Microsoft bygger långtidsminne för AI-agenter
Microsoft Research har lanserat Memora, ett minnessystem som låter AI-agenter komma ihåg användare och tidigare samtal över tid – och som påstås minska behovet av kontextdata med upp till 98 procent utan att försämra träffsäkerheten. Systemet delar upp varje minne i en kort sammanfattning och ett detaljerat innehåll, och använder kontextetiketter för att snabbt hitta relevant information. Det är fortfarande ett forskningsprojekt, men koden finns redan på GitHub för den som vill testa.
Djupdykning
Problemet med dagens AI-assistenter är att de i princip lider av anterograd amnesi – de kan vara hur smarta som helst, men varje ny session börjar från noll. Memora försöker lösa det genom att komprimera konversationshistorik till smarta minnesnoduler istället för att dumpa hela chatten i modellens "arbetsminne" (det som kallas kontextfönstret, alltså hur mycket text en AI kan hålla i huvudet samtidigt). Att klara sig med 98% mindre kontextdata är inte bara en teknisk finputsning – det handlar om kostnader och hastighet, eftersom stora kontextfönster är dyra att bearbeta. Det de flesta missar i den här diskussionen är att minnesproblematiken egentligen är det som skiljer en genuint användbar AI-agent från ett avancerat sökfält – om en agent inte kommer ihåg att du aldrig vill ha mötesförslag på fredagseftermiddagar, eller att du jobbade med ett visst projekt i tre månader, är den fortfarande mest ett imponerande ettminnesverktyg. Källkoden är redan ute på GitHub, vilket betyder att det här potentiellt dyker upp i tredjepartsverktyg långt innan Microsoft eventuellt rullar ut det i Copilot.