تحقیقات جدید تیمی از دانشگاه‌های معتبر چین، شامل دانشگاه جیائو تونگ شانگهای و دانشگاه ژجیانگ، به توسعه اولین “سیستم عامل حافظه” برای هوش مصنوعی پرداخته‌اند. این سیستم که با نام MemOS شناخته می‌شود، به بررسی محدودیت‌های اساسی که مانع از ایجاد حافظه پایدار و یادگیری مشابه انسان در سیستم‌های هوش مصنوعی شده است، می‌پردازد.
MemOS حافظه را به عنوان یک منبع محاسباتی اصلی در نظر می‌گیرد که می‌تواند به شکلی زمان‌بندی، به اشتراک گذاشته و در طول زمان تکامل یابد؛ مشابه چگونگی مدیریت منابع CPU و ذخیره‌سازی توسط سیستم‌های عامل سنتی. مطالعات منتشر شده در تاریخ ۴ ژوئیه در arXiv نشان‌دهنده بهبودهای چشمگیر در عملکرد متدهای موجود است، به طوری که MemOS توانسته است ۱۵۹٪ عملکرد بهتری در زمینه وظایف استدلال زمانی نسبت به سیستم‌های حافظه OpenAI ارائه دهد.
در این تحقیق عنوان شده است که “مدل‌های زبان بزرگ (LLMs) به زیرساخت اساسی برای هوش عمومی مصنوعی (AGI) تبدیل شده‌اند، اما کمبود سیستم‌های مدیریت حافظه تعریف‌شده مانع پیشرفت در استدلال با متن‌های طولانی، شخصی‌سازی مستمر و ثبات دانش می‌شود.” سیستم‌های هوش مصنوعی کنونی با مشکلی به نام “حافظه جزیره‌ای” روبرو هستند که به عدم توانایی در حفظ روابط منسجم و بلندمدت با کاربر منجر می‌شود.
تحقیقات نشان می‌دهند که استفاده از “کوب‌های حافظه” (MemCubes)، به عنوان واحدهای حافظه استاندارد، رویکردی بنیادی جدید را معرفی می‌کند. این کوب‌ها قادرند انواع مختلف اطلاعات را دربر بگیرند و می‌توانند در طول زمان تجمیع، مهاجرت و تکامل یابند. MemOS به معنای واقعی، چارچوبی یکپارچه برای مدیریت حافظه ایجاد می‌کند که پیش از این وجود نداشته است.
آزمون شده در benchmark LOCOMO که وظایف استدلال مرتبط با حافظه را ارزیابی می‌کند، MemOS به طور مداوم عملکرد بهتری نسبت به استانداردهای موجود از خود نشان داده است. نتایج نشان می‌دهد که این سیستم بهبود قابل‌توجهی در زمان پاسخ و کاهش زمان تا دریافت اولین توکن دارد.
توسعه MemOS نه تنها به بهبود قابلیت‌های یادگیری و استدلال در سیستم‌های هوش مصنوعی کمک می‌کند، بلکه موجب تسهیل انتقال حافظه بین پلتفرم‌ها و دستگاه‌های مختلف نیز می‌شود. این پیشرفت به راحتی اطلاعات بین سیستم‌های مختلف را امکان‌پذیر می‌سازد و به فرایندهایی که نیاز به حافظه مستمر دارند، پاسخ می‌دهد.
تیم تحقیقاتی همچنین با ایجاد یک بازار برای “ماژول‌های حفظ حافظه”، به والدین و متخصصان امکان می‌دهد تا دانش خود را در قالب واحدهای قابل خرید و فروش بسته‌بندی کنند. این الگو می‌تواند به توزیع و monetization دانش تخصصی در سیستم‌های هوش مصنوعی کمک شایانی کند.
ساختار فنی MemOS تجربه‌ای را از طراحی سیستم‌های عامل سنتی به ارمغان می‌آورد و با رویکردی جدید در مدیریت حافظه، هدف را به سمت ایجاد سیستم‌هایی با قابلیت انطباق و یادگیری از تجربیات انسان سوق می‌دهد. این ابتکارات می‌تواند زمینه‌ساز تحولی عظیم در پیاده‌سازی سیستم‌های هوش مصنوعی در مشاغل و بهبود آن‌ها گردد.
با توجه به این دستاوردها، MemOS نه تنها برای برنامه‌نویسان و توسعه‌دهندگان مزایای قابل توجهی به ارمغان می‌آورد، بلکه آینده‌ای جدید برای تحقیق در حوزه مدیریت حافظه هوش مصنوعی را نوید می‌دهد. به اعتقاد محققان، این رویکرد جدید می‌تواند تحولاتی بزرگ را در نحوه عملکرد سیستم‌های هوش مصنوعی ایجاد کند و بهره‌وری آن‌ها را به خصوص در زمینه‌های تجاری افزایش دهد.