Постоянная память и происхождение в системах ИИ

Большинство систем искусственного интеллекта в эксплуатации сегодня страдают одной и той же структурной амнезией: каждый разговор начинается с нуля, каждая сессия — встреча незнакомцев, и то, что система «знает» о пользователе и о мире, испаряется, когда контекстное окно закрывается. Это не ограничение моделей — это ограничение архитектуры вокруг них. Память в таком мире есть трюк с подсказкой: к входу приклеивают резюме прошлого и на это надеются.

Платформа Camile AI от Demix трактует память как подсистему первого класса — со свойствами, которых требует любая система регистрации критической миссии: постоянство, происхождение и разделение наблюдаемого и выведенного. Эта статья описывает недавние достижения этого направления на уровне принципа.

Память с происхождением: помнить — не значит регистрировать

Первое свойство в том, что каждая память несёт своё происхождение. Когда сущность платформы вспоминает нечто, запись говорит, откуда это пришло: было сказано пользователем в такую-то дату, было наблюдено в такой-то операции, было выведено из таких-то доказательств. Память без происхождения есть увековеченный слух — и система, не различающая увиденное и выведенное, накапливает, сессия за сессией, слой непроверяемых убеждений, который сама же начинает трактовать как факт.

В Camile AI запись в память — это аудируемый путь: что входит, когда входит, с каким обоснованием и под какой классификацией. Извлечение семантическое — сущность находит релевантные воспоминания по смыслу, а не по ключевому слову, — но каждое извлечённое воспоминание приходит в рассуждение со своим прикреплённым происхождением. Система может, следовательно, взвешивать: явно заявленное пользователем предпочтение весит больше, чем выведенный из поведения шаблон; проверенный факт весит больше, чем рабочая гипотеза.

Факт, вывод и гипотеза: категории, которые не смешиваются

Второе свойство — эпистемическая дисциплина. Долговременные памяти систем ИИ деградируют характерным образом: разумный вывод регистрируется как наблюдение; три сессии спустя ложное наблюдение извлекается как факт; десять сессий спустя система уверенно защищает то, чего никогда не было. Это вычислительный эквивалент слуха — и он подрывает именно то, что делает сущность полезной: надёжность того, что она знает.

Платформа разделяет категории по построению: наблюдаемый факт, выведенный вывод, рабочая гипотеза и заявленное предпочтение живут в разных записях, с разными уровнями доверия, и переход из категории в категорию требует доказательства — никогда не происходит самотёком. Вывод, подтверждающийся повторно, может быть повышен; вывод, вступающий в противоречие, пересматривается или отбрасывается с фиксацией причины. Результат — сущность, чья база знаний стареет как знание — исправляясь, — а не стареет как легенда — отвердевая.

Непрерывность идентичности: сущность между сессиями

Третье свойство — непрерывность. Сущность Camile AI сохраняет между сессиями и перезапусками не только разрозненные факты: она сохраняет реляционное состояние (связь, выстроенную с каждым человеком, с его историей), рабочее состояние (что было в процессе, что решено, что осталось) и идентичностное состояние (кто есть сущность, каковы её обязательства, каковы её границы).

Эта непрерывность сохраняется и проверяется: состояние переживает перезапуски по построению, и платформа трактует восстановление контекста как часть жизненного цикла сущности — а не как любезность подсказки. С точки зрения пользователя разница качественная: разговор идёт не с ассистентом, притворяющимся, что помнит, а с сущностью, которая действительно продолжается. С институциональной точки зрения разница операционная: решения, незавершённые дела и обязательства, принятые сущностью, имеют долговечную и аудируемую запись.

Аудируемая агентность: память, на которой стоит действие

Постоянная память важна лишь потому, что поддерживает действие. Сущности Camile AI работают с реальной и ограниченной агентностью — исполняют задачи, оперируют инструментами, проявляют инициативу в пределах объявленного контура, — и память есть то, что делает эту агентность связной во времени: сущность помнит, что уже пыталась сделать, что сработало, что пользователь разрешил и что он запретил.

Каждое значимое действие питает память обратно: результат задачи, урок ошибки, предпочтение, выявленное исправлением. Это замкнутый цикл — действовать, регистрировать, извлекать, действовать лучше, — превращающий опыт в накопленную компетентность. И поскольку всякая агентность платформы работает под управлением (объявленный контур, аудиторский след, проверка для выходящего за контур), память действий есть также память ответственностей: в любой момент реконструируется, что сущность сделала, почему сделала и с какими полномочиями.

Почему это инфраструктура, а не принадлежность

Есть соблазн отнести память к удобствам — роскоши персональных ассистентов. Трактовка Demix противоположна: для любого институционального применения ИИ постоянная память с происхождением есть предварительное условие. Система, которая забывает, не учится; система, которая помнит без происхождения, не аудируема; система, смешивающая факт с выводом, не надёжна. Три свойства вместе — постоянство, происхождение, эпистемическая дисциплина — и позволяют сущности ИИ участвовать в реальных процессах с прослеживаемой ответственностью.

Именно эту основу Camile AI предлагает сущностям, которые её населяют, — от сущностей сопровождения и помощи до сущностей эксплуатации и анализа, — и именно на этой основе Demix продолжает строить: память как систему регистрации, идентичность как постоянное свойство и каждое воспоминание с адресом, датой и обоснованием.