ذاكرة معرفية لوكيل AI: كيف حلّ SQLite محل قواعد البيانات المتجهية

تبدو إحدى أهم المشاكل التي لم تُحل في وكلاء الذكاء الاصطناعي الحديثة بسيطة بطريقة خادعة: كيفية تعليمهم تذكر ما هو مهم ونسيان ما أصبح قديماً. اقترح مطور نشر تحليلاً تقنياً مفصلاً على موقع Habr حلاً يتعارض مع التيار السائد في الصناعة. بدلاً من استخدام قواعس البيانات المتجهة الشهيرة، بنى ذاكرة معرفية كاملة فوق ملف SQLite واحد.

المشكلة التي يصفها مألوفة لأي شخص حاول إنشاء وكيل ذكاء اصطناعي يعيش لفترة طويلة. الوصفة القياسية تبدو هكذا: تأخذ النص، وتقسمه إلى أجزاء، وتحوله إلى تضمينات متجهة، وتخزنه في Pinecone أو Chroma، وتسترجع الأقرب حسب المسافة الكوسينية عند الاستعلام. على فترات زمنية قصيرة هذا يعمل. لكن بمجرد أن يعيش الوكيل فترة أطول، يبدأ الفوضى: تمتلئ نافذة السياق بأجزاء غير ذات صلة، وتتعايش حقائق متناقضة من فترات مختلفة كما لو لم يحدث شيء، ولا توجد آلية نسيان على الإطلاق. يتذكر الوكيل كل شيء بالتساوي، وهذا في الممارسة العملية يعني أنه ينسى كل شيء بالتساوي.

تستعير العمارة المقترحة مبادئ من علم النفس الإدراكي والعلوم العصبية. تُنظم الذاكرة كرسم بياني بنوعين من العقد: الحلقات الزمنية، التي تخزن الأحداث والتفاعلات المحددة، والدلالية، التي تحتوي على معارف معممة وحقائق. تمتد بين العقد حواف مصنفة، تعكس طبيعة الاتصالات. يتم تسليط الضوء على الكيانات المسماة كطبقة منفصلة، مما يسمح للوكيل بتتبع ذكر أشخاص وتنظيمات ومفاهيم معينة وربط أجزاء المعلومات المتفرقة في صورة موحدة.

يستحق نظام البحث اهتماماً خاصاً. بدلاً من الاعتماد على طريقة واحدة لاسترجاع المعلومات، طبق المطور نهجاً هجيناً يجمع بين ثلاث آليات: البحث في النص الكامل عبر SQLite FTS5 للمطابقات الدقيقة والكلمات الرئيسية، والبحث المتجه للقرب الدلالي، وعبور الرسم البياني لاسترجاع السياقات المرتبطة. يتم دمج نتائج استراتيجيات البحث الثلاث باستخدام Reciprocal Rank Fusion، وهي خوارزمية تجمع القوائم المرتبة من مصادر مختلفة دون الحاجة إلى معايرة درجاتها المطلقة. هذا حل أنيق يسمح لكل طريقة بتعويض نقاط ضعف الآخرين.

لكن أكثر جزء مثير في العمارة يتعلق لا بالتذكر بل بالنسيان. طبق المطور منحنى نسيان إبنجهاوس، نموذج كلاسيكي من علم النفس التجريبي في القرن التاسع عشر يصف تراجع الذاكرة الأسي مع الوقت. لكل عقدة في الرسم البياني مقياس «قوة الذاكرة» يتناقص تدريجياً. المعلومات التي يتم الوصول إليها بشكل متكرر تتعزز، في حين أن الأجزاء النادرة المطلوبة تتراجع بشكل طبيعي إلى الخلفية. هذا مختلف بشكل جذري عن نهج معظم الأنظمة، حيث تكون البيانات موجودة أو غير موجودة.

تكمل الصورة آلية توحيد LLM في الخلفية. بشكل مماثل لكيفية معالجة الدماغ البشري وتلخيص المعلومات أثناء النوم، يطلق الوكيل دورياً نموذج لغة لتحليل الذكريات الحلقية المتراكمة. يحدد النموذج الأنماط ويحل التناقضات وينشئ عقد دلالية جديدة، محولاً الحلقات المتفرقة إلى معرفة منظمة. في الأساس هذا هو الإنشاء التلقائي لـ «الحكمة من التجربة».

من المهم التأكيد على البراجماتية الهندسية للحل. يعمل النظام بأكمله على ملف SQLite واحد، بدون خدمات خارجية، بدون حاويات Docker مع قواعس البيانات المتجهة، بدون اشتراكات في تخزين سحابي. بالنسبة لوكيل يعمل محلياً، هذا يعني الحد الأدنى من التبعيات وبساطة النشر والسيطرة الكاملة على البيانات. SQLite، رغم سمعتها كـ «قاعدة بيانات للمشاريع الصغيرة»، منذ وقت طويل أثبتت قدرتها على التعامل مع الأحمال الثقيلة، وتحويل امتداد FTS5 إياها إلى محرك بحث كامل الحجم.

يندرج هذا المشروع في اتجاه متنامٍ نحو إنشاء ذاكرة أكثر «إنسانية» لوكلاء الذكاء الاصطناعي. تقوم مختبرات كبيرة مثل Google DeepMind و OpenAI بدراسة نشطة لآليات الذاكرة طويلة الأجل، لكن حلولها عادةً ما تكون مرتبطة بمنصات احتكارية. معمارية مفتوحة يمكن نشرها محلياً على أي جهاز تجعل هذه الإمكانيات في متناول الجميع. إذا ثبت أن النهج قابل للتطبيق على نطاق واسع، فقد يغير الطريقة التي يجب أن تُنظم بها ذاكرة الوكلاء المستقلين، من التراكم العمياوي للبيانات إلى الإدارة ذات المعنى للمعارف.