革新人工智能的长期记忆：高容量与高速存储的新视野

本文以“用记忆提升世界”为使命，探讨了实现人工超级智能（ASI）所必需的“记忆”设计概念。不同于提出新方法，我们重点分析了几种潜在有益但尚未充分探索的替代方案。当前主流范式是“先提取后存储”，即从经验中提取被认为有用的信息并仅保存提取内容，但这种方法存在信息丢失的风险。相比之下，我们强调“先存储后按需提取”的方法，旨在保留原始经验，并根据需要灵活应用于不同任务，从而避免信息损失。此外，我们还提出了两个进一步的方法：从大量概率性经验中发现更深层次的见解，以及通过共享存储的经验来提高经验收集效率。尽管这些方法看似有效，我们的简单实验表明确实如此。最后，我们讨论了限制这些有前景方向研究的主要挑战，并提出了相关研究课题。