Günümüzde yapay zeka ajanslarında kullanılan hafıza sistemlerinin temel bir sorunu olduğunu ortaya koyan yeni bir araştırma, teknoloji dünyasında önemli tartışmalara yol açıyor. MIT'den araştırmacılar, mevcut sistemlerin gerçekte hafıza değil, sadece bilgi arama mekanizması sunduğunu savunuyor.
Araştırmaya göre, vektör depoları, geri getirme destekli üretim sistemleri ve bağlamsal pencere yönetimi gibi yaygın kullanılan teknolojiler, aslında 'arama' işlevi görüyor. Bu sistemler benzerlik temelli genelleme yaparak daha önce depolanmış durumları bulurken, gerçek hafıza ise ağırlık tabanlı çalışarak hiç görülmemiş girdilere soyut kurallar uygulayarak genelleme yapıyor.
Bu kategori hatasının üç önemli sonucu bulunuyor. İlk olarak, ajanlar sürekli not biriktirmesine rağmen gerçek uzmanlık geliştiremiyorlar. İkinci olarak, kompozisyonel yeni görevlerde kanıtlanabilir bir genelleme tavanıyla karşılaşıyorlar - bağlam boyutunu artırmak ya da arama kalitesini iyileştirmek bu sınırı aşamıyor. Üçüncü olarak, enjekte edilen zararlı içerik gelecekteki tüm oturumlara yayılarak kalıcı hafıza zehirlenmesine yol açıyor.
Çözüm için araştırmacılar, sinir bilimindeki Tamamlayıcı Öğrenme Sistemleri teorisine başvuruyorlar. Biyolojik zeka, hızlı öğrenme ile yavaş genellemeyi birleştirerek bu sorunu çözmüş durumda. Bu yaklaşım, yapay zeka ajanslarının gerçek hafıza kapasitesi geliştirebilmesi için yol gösterici olabilir.