Память и контекст

иллюстрация

В двадцатые годы в лабораторию молодого психолога Александра Лурии пришёл газетный репортёр Соломон Шерешевский. Прислал его редактор, который заметил, что на планёрках Шерешевский ничего не записывает, а потом повторяет задания дословно. Лурия начал проверять его память и довольно быстро понял, что не может найти её границ: Шерешевский запоминал таблицы из десятков цифр, длинные ряды бессмысленных слогов, формулы, которых не понимал, и воспроизводил их через месяцы и годы, причём в любом порядке. Лурия наблюдал его около тридцати лет и в 1968 году написал о нём «Маленькую книжку о большой памяти», одну из самых странных и печальных книг в истории психологии.

Печальная она потому, что огромная память оказалась для Шерешевского скорее бедой. Он с трудом понимал переносный смысл, потому что каждое слово вызывало у него яркий конкретный образ, и образы мешали уловить мысль. Он путался в длинных текстах, где подробности заслоняли главное. И он мучился оттого, что не умел забывать: ненужные таблицы и ряды слогов продолжали стоять перед глазами, и он пробовал избавляться от них самыми наивными способами, записывая то, что хотел забыть, на бумагу, чтобы голова могла это отпустить.

За четверть века до книги Лурии аргентинский писатель Хорхе Луис Борхес придумал похожего человека. В рассказе «Фунес, чудо памяти» 1942 года юноша после падения с лошади начинает помнить абсолютно всё: каждый лист на каждом дереве, каждое облако в каждый момент, каждое своё воспоминание о каждом воспоминании. Фунес помнит больше, чем кто-либо на свете, и при этом почти не способен думать. Борхес объясняет почему, и это одна из самых точных фраз, когда-либо написанных о памяти: думать — значит забывать различия, обобщать, абстрагироваться.

---

Когда разработчики говорят о памяти для ИИ-агентов, они чаще всего имеют в виду так называемую векторную базу данных. Устроена она так: каждый кусок текста, будь то документ, фрагмент кода или запись разговора, программа превращает в набор чисел, который можно представить как точку в очень многомерном пространстве, причём тексты с похожим смыслом оказываются рядом. Когда агенту что-то нужно, его вопрос тоже превращают в точку и находят ближайшие к ней куски. Работает это хорошо, и это очень полезный инструмент.