الذاكرة طويلة المدى
تشير الذاكرة طويلة الأمد (LTM) في سياق الذكاء الاصطناعي والبرمجيات المعقدة إلى التخزين الدائم واسترجاع المعلومات والتجارب والأنماط المكتسبة بما يتجاوز السياق التشغيلي الفوري لجلسة واحدة. على عكس الذاكرة قصيرة الأمد أو العاملة، تسمح الذاكرة طويلة الأمد لوكيل أو نظام الذكاء الاصطناعي بالحفاظ على فهم تراكمي لبيئته وتفاعلات المستخدم وقراراته السابقة على مدى فترات طويلة.
لكي تنتقل أنظمة الذكاء الاصطناعي من كونها أدوات تفاعلية إلى شركاء أذكياء واستباقيين، تُعد الذاكرة طويلة الأمد أمرًا بالغ الأهمية. فهي تتيح التخصيص، والاحتفاظ بالسياق عبر تفاعلات متعددة، والقدرة على التعلم من البيانات التاريخية. بدونها، سينسى الذكاء الاصطناعي عمليًا كل شيء بعد الاستعلام الحالي، مما يحد بشدة من فائدته في التطبيقات الواقعية والمستمرة.
عادةً ما يتم تنفيذ الذاكرة طويلة الأمد باستخدام قواعد بيانات خارجية، منظمة، أو غير منظمة. تشمل أنماط البنية المعمارية الشائعة ما يلي:
تتضمن آليات الاسترجاع تقنيات الفهرسة المتقدمة والتوليد المعزز بالاسترجاع (RAG) لسحب "الذكريات" الأكثر صلة إلى الذاكرة العاملة النشطة للمعالجة.
تشمل الفوائد الأساسية تعزيز التماسك، والتخصيص الفائق، وتطوير نماذج ذكاء اصطناعي أكثر قوة ووعيًا بالسياق. تحوّل الذاكرة طويلة الأمد الحسابات عديمة الحالة إلى ذكاء متطور ومحافظ على الحالة.
يمثل تنفيذ الذاكرة طويلة الأمد الفعالة العديد من التحديات. تشمل هذه إدارة قابلية توسع الذاكرة (الحجم الهائل للبيانات)، وضمان سلامة البيانات واتساقها، وحل "عنق الزجاجة في الاسترجاع" - أي العثور على الذاكرة الصحيحة من بين ملايين الذكريات.
تشمل المفاهيم ذات الصلة الذاكرة العاملة (المعالجة قصيرة الأمد)، والذاكرة العرضية (الأحداث المحددة السابقة)، والذاكرة الدلالية (المعرفة العامة)، والتوليد المعزز بالاسترجاع (RAG)، وهو أسلوب أساسي للتفاعل مع الذاكرة طويلة الأمد.
