新智元報道

編輯：傾傾

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?！?/p>

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?！?/p>

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。

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