Plus je vois les systèmes d'IA accumuler de la mémoire, moins je suis convaincu que se souvenir de tout est réellement l'objectif.
La plupart des gens semblent supposer que plus de contexte signifie automatiquement de meilleurs résultats. Les traders font quelque chose de similaire. On sauvegarde chaque graphique, chaque signal, chaque indicateur, puis on finit par s'enliser sous une montagne d'informations en lesquelles on n'a plus confiance. Le problème n'est pas le manque de données. C'est de porter trop de données.
Cela m'a fait voir la mémoire de l'IA d'une manière un peu différente.
Ce n'est peut-être pas du tout une conversation sur l'intelligence. Cela pourrait être une discussion sur le filtrage économique. Sur le choix des morceaux d'histoire qui méritent de survivre et ceux qui devraient discrètement disparaître.
C'est en partie pourquoi @OpenGradient et $OPG continuent d'attirer mon attention. Le récit évident est la mémoire persistante, l'état vérifiable et le contexte durable. Mais la couche la plus intéressante pourrait être ce qui se passe lorsque la mémoire elle-même devient rare. Pas le stockage. Une mémoire utile.
Si les agents d'IA accumulent continuellement des expériences, des incitations, des récupérations et des décisions, il faudra finalement que quelqu'un détermine ce qui reste pertinent. Le système commence à passer de la création de mémoire à la sélection de mémoire. De se souvenir à oublier.
Et si l'oubli affecte la performance future, la responsabilité ou la confiance, alors l'oubli cesse d'être une fonction technique. Cela devient une décision économique.
Cela crée une possibilité étrange. Les modèles pourraient finalement moins rivaliser sur combien ils en savent et plus sur leur capacité à abandonner ce qui n'a plus d'importance.
La plupart des marchés de l'IA récompensent encore l'accumulation.
Je ne suis pas sûr qu'ils le feront pour toujours.
Et si cela change, la couche de valeur pourrait se retrouver quelque part de très différent de ce que les gens attendent aujourd'hui.
#OPG #Opg #opg $OPG @OpenGradient #opg $OPG
La plupart des gens semblent supposer que plus de contexte signifie automatiquement de meilleurs résultats. Les traders font quelque chose de similaire. On sauvegarde chaque graphique, chaque signal, chaque indicateur, puis on finit par s'enliser sous une montagne d'informations en lesquelles on n'a plus confiance. Le problème n'est pas le manque de données. C'est de porter trop de données.
Cela m'a fait voir la mémoire de l'IA d'une manière un peu différente.
Ce n'est peut-être pas du tout une conversation sur l'intelligence. Cela pourrait être une discussion sur le filtrage économique. Sur le choix des morceaux d'histoire qui méritent de survivre et ceux qui devraient discrètement disparaître.
C'est en partie pourquoi @OpenGradient et $OPG continuent d'attirer mon attention. Le récit évident est la mémoire persistante, l'état vérifiable et le contexte durable. Mais la couche la plus intéressante pourrait être ce qui se passe lorsque la mémoire elle-même devient rare. Pas le stockage. Une mémoire utile.
Si les agents d'IA accumulent continuellement des expériences, des incitations, des récupérations et des décisions, il faudra finalement que quelqu'un détermine ce qui reste pertinent. Le système commence à passer de la création de mémoire à la sélection de mémoire. De se souvenir à oublier.
Et si l'oubli affecte la performance future, la responsabilité ou la confiance, alors l'oubli cesse d'être une fonction technique. Cela devient une décision économique.
Cela crée une possibilité étrange. Les modèles pourraient finalement moins rivaliser sur combien ils en savent et plus sur leur capacité à abandonner ce qui n'a plus d'importance.
La plupart des marchés de l'IA récompensent encore l'accumulation.
Je ne suis pas sûr qu'ils le feront pour toujours.
Et si cela change, la couche de valeur pourrait se retrouver quelque part de très différent de ce que les gens attendent aujourd'hui.
#OPG #Opg #opg $OPG @OpenGradient #opg $OPG