在快速发展的人工智能（AI）领域，语言学习模型（LLMs）引发了一场值得关注的革命。然而，其效率与适应性常遭质疑。解决此问题的诱人方案竟源于一个意想不到的灵感——人类认知中的“程序性记忆”概念。雄心勃勃的科技公司Memp正采用此方法，试图使LLM智能体更适应新任务与环境。.
程序性记忆使人类能够不经刻意思考就记住如何完成某些任务——比如骑自行车或打字。这是我们用来记住那些已成自然的复杂任务的记忆类型。.
当Memp将这一行为心理学原理应用于人工智能模型时，便构建起了一座“程序性记忆”桥梁。这座桥梁助力人工智能识别模式、理解语境，并能自动适应新任务和陌生环境。人工智能单元不再需要被冗余数据所淹没，而是能够基于程序性知识做出明智决策，从而提升效率并减少计算资源消耗。.
Memp将“程序性记忆”引入大型语言模型代理的举措，标志着人工智能技术领域的开创性突破。正是这种认知学习与记忆模型，有望推动人工智能代理突破现有局限，更接近于理解细腻且具有适应性的沟通方式。.
这项创新性实现对人工智能代理的成本与复杂性具有重大影响。正如我们从人类学习过程中所能领悟的，一旦完全掌握某项任务，未来执行时所需的认知资源便会减少。同样地，配备程序性记忆的大型语言模型代理能够更高效地执行任务，消耗更少的处理能力，从而显著降低成本。此外，由于代理具备自主适应和应对新场景的能力，编程新任务的复杂度也大幅降低。.
人工智能被设想为在最复杂的层面上模仿人类智能，而采用人类记忆模型似乎是朝着这一目标迈出的巨大飞跃。随着海量信息每日涌入数字领域，以及人们对能够以类人效率学习和适应的人工智能需求日益增长，Memp的方法提供了一种引人入胜的可能性。.
不可否认，人工智能领域正经历着迅猛的变革与发展。Memp公司为大型语言模型代理引入过程性记忆技术，为人工智能领域开辟了全新的可能性与应用前景。这同时也引发了关键性思考：我们如何在人工智能领域持续创新？以人类认知为模型，我们还能将技术边界拓展到何种程度？.
从目前的情况来看，人工智能或许很快将超越单纯作为工具的定位。在Memp等项目的推动下，人工智能似乎注定要成为能够与人类共同学习成长的真正伙伴。.
文章来源 VentureBeat
