Recuperação de Memória
Recuperação de memória é o processo pelo qual um agente de IA seleciona memórias armazenadas relevantes para seu contexto, objetivos e processo cognitivo atuais.
Recuperação de memória em um agente de IA é o processo dependente de contexto de identificar, ranquear e ativar representações armazenadas para que experiência passada e conhecimento relevantes possam influenciar cognição e comportamento atuais.
Em resumo
- →Recuperação determina quais memórias armazenadas tornam-se disponíveis para a cognição atual.
- →É um processo de seleção e ranqueamento, e não apenas uma consulta a banco de dados.
- →Recuperação pode combinar relevância semântica, recência, importância, objetivos, proveniência e validade temporal.
- →Recuperação episódica acessa experiências, enquanto recuperação semântica acessa conhecimento generalizado.
- →Recuperação eficaz equilibra recall útil contra contexto irrelevante ou redundante.
Definição
Recuperação de memória seleciona informação da memória persistente de um agente e torna representações relevantes disponíveis ao processo cognitivo atual.
Como agentes de longa duração podem acumular muito mais informação do que cabe no contexto ativo, recuperação determina quais partes desse histórico devem influenciar raciocínio, planejamento, decisões ou ações.
Um sistema robusto pode utilizar múltiplos sinais em vez de depender exclusivamente de similaridade semântica.
Como memórias são selecionadas
Candidatos podem ser gerados usando similaridade vetorial, busca lexical, relações entre entidades, índices temporais, tipos de memória ou metadados estruturados.
Os candidatos podem então ser ranqueados usando sinais como relevância semântica, recência, importância, relevância para objetivos, confiança, proveniência e validade temporal.
Recuperação de memória vs. busca vetorial
Busca vetorial é um possível mecanismo para encontrar memórias semanticamente semelhantes, mas similaridade não determina completamente relevância cognitiva.
Uma memória menos semelhante pode ser mais importante porque representa um compromisso, preferência, falha crítica ou tarefa não resolvida. Recuperação de memória de agentes frequentemente exige políticas de ranqueamento mais ricas.
Recuperação de memória vs. RAG
RAG normalmente recupera informação externa para fundamentar geração do modelo. Recuperação de memória de agentes recupera principalmente representações do próprio histórico acumulado e estado aprendido do agente.
Ambos podem usar tecnologias semelhantes de busca, mas memória de agentes também participa de processos como consolidação, revisão, esquecimento e continuidade cognitiva.
Recuperação episódica e semântica
Recuperação episódica acessa experiências anteriores particulares, incluindo contexto, ações e resultados.
Recuperação semântica acessa conhecimento generalizado como fatos, conceitos, relações, preferências e proposições aprendidas.
Agentes persistentes podem combinar as duas formas para recuperar conhecimento compacto junto de evidência histórica de suporte.
Por que recuperação importa para agentes de IA persistentes
Persistência mantém memória disponível através do tempo, mas recuperação determina se essa memória pode tornar-se relevante novamente.
Um agente persistente exige recuperação seletiva para que experiência anterior possa influenciar cognição futura sem inserir todo seu histórico em cada contexto ativo.
Modos de falha comuns
Memória pode estar armazenada corretamente e ainda assim a recuperação causar falha cognitiva.
- →Deixar de recuperar uma memória importante que está armazenada.
- →Recuperar informação irrelevante em excesso.
- →Dar peso excessivo à similaridade semântica ou recência.
- →Ativar informação obsoleta como se fosse atual.
- →Retornar representações redundantes da mesma evidência.
- →Recuperar informação fora do escopo autorizado de usuário, tarefa ou memória.
- →Permitir que memórias não confiáveis ou envenenadas influenciem repetidamente a cognição.
Recuperação de Memória em Agentes de IA: Selecionando o Passado para a Cognição Presente
Recuperação de memória em agentes de IA é o processo de selecionar memórias previamente armazenadas que são relevantes para o contexto, objetivos, raciocínio e decisões atuais do agente.
glossaryMemória de Agentes
Memória de agentes é o conjunto de mecanismos através dos quais um agente de IA retém, recupera, atualiza, organiza e utiliza informações de estados ou experiências anteriores para influenciar comportamento presente e futuro.
glossaryMemória Episódica
Memória episódica em um agente de IA representa experiências ou eventos específicos com contexto suficiente para que esses episódios passados possam ser recuperados e utilizados em raciocínio ou comportamento posteriores.
glossaryMemória Semântica
Memória semântica em um agente de IA representa conhecimento generalizado como fatos, conceitos, relações, preferências e proposições aprendidas que podem persistir além de experiências individuais.
glossaryMemória de Trabalho
Memória de trabalho em um agente de IA é o estado limitado e dinamicamente atualizado de informação atualmente disponível para cognição ativa.
glossaryEsquecimento de Memória
Esquecimento de memória em um agente de IA controla como informação armazenada perde retenção, acessibilidade ou influência comportamental conforme sua relevância, validade ou valor mudam.
glossaryAtenção
Atenção em um agente de IA é o processo que prioriza quais observações, memórias, objetivos e estados internos disponíveis recebem processamento cognitivo.
glossaryRaciocínio
Processo cognitivo pelo qual um agente de IA interpreta contexto, evidências, memória, conhecimento, objetivos e estado interno para derivar inferências estruturadas.