1. 首頁 > 生活百科 > >

LLM會夢到AI智能體嗎？不，是睡著了也要加班

大戶型

LLM會夢到AI智能體嗎？不，是睡著了也要加班

文章圖片

LLM會夢到AI智能體嗎？不，是睡著了也要加班

文章圖片

LLM會夢到AI智能體嗎？不，是睡著了也要加班

文章圖片

LLM會夢到AI智能體嗎？不，是睡著了也要加班

文章圖片

LLM會夢到AI智能體嗎？不，是睡著了也要加班

【導讀】人類的大腦 ， 會在夢里篩選記憶 。 如今 ， AI也開始學會在「睡眠」中整理、保存 ， 甚至遺忘 。 Bilt部署數百萬智能體 ， 讓科幻小說里的設問——「仿生人會夢見電子羊嗎？」——逐步成真 。 那么 ， 當AI也能選擇忘記時 ， 它會變得更像人 ， 還是更陌生？
幾十年前 ， 菲利普·迪克提出了一個看似荒誕 ， 卻直擊人心的問題：
「仿生人會夢見電子羊嗎？」
如果機器也能做夢 ， 它們夢見的 ， 會不會是人類記憶的殘影？
半個世紀后 ， 這個問題正在以另一種方式被回應 。
人類在睡眠中整理記憶 ， 而今天 ， 一些AI也開始「學會」這樣做 。

AI也會「做夢」 ， 睡眠中的記憶整理實驗對人類來說 ， 睡眠不僅是休息 ， 更是一次「后臺整理」 。
大腦會自動把白天的精力歸檔：記住重要的 ， 忘記無關的 。
在今天 ， 這個問題正在以另一種方式被回應 。
Bilt公司 ， 最近部署了數百萬個AI智能體 ， 并為他們安排了「睡眠時間」 。
在這段時間里 ， AI會停下對話 ， 啟動「睡眠計算」（sleeptime compute）的機制 ， 像人腦一樣整理記憶 。
它們會評估過往的互動 ， 決定哪些內容進入長期記憶庫 ， 哪些放在快速提取區 。
Fast Company指出 ， 這不僅是模仿人類的夢 ， 更是主動智能的開端：
AI 不再被動回答 ， 而是在睡眠中「預演未來」 ， 在推理任務上展現出更高的效率與更低的成本
這種看似科幻的實驗 ， 讓「AI會做夢」不再只是文學隱喻 ， 而是正在發生的現實 。

從人腦到AI ， 記憶機制的巨大差距人類大腦的記憶 ， 就像一塊不斷吸水的海綿 。
這意味著 ， 人類不僅能記住事情本身 ， 還能帶著情緒權重來篩選信息 ， 并且能在不知不覺中提煉重點 ， 把情緒、場景、細節打包成長期經驗 。
而AI的大腦遠沒這么靈活 。
它們的「記憶」取決于上下文窗口——它只能調用輸入的信息 。
即便GPT-4 Turbo的上限是128k tokens ， 也不過相當于幾百頁書 。
相比之下 ， 人腦的容量被估算高達2.5PB（250萬GB） 。
因此 ， 想讓AI記得上次說了什么 ， 就需要把內容再輸入一遍 。
但問題是 ， 上下文窗口長度有限 。
如果信息量太大 ， AI就容易「過載」：邏輯混亂、答非所問、憑空幻覺 。
相比之下 ， 人類不僅能牢牢記住重要信息 ， 還能在需要時靈活調用 。
正如Letta的CEO Charles Packer所說：
人類大腦會因為不斷吸收而進化 ， 但語言模型在同一個上下文里循環太久 ， 只會被污染 ， 越跑越偏 ， 直到不得不重置 。
這意味著 ， 人類的「夢境」能讓我們更清醒 ， 而AI的「上下文」卻常常讓它迷失 。

Bilt+Letta ， 百萬智能體的「睡眠計算」在Bilt的實驗中 ， 睡眠計算是核心 。
數百萬AI智能體同時運行時 ， 大部分其實都處于空閑狀態
這些智能體會在后臺進入一種「休眠」狀態 ， 暫停與用戶的交互 ， 轉而對過去的對話和經驗做一次系統化梳理 。
它們會自動區分兩類信息：
第一類：長期記憶 。 像用戶的偏好、歷史記錄、關鍵事件 ， 這些會被牢固保存 。
第二類：快速提取 。 更短期、臨時性的信息 ， 可以隨時調用 ， 也能很快被替換 。
在 Letta 的演示中 ， 用戶Chad的偏好最初是零碎的描述：
Chad 喜歡藍色 ， 比藍色更喜歡紅色 ， 最喜歡灰色 ， 討厭綠色 。
經過睡眠計算后 ， 這些信息被整理成清晰的偏好表 。
這就像把零散的對話記錄壓縮成一份長期「記憶檔案」 。
圖：睡眠代理整理用戶輸入的內容 ， 并把用戶對顏色的喜好排序
更具顛覆性的是 ， 這兩個區間并非孤立存在 。
Letta的技術支持對某一個「記憶塊」進行單點更新 ， 隨后數十萬智能體的行為便會隨之改變 。
這意味著 ， AI個體之間的「經驗」是可共享的 。
正如 Bilt 的工程師 Andrew Fitz 所說：
「我們可以通過一次更新 ， 就讓整個系統的表現發生連鎖變化 。 」
根據Letta的介紹 ， 該機制采用的是「主代理+睡眠代理」的架構 。
前者負責實時交互 ， 后者在后臺持續整理記憶 ， 把信息寫入共享的memory blocks ， 讓AI在「醒來」后擁有更清晰、更穩定的認知 。
對此 ， Fast Company評論道：
這不僅是模仿人類的夢境 ， 更是「主動智能」（proactive intelligence） 的雛形 。
AI 不再只是被動回答 ， 而是在睡眠中提前優化推理策略 。
實驗顯示 ， 在數學和邏輯測試中 ， 應用睡眠計算的模型表現更好 ， 推理時間和成本也顯著下降 。
如果說人類的夢境是私密的 ， 那AI的「睡眠記憶」更像是一場同步的大規模演練 。

從健忘到記憶 ， AI的短板與突圍越來越多的用戶抱怨AI健忘、答非所問 ， 甚至編造「回憶」 。
不少研究者認為 ， 記憶缺陷是限制AI智能與穩定的根源 。
如果沒有穩定可靠的記憶 ， AI無法形成真正的個性化與長期價值 。
也正因如此 ， 「提高記憶力」成為行業的集體突圍方向 。
LangChain的CEO Harrison Chase把記憶視為「上下文工程的核心」 。
他認為 ， AI的智能很大程度取決于開發者選擇放進上下文的信息 。
LangChain因此提供了不同的記憶存儲機制 ， 從用戶長期畫像到近期交互記錄 ， 都能靈活調用 。
對此 ， OpenAI也在嘗試 。
今年2月 ， 它宣布ChatGPT將具備記憶功能 ， 能在多輪對話中逐步學習用戶偏好——只不過細節并未公開 。
與此不同的是 ， Letta和LangChain把「記憶回調」的過程完全透明化 ， 方便工程師理解和管理 。
AI托管平臺Hugging Face的CEO Clem Delangue也強調：
「不僅模型需要開放 ， 記憶系統也必須開放 。 」
MemGPT則在探索如何把短期與長期記憶區分開 ， 避免AI被「污染」 。
這套思路后來被Letta進一步擴展 ， 用在了大規模智能體的「睡眠計算」中 。
可以說 ， 「誰先解決記憶問題 ， 誰就更接近下一個AI時代」 。

學會遺忘 ， AI未來的關鍵一步在大多數人眼里 ， AI的進化意味著要「記住更多」 。
但Charles Packer卻提出另一種思路：
AI不僅要會記 ， 還要學會忘 。
【LLM會夢到AI智能體嗎？不，是睡著了也要加班】在人類世界 ， 遺忘是進化出優勢 。
研究顯示 ， 睡眠中的「智能忘卻」能幫助大腦抑制無效信息 ， 把注意力集中在真正重要的片段上 。
如果沒有遺忘 ， 我們的大腦就會像塞滿文件的硬盤 ， 總有一天會崩潰 。
而對于AI來說 ， 這是它面臨的另一難題：災難性遺忘（catastrophic forgetting）
因為 ， AI的神經網絡在學習新任務時 ， 往往會覆蓋舊知識。
這和人類的「選擇性遺忘」不同 ， 它是一種有層次的、可控的機制 。
因此 ， 未來的 AI 需要發展出「人工遺忘」 。
當用戶對AI說「把那個項目刪掉 ， 不要再記了」 ， 未來AI的回應不止是停止調用這段記憶 ， 還能追溯性地清除所有相關內容 。
即使是AI ， 也必須學會刪除涉及敏感或過時的信息 。
在歐洲 ， 「被遺忘權（Right to Be Forgotten）」已寫進隱私法規 。
這不僅是技術挑戰 ， 更是倫理問題 。
那么 ， 誰有權利決定AI記得什么、忘記什么？
當遺忘成為可能 ， 它會帶來更安全的使用體驗 ， 還是新的操控手段？
或許 ， 真正讓AI更像人的 ， 不是「永不遺忘」 ， 而是「學會遺忘」 。
參考資料：
https://www.wired.com/story/sleeptime-compute-chatbots-memory/
https://www.fastcompany.com/91368307/why-sleep-time-compute-is-the-next-big-leap-in-ai?utm_source=chatgpt.com
https://www.letta.com/blog/sleep-time-compute?utm_source=chatgpt.com
本文來自微信公眾號“新智元” ， 編輯：傾傾 ， 36氪經授權發布 。

    推薦閱讀