Ada sesuatu yang cukup aneh dalam gelombang AI baru-baru ini.
Kita banyak berbicara tentang model, tentang kekuatan penalaran, tentang kemampuan otomatisasi, tetapi sedikit berbicara tentang apa yang membuat sistem ini benar-benar berguna setelah digunakan dalam jangka waktu tertentu: memori.
Sistem AI saat ini tampaknya sangat pintar dalam setiap sesi kerja individu, tetapi kemudian semuanya mulai dari awal. Pengguna mengulangi konteks, agen mengulangi proses, data yang dihasilkan lalu dengan cepat menghilang.
Itu bukan masalah baru, hanya saja selama bertahun-tahun kita terbiasa melihat memori sebagai fitur alih-alih lapisan infrastruktur.
Akibatnya, sistem semakin kompleks tetapi masih beroperasi seperti entitas yang mengalami kehilangan ingatan jangka pendek. Terlalu banyak sumber daya digunakan untuk mereproduksi apa yang pernah ada.
Yang menarik adalah OpenGradient tampaknya tidak fokus pada membuat AI lebih pintar. Sepertinya mereka sedang mencoba arah lain: mengubah memori menjadi aset yang dapat disimpan, diambil, dan dibagikan di antara agen dalam sistem.
Bukan masalah model.
Tetapi masalah berkelanjutan dari konteks.
Tentu saja, ide apa pun terdengar masuk akal di atas kertas. Adopsi tetap lebih penting daripada arsitektur, penggunaan tetap lebih penting daripada narasi apa pun. Jika pengguna tidak menciptakan dan menggunakan memori sebagai bagian alami dari proses, lapisan infrastruktur itu akan menjadi penyimpanan yang mahal.
Hal yang membuat saya lebih penasaran adalah kemungkinan pasar sedang mengevaluasi rendah peran memori dalam AI. Jika itu benar, OpenGradient mungkin sedang menyentuh masalah struktural daripada tren jangka pendek.
Setidaknya dari cara saya melihat, ini adalah bagian yang paling menarik.
#opg $OPG @OpenGradient
Kita banyak berbicara tentang model, tentang kekuatan penalaran, tentang kemampuan otomatisasi, tetapi sedikit berbicara tentang apa yang membuat sistem ini benar-benar berguna setelah digunakan dalam jangka waktu tertentu: memori.
Sistem AI saat ini tampaknya sangat pintar dalam setiap sesi kerja individu, tetapi kemudian semuanya mulai dari awal. Pengguna mengulangi konteks, agen mengulangi proses, data yang dihasilkan lalu dengan cepat menghilang.
Itu bukan masalah baru, hanya saja selama bertahun-tahun kita terbiasa melihat memori sebagai fitur alih-alih lapisan infrastruktur.
Akibatnya, sistem semakin kompleks tetapi masih beroperasi seperti entitas yang mengalami kehilangan ingatan jangka pendek. Terlalu banyak sumber daya digunakan untuk mereproduksi apa yang pernah ada.
Yang menarik adalah OpenGradient tampaknya tidak fokus pada membuat AI lebih pintar. Sepertinya mereka sedang mencoba arah lain: mengubah memori menjadi aset yang dapat disimpan, diambil, dan dibagikan di antara agen dalam sistem.
Bukan masalah model.
Tetapi masalah berkelanjutan dari konteks.
Tentu saja, ide apa pun terdengar masuk akal di atas kertas. Adopsi tetap lebih penting daripada arsitektur, penggunaan tetap lebih penting daripada narasi apa pun. Jika pengguna tidak menciptakan dan menggunakan memori sebagai bagian alami dari proses, lapisan infrastruktur itu akan menjadi penyimpanan yang mahal.
Hal yang membuat saya lebih penasaran adalah kemungkinan pasar sedang mengevaluasi rendah peran memori dalam AI. Jika itu benar, OpenGradient mungkin sedang menyentuh masalah struktural daripada tren jangka pendek.
Setidaknya dari cara saya melihat, ini adalah bagian yang paling menarik.
#opg $OPG @OpenGradient