革新人工智能的长期记忆：高容量与高速存储的新视野

本文以“用记忆提升世界”为使命，探讨了实现人工超级智能（ASI）所必需的记忆设计概念。不同于提出新方法，我们重点分析了几种潜在有益但尚未充分探索的替代方案。当前主流范式是“先提取后存储”，即从经验中提取有用信息并保存，但这种方式可能导致有价值知识的丢失。相比之下，我们强调“先存储后按需提取”的方法，旨在保留原始经验并在不同任务中灵活应用，从而避免信息损失。此外，我们还提出了从大量概率经验中发现深层洞见、以及通过共享存储经验提高收集效率的两种方法。尽管这些方法看似有效，我们的简单实验验证了其有效性。最后，我们讨论了限制这些方向研究的主要挑战，并提出了相关研究课题。