Recent am dat peste MemWal de la Walrus, iar primul lucru care mi-a venit în minte a fost, de fapt, problema proprietății memoriei agentului.

Acum, multe agenți arată foarte inteligenți, dar ce își amintesc și ce uită, deseori sunt legate de un singur model sau platformă. CryptoBriefing din 5/21 a scris că Walrus a lansat SDK-ul MemWal, care se concentrează pe memorie persistentă și criptată, iar au adăugat și căutare semantică, astfel încât agenții pot recupera vechi contexte prin semnificație.

Locul interesant în toată treaba asta este că împarte "memoria" de capacitățile modelului până la nivelul datelor. Raportul de la Bloomingbit din 4/30 a menționat de asemenea verifiabilitatea, disponibilitatea, portabilitatea și partajabilitatea. Pe scurt, memoria agentului nu există doar într-o aplicație, ci poate fi verificată, accesată, mutată și este mai puțin probabil să fie blocată de un singur vendor.

Descrierea securității datelor în documentele Walrus se aliniază perfect cu această direcție: datele vor fi tăiate în slivers și stocate pe noduri descentralizate. Pentru un agent AI, aceasta oferă o infrastructură mai complexă decât „a stoca istoricul conversațiilor într-o anumită bază de date”.

Voi fi deosebit de atent la două scenarii de utilizare. Primul este agentul de cercetare pe termen lung, care are nevoie să recupereze datele căutate anterior. Al doilea este colaborarea între agenți multipli; dacă memoria poate fi partajată, echipa nu va trebui să înceapă de la zero de fiecare dată.

Voi considera MemWal ca un punct de testare pentru Walrus, pe calea de la stocare la infrastructura AI. Modelele se vor schimba, cadrul agentului se va schimba, dar întrebarea dacă memoria poate fi transportată va deveni din ce în ce mai importantă.