SuanmoSuanyangTechnology/MemoryBear

何を解決するか

MemoryBearは、従来のAIメモリの限界、すなわちLLMの小さなコンテキスト窓、訓練データの静的性、複数のAIエージェント間で情報が共有できない『データの孤島』問題に対処します。生物学的記憶プロセスを模倣することで、AIを受動的なデータ検索から能動的な認知支援へと進化させることを目指しています。

動作方法

MemoryBearは、知覚、抽出、関連付け、忘却のライフサイクルを実装しています。

• 抽出: 非構造化された会話やドキュメントを、構造化された三項式（主語-動詞-目的語）と時系列タグに解析します。
• 保存: Neo4jを活用したグラフ最優先アーキテクチャで、因果関係、時系列、論理関係などの複雑な関係をモデル化し、PostgreSQLで主要データを保存します。
• 検索: Elasticsearchによる正確なキーワードマッチングとBERT埋め込みによる意味的ベクトル検索を組み合わせたハイブリッド検索エンジンを使用します。
• 忘却: 「シナプスの pruning（刈り込み）」エンジンにより、使用頻度と時間に基づいて知識を動的に減衰させ、冗長なデータを削除して効率を維持します。
• 自己反省: スケジュールされたプロセスにより、論理的な矛盾を検出し、最近の使用状況に基づいて関係の重みを最適化します。

対象ユーザー

長期的で進化する記憶、個人化されたユーザー履歴、異なる専門エージェント間で一貫した状態を維持できる必要がある複雑なAIエージェントやマルチエージェントシステムを開発する開発者。

特徴

• 生物学的インスピレーション: 海馬と新皮質のエンコーディングと統合を模倣。
• ハイブリッド検索: キーワード検索とベクトル検索を組み合わせ、92%の精度を達成。
• 動的忘却: 低価値の知識を刈り込むことで、無駄を60%以上削減。
• グラフベース記憶: Neo4jを活用し、数百万のエンティティと数千万の関係エッジをサポート。
• 自己反省: 論理的な矛盾を自動検出し、高価値情報を強化。