.
این فشرده سازی عصبی می توان به نحوه فشرده سازی رایانه ها فایلها تشبیه کرد ، و در واقع دانشمندان فرآیندهای مشابه را در مغز مشاهده کرده اند. هنگامی که ما از لحاظ ذهنی یک خاطره را دوباره پخش می کنیم یا یک سناریوی آینده را تصور می کنیم ، بازنمایی عصبی به طور موثری از بین می رود و از جزئیات آن محروم می شود – این یک نسخه فشرده از تجربه واقعی است. دانشمندان علوم اعصاب در UT آستین مکانیسم موج مغزی را کشف کرد که به ما امکان می دهد توالی کامل از وقایع (مثلاً ، یک بعد از ظهر که در فروشگاه های مواد غذایی صرف شده است) را فقط در ثانیه با استفاده از یک ریتم سریعتر مغز که اطلاعات کمتری را در سطح بالا رمزگذاری می کند ، به یاد بیاوریم. در اصل ، مغز ما می تواند از طریق خاطرات به سرعت به جلو حرکت کند ، و در عین حال که جزئیات غنی را حذف می کند ، نقاط برجسته و مهم را حفظ می کند ، که این امر غیر ضروری یا بسیار حجیم است که به طور کامل پخش شود. نتیجه این است که برنامه های تصور شده و تجربیات به یاد داشته باشید به شکلی متراکم ذخیره می شوند- هنوز هم مفید و قابل درک هستند ، اما بسیار فضا و زمان کارآمدتر از تجربه اصلی هستند.
جنبه مهم دیگر مدیریت حافظه انسان است اولویت بندیبشر همه چیزهایی که وارد حافظه کوتاه مدت می شوند ، در ذخیره سازی بلند مدت جاودانه نمی شوند. مغز ما به طور ناخودآگاه تصمیم می گیرد که چه چیزی ارزش به خاطر سپردن و آنچه را که نیست ، بر اساس اهمیت یا شادی عاطفی است. بوها مطالعه اخیر در دانشگاه راکفلر این اصل را با استفاده از موش ها نشان داد: موش ها در یک پیچ و خم در معرض چندین نتیجه قرار گرفتند (برخی از آنها بسیار ارزشمند ، برخی از خفیف پاداش ، برخی منفی). در ابتدا ، موش ها همه انجمن ها را آموختند ، اما وقتی یک ماه بعد آزمایش شد ، فقط برجسته ترین در حالی که جزئیات کم اهمیت تر از بین رفته بودند ، حافظه بالا و پاداش حفظ می شد.
به عبارت دیگر ، مغز سر و صدا را فیلتر کرده و خاطره ای را که بیشترین اهمیت برای اهداف حیوان را دارد ، نگه داشته است. محققان حتی یک منطقه مغزی را شناسایی کردند ، تالاموس قدامی، این به عنوان نوعی تعدیل کننده بین هیپوکامپ و قشر در هنگام ادغام عمل می کند ، سیگنالینگ که خاطرات به اندازه کافی مهم برای “صرفه جویی” برای طولانی مدت هستند. به نظر می رسد که تالاموس تقویت مداوم برای خاطرات ارزشمند ارسال می کند – اساساً به قشر می گوید “این را نگه دارید” تا زمانی که حافظه کاملاً رمزگذاری شود – در حالی که خاطرات مهم کمتری را از بین می برد. این یافته تأکید می کند که فراموشی فقط عدم موفقیت حافظه نیست بلکه یک ویژگی فعال سیستم است: با رها کردن اطلاعات بی اهمیت یا زائد ، مغز مانع از درگیری حافظه خود می شود و تضمین می کند که مفیدترین دانش به راحتی در دسترس است.
تجدید نظر در حافظه AI با اصول انسانی
روشی که مغز انسان به حافظه می پردازد ، طرح روشنی را برای چگونگی مدیریت چتپپ و سیستم های مشابه AI باید اطلاعات طولانی مدت ارائه دهد. به جای اینکه هر حافظه ذخیره شده را به عنوان یک نقطه داده جدا شده که باید برای همیشه نگه داشته شود یا به صورت دستی حذف شود ، درمان کند ، یک هوش مصنوعی می تواند خاطرات قدیمی را تلفیق و خلاصه کنید در پس زمینه به عنوان مثال ، اگر ده مکالمه مرتبط یا حقایق مربوط به پروژه در حال انجام خود دارید ، هوش مصنوعی ممکن است آنها را به طور خودکار در یک خلاصه مختصر یا مجموعه ای از نتیجه گیری های کلیدی ادغام کند – به طور موثر حافظه را ضمن حفظ ذات آن ، دقیقاً مانند مغز ، جزئیات را به GIST می رساند. این امر باعث می شود فضایی برای اطلاعات جدید بدون “فراموش کردن” آنچه در مورد تعامل های قدیمی مهم بود ، آزاد شود. در واقع ، مستندات Openai نکات این که مدل های ChatGPT می توانند برخی از به روزرسانی خودکار و ترکیب جزئیات ذخیره شده را انجام دهند ، اما تجربه کاربری فعلی نشان می دهد که هنوز یکپارچه یا کافی نیست.
یکی دیگر از پیشرفت های الهام گرفته از انسان می تواند در اولویت نگه داشتن حافظه باشد. به جای یک کلاه 100 ماده ای سفت و سخت ، هوش مصنوعی می تواند وزن خود را که بیشترین اهمیت را برای نیازهای کاربر مرتبط یا بسیار مهم بوده است ، وزن کند و فقط مواردی را که به نظر می رسد مهمترین آنها را دور بریزند ، دور می زنند. در عمل ، این می تواند به این معنا باشد که چتپپ مشخص می کند که برخی از حقایق (به عنوان مثال اهداف اصلی شرکت شما ، مشخصات پروژه در حال انجام ، ترجیحات شخصی) بسیار برجسته هستند و همیشه باید نگه داشته شوند ، در حالی که قطعات یک چیز بی اهمیت از ماهها قبل می توانند بایگانی شوند یا ابتدا از بین بروند. این رویکرد پویا با نحوه مغز موازی است به طور مداوم اتصالات بلااستفاده را هرس می کند و مواردی را که اغلب برای بهینه سازی راندمان شناختی استفاده می شود ، تقویت می کند.
نکته آخر این است که یک سیستم حافظه بلند مدت برای هوش مصنوعی باید تحول پیدا کردن، نه فقط پر و متوقف شوید. حافظه انسان به طرز چشمگیری تطبیقی است – خود را با گذشت زمان تغییر و سازماندهی می کند ، و انتظار ندارد که یک کاربر خارجی بتواند هر شکاف حافظه را خرد کند. اگر حافظه Chatgpt بیشتر شبیه خود ما باشد ، کاربران با 100 ورودی با دیوار ناگهانی روبرو نمی شوند ، و نه انتخاب دردناک بین پاک کردن همه چیز یا کلیک از طریق صد مورد یک به یک. درعوض ، خاطرات گپ قدیمی به تدریج به یک پایگاه دانش مقطر تبدیل می شود که هوش مصنوعی می تواند روی آن بکشد ، و فقط قطعات واقعاً منسوخ یا بی ربط از بین می روند. جامعه هوش مصنوعی ، که مخاطب هدف در اینجا است ، می تواند قدردانی کند که اجرای چنین سیستمی ممکن است شامل تکنیک هایی مانند خلاصه زمینه باشد ، پایگاه داده های بردار برای بازیابی دانش، یا لایه های حافظه سلسله مراتبی در شبکه های عصبی – کلیه مناطق فعال تحقیق. در حقیقت ، دادن به AI نوعی “حافظه اپیزودیک” که با گذشت زمان فشرده می شود ، یک چالش شناخته شده است و حل آن یک جهش به سمت هوش مصنوعی است که به طور مداوم می آموزد و پایگاه دانش خود را به طور پایدار مقیاس می دهد.
پایان
محدودیت حافظه فعلی چتپپ مانند یک راه حل متوقف شده است که از قدرت کامل هوش مصنوعی استفاده نمی کند. با نگاهی به شناخت انسان ، می بینیم که حافظه بلند مدت مؤثر در مورد ذخیره داده های خام نامحدود نیست-این مربوط به فشرده سازی هوشمند ، ادغام و فراموش کردن چیزهای درست است. توانایی مغز انسان برای نگه داشتن آنچه در هنگام ذخیره سازی اهمیت دارد ، دقیقاً همان چیزی است که باعث می شود حافظه بلند مدت ما بسیار گسترده و مفید باشد. برای اینکه هوش مصنوعی به یک شریک طولانی مدت واقعی تبدیل شود ، باید یک استراتژی مشابه را اتخاذ کند: به طور خودکار تعامل گذشته را در بینش های ماندگار تقطیر کنید ، نه اینکه بار آن را بارگذاری کنید. ناامیدی از ضربه زدن به یک دیوار “حافظه کامل” می تواند با سیستمی جایگزین شود که با استفاده از آن با استفاده ، یادگیری و به یاد آوردن به روشی انعطاف پذیر و مانند انسان رشد می کند. اتخاذ این اصول نه تنها نقطه درد UX را حل می کند ، بلکه یک تجربه هوش مصنوعی قدرتمندتر و شخصی تر را برای کل جامعه کاربران و توسعه دهندگان که به این ابزارها اعتماد دارند ، باز می کند.