علماء صينيون يطورون نظام تشغيل ذاكرة أول من نوعه لل الذكاء الاصطناعي يمنحه ذاكرة دائمة مشابهة للبشرية

باحثون صينيون يكشفون النقاب عن MemOS، أول نظام تشغيل للذاكرة يمنح الذكاء الاصطناعي احتمالية التذكر الشبيهة بالإنسان 8 يوليو 2025 كشف فريق من الباحثين من جامعات رائدة مثل جامعة جياو تونج في شنغهاي وجامعة زهيجيانغ النقاب عن نظام تشغيل ذاكرة جديد يُدعى MemOS، وهو النظام الأول من نوعه الذي يعالج مشكلة الذاكرة الدائمة في الذكاء الاصطناعي. هذا الإنجاز يهدف إلى تحسين قدرة الذكاء الاصطناعي على التعلم والتطور عبر التجارب، مما يؤدي إلى تحسين العلاقات طويلة الأمد مع المستخدمين. تحدي الذاكرة في الذكاء الاصطناعي تحدى الذكاء الاصطناعي حتى الآن القدرة على الاحتفاظ بالذاكرة عبر المحادثات المتعددة، وهو ما يعرف بمشكلة "الذاكرة المنعزلة". في كل محادثة أو جلسة جديدة، تبدأ النماذج من الصفر دون القدرة على الاحتفاظ بالمتطلبات الغذائية للمستخدم أو الأنماط السلوكية الأخرى التي تم اكتشافها في المحادثات السابقة. هذا الأمر يخلق تجربة مستخدم محبطة ويحد من قدرة الذكاء الاصطناعي على تقديم توصيات دقيقة ومتسقة. بينما تقدم بعض الحلول مثل تقنية Retrieval-Augmented Generation (RAG) وسائل لاستحضار المعلومات الخارجية أثناء المحادثات، فإن الباحثين يعتبرون هذه الحلول "بدائل بدون حالة" ولا تتوفر فيها إدارة دورة حياة الذاكرة. المشكلة تتعلق بإنشاء نماذج قادرة على التعلم الحقيقي والتطور من الخبرات، تماماً مثل الذاكرة البشرية. مزايا MemOS في مهام العقلانية المعقدة يقدم MemOS حلًا أساسيًا من خلال ما يسمى بـ "MemCubes"، وهي وحدات ذاكرة معيارية يمكن أن تحتوي على أنواع مختلفة من المعلومات وتكون قابلة للتجميع والنقل والتطور على مر الزمن. هذه الوحدات تتراوح بين المعرفة النصية الصريحة والتعديلات على مستوى المعلمات والحالات النشطة داخل النموذج، مما يخلق إطارًا موحدًا لإدارة الذاكرة لم يكن موجودًا من قبل. في اختبارات أجريت على معيار LOCOMO، الذي يقيم مهام العقلانية التي تحتاج إلى ذاكرة قوية، أثبت MemOS تفوقه بشكل كبير على النماذج التقليدية. حقق النظام تحسينًا عامًا بنسبة 38.98% مقارنة بنظام ذاكرة OpenAI، مع مكاسب كبيرة في السيناريوهات المعقدة التي تتطلب ربط المعلومات عبر عدة دورات محادثة. كما أظهر النظام تحسنًا كبيرًا في كفاءة الأداء، حيث تمكن من تقليل وقت الاستجابة الأول بنسبة تصل إلى 94% في بعض التكوينات من خلال آلية حقن ذاكرة KV-cache المبتكرة. هذه المكاسب في الأداء تشير إلى أن تحدي الذاكرة كان أكثر حدة مما كان يُعتقد سابقًا. بالمعاملة الذاكرة كمورد حاسوبي رئيسي، يبدو أن MemOS يفتح الباب أمام قدرات عقلانية لم تكن ممكنة بسبب القيود المعمارية. تأثير التكنولوجيا على نشر الذكاء الاصطناعي في المؤسسات قد يكون لهذه التكنولوجيا تأثير تحويلي على نشر الذكاء الاصطناعي في المؤسسات، خاصة وأن الشركات تعتمد بشكل متزايد على أنظمة الذكاء الاصطناعي لبناء علاقات معقدة ومستمرة مع العملاء والموظفين. يتيح MemOS ما يُطلق عليه الباحثون "نقل الذاكرة عبر المنصات"، مما يجعل ذاكرة الذكاء الاصطناعي قابلة للانتقال بين مختلف المنصات والأجهزة، ويساعد في كسر حالة "جزر الذاكرة" التي تحتجز سياق المستخدم ضمن تطبيقات محددة. على سبيل المثال، قد يتضايق فريق التسويق حاليًا عندما لا يتم نقل الرؤى التي تم استكشافها في منصة ذكاء اصطناعي معينة إلى منصة أخرى. مع MemOS، يمكن لفريق التسويق تطوير شخصيات عملاء مفصلة من خلال محادثات مع ChatGPT واستخدام هذه المعلومات عند التخطيط لحملة تسويقية باستخدام منصة ذكاء اصطناعي مختلفة. بالإضافة إلى ذلك، يتصور الباحثون إمكانية "وحدات الذاكرة المدفوعة"، حيث يمكن للخبراء في المجالات المختلفة تغليف معرفتهم في وحدات ذاكرة قابلة للشراء. يمكن للأطباء، على سبيل المثال، تغليف الطرائق التشخيصية والأسئلة المعتادة وأنماط الحالات الشائعة في ذاكرة منظمة يمكن تركيبها واستخدامها في أنظمة ذكاء اصطناعي أخرى. هذا النموذج للسوق يمكن أن يغير الطريقة التي يتم فيها توزيع وبيع المعرفة المتخصصة في أنظمة الذكاء الاصطناعي، مما يوفر فرصًا اقتصادية جديدة للخبراء ويوفر الوصول إلى معرفة عالية الجودة للمستخدمين. تصميم النظام ثلاثي الطبقات يعكس التصميم الفني لـ MemOS عقودًا من الخبرات في تصميم أنظمة التشغيل التقليدية، مع تكييفه للتحديات الفريدة لإدارة ذاكرة الذكاء الاصطناعي. يستخدم النظام معمارًا ثلاثي الطبقات: طبقة واجهة برمجة التطبيقات (API) للنداءات، طبقة العمليات لإدارة جدول الذاكرة ودورة حياتها، وطبقة البنية التحتية للتخزين والحكم. يعمل مكون MemScheduler في النظام على إدارة أنواع مختلفة من الذاكرة، بدءًا من الحالات النشطة المؤقتة وانتهاءً بالتعديلات الدائمة على المعلمات، واختيار استراتيجيات التخزين والاسترجاع الأمثل بناءً على أنماط الاستخدام ومتطلبات المهام. هذا التصميم يمثل انفصالًا كبيرًا عن النماذج الحالية، التي غالباً ما تتعامل مع الذاكرة كمورد ثابت (مدمج في معلمات النموذج) أو مؤقت (محدود بسياق المحادثة). يشير الباحثون إلى أن التركيز يتحول من كمية المعرفة التي يتعلمها النموذج مرة واحدة إلى مدى قدرته على تحويل الخبرات إلى ذاكرة منظمة واسترجاعها وإعادة بنائها بشكل متكرر. هذا التوجه يقترح إعادة تفكير أساسية في كيفية تصميم أنظمة الذكاء الاصطناعي، مع الابتعاد عن النموذج الحالي للتدريب المكثف نحو تعلم أكثر ديناميكية ومحفّز بالخبرات. إطلاق الكود كمشروع مفتوح المصدر قام الفريق بإطلاق MemOS كمشروع مفتوح المصدر، مع توفر الكود الكامل على موقع GitHub ودعم الاندماج مع منصات الذكاء الاصطناعي الرئيسية مثل HuggingFace وOpenAI وOllama. يبدو أن هذه الاستراتيجية مفتوحة المصدر مصممة لتسريع التبني والتشجيع على التطوير الجماعي، بدلاً من اتباع نهج ملكي قد يحد من تنفيذه على نطاق واسع. صرح زهي يو لي، قائد المشروع، في مستودع GitHub: "نأمل أن يساعد MemOS في تطوير أنظمة الذكاء الاصطناعي من مولدات ثابتة إلى وكلاء متطورين باستمرار ومحفّزين بالذاكرة". يدعم النظام حاليًا منصات Linux، مع خطط لدعم Windows وmacOS، مما يشير إلى أن الفريق يركز على التبني المؤسسي والمطورين بدلاً من الوصول المباشر للمستهلكين. تتوافق استراتيجية إطلاق الكود المفتوح مع اتجاه أوسع في بحوث الذكاء الاصطناعي، حيث يتم مشاركة التحسينات الأساسية في البنية التحتية بشكل مفتوح لفائدة النظام البيئي بأكمله. هذا النهج ساهم تاريخيًا في تسريع الابتكار في مجالات مثل أطر التعلم العميق ويمكن أن يكون له تأثير مماثل على إدارة ذاكرة الذكاء الاصطناعي. سباق التقنيات الكبرى لحل مشكلات الذاكرة يأتي هذا البحث في وقت تسعى فيه الشركات الكبرى للذكاء الاصطناعي إلى حل تحديات الذاكرة الحالية. أدخلت OpenAI مؤخرًا ميزات ذاكرة لـ ChatGPT، بينما جربت شركات مثل Anthropic وGoogle أنواعًا مختلفة من السياق الدائم. ومع ذلك، كانت هذه التنفيذات محدودة في نطاقها وتفتقر غالبًا إلى النهج المنهجي الذي يوفره MemOS. تؤكد هذه الأبحاث أن إدارة الذاكرة أصبحت ساحة تنافسية أساسية في تطوير الذكاء الاصطناعي. قد تحقق الشركات التي تتمكن من حل مشكلة الذاكرة بفعالية مزايا كبيرة في الاحتفاظ بالمستخدمين ورضاهم، حيث ستتمكن أنظمتها من بناء علاقات أعمق وأكثر فائدة على مر الزمن. توقع مراقبو الصناعة منذ فترة طويلة أن الانفراجة القادمة في الذكاء الاصطناعي لن تأتي بالضرورة من نماذج أكبر أو بيانات تدريب أكثر، بل من ابتكارات معمارية تقلد القدرات الإدراكية البشرية بشكل أفضل. تعتبر إدارة الذاكرة تقدمًا أساسيًا من هذا النوع، يمكن أن يفتح آفاقًا جديدة لتطبيقات وأستخدامات لم تكن ممكنة مع الأنظمة الحالية التي تعتمد على حالات معزولة. يركز فريق البحث على استكشاف المشاركة المتعددة للنماذج، وتطوير كتل ذاكرة ذاتية التطور، وإنشاء نظام إيكولوجي أوسع للذاكرة في المستقبل. ولكن ربما يكون التأثير الأكثر أهمية لـ MemOS هو البرهان على أن التعامل مع الذاكرة كمورد حاسوبي رئيسي يمكن أن يفتح الباب أمام تحسينات درامية في قدرات الذكاء الاصطناعي. في صناعة تركز بشكل كبير على زيادة حجم النماذج وبيانات التدريب، يقترح MemOS أن الانفراجة القادمة قد تأتي من هندسة أفضل وليس من حوسبة أكبر.