في عالم الذكاء الاصطناعي، يسود اعتقاد طويل الأمد بأن النظام الذكي يجب ألا ينسى أبداً. هذه الفكرة، المعروفة باسم التعلم المستمر، تقترح أنه مع مواجهة وكيل الذكاء الاصطناعي لمعلومات جديدة، يجب عليه أن ينسجها بعناية في قاعدة معارفه الحالية، محافظاً على كل درس مفيد من الماضي. لقد كان الخوف دائماً هو أنه إذا تعلم النظام شيئاً جديداً، فقد يتسبب دون قصد في الكتابة فوق أو فقدان المهارات القيمة القديمة التي امتلكها ذات يوم. هذه مشكلة خطيرة للآلات التي تحتاج إلى العمل لفترات طويلة، لكنها تفترض أن كل المعرفة القديمة ذات قيمة متساوية. وفي عالم الشركات المعقد الذي تدار فيه الأعمال الآن، فإن هذا الافتراض معيب؛ ففي الواقع العملي للتمويل والقانون والخدمات اللوجستية، لا تكون البيئة ثابتة؛ فالعملاء يغيرون آراءهم، واللوائح يُعاد كتابتها، والأدوات تُحدث، وظروف السوق تتبدل. وفي مثل هذا المشهد المتقلب، يمكن أن يصبح التمسك بكل تجربة ماضية عبئاً. فالذكاء الاصطنا الذي يتذكر استراتيجية من سوق هادئ قد يطبقها بشكل كارثي أثناء أزمة، أو النظام الذي يسترجع سياسة عفا عليها الزمن قد يتخذ قرارات تنتهك القوانين الحالية. لذا، فإن التحدي لا يكمن فقط في تذكر المزيد، بل في معرفة متى يجب التوقف عن استخدام ما كان صحيحاً في السابق.

تقترح ورقة بحثية جديدة حلاً لهذا المأزق من خلال إعادة صياغة كيفية تعامل الذكاء الاصطناعي مع ذاكرته. يرى الباحثون أنه بالنسبة لوكلاء المؤسسات، لا ينبغي أن يكون الهدف هو تعظيم الاستبقاء، بل إدارة دورة حياة المعرفة حيث يمكن وضع المعلومات جانباً مؤقتاً دون مسحها. لقد قدموا مفهوماً يسمى "النسيان العكسي". وبدلاً من النظر إلى النسيان كفشل أو حذف دائم، فإنهم يعاملونه كعملية محكومة حيث يتم حجب المعلومات التي أصبحت غير صالحة للاستخدام العادي ولكن يتم الاحتفاظ بها بأمان في حالة خاملة، لتكون جاهزة للعودة إذا تغير العالم بطريقة تجعلها ذات صلة مرة أخرى. يميز هذا النهج بين المعرفة التي اختفت حقاً والمعرفة التي تنتظر ببساطة اللحظة المناسبة للعودة.

ولإنجاح هذه الفكرة، صمم المؤلفون إطار عمل يتضمن ثلاث حالات متميزة للذاكرة: نشطة، وخاملة، ومتقاعدة. المعرفة النشطة هي ما يستخدمه الذكاء الاصطناعي الآن لاتخاذ القرارات. أما المعرفة الخاملة فهي المعلومات التي تعتبر حالياً غير ذات صلة أو قد تكون ضارة، لذا يقوم النظام بحجبها، لكنها تظل مخزنة وقابلة للاسترجاع. أما المعرفة المتقاعدة فهي المعلومات التي تم تحديدها رسمياً للإزالة، ومع ذلك، يظل هذا مختلفاً عن المحو الدائم، الذي يتطلب عملية قانونية صارمة ومنفصلة. الابتكار الجوهري هو القدرة على نقل المعلومات بين هذه الحالات بناءً على الأدلة. فإذا توقفت قطعة من المعرفة عن كونها مفيدة، تنتقل إلى الحالة الخاملة. وإذا تغيرت البيئة لتعود إلى حالة تصبح فيها تلك المعرفة مفيدة مرة أخرى، يمكن للنظام إعادة تنشيطها. هذا يمنع الذكاء الاصطناعي من ارتكاب أخطاء بناءً على بيانات قديمة، مع ضمان عدم فقدان القدرة على التكيف عندما تظهر الأنماط القديمة مجدداً.

اختبر الباحثون هذا المفهوم من خلال إنشاء وحدة تحكم محددة، أطلقوا عليها اسم "وحدة تحكم الذاكرة العكسية الهيستيرية" (Hysteretic Reversible Memory Controller). تعمل هذه المنظومة كحارس بوابة حذر؛ فهي لا تغير حالة الذاكرة بناءً على يوم سيء واحد أو يوم جيد واحد، بل تراكم الأدلة بمرور الوقت. ولنقل قطعة من المعرفة من الحالة النشطة إلى الحالة الخاملة، يتطلب النظام نمطاً مستمراً من انخفاض الصلة، مما يضمن أن خللاً مؤقتاً لن يتسبب في تخلص الذكاء الاصطناعي من شيء مهم. وعلى العكس من ذلك، لإعادة الحياة إلى المعرفة الخاملة، يتطلب النظام دليلاً قوياً على أن المعرفة مفيدة مرة أخرى، بل ويجري "اختبار ظل" ليرى ما إذا كان إعادة تنشيط الذاكرة سيحسن الأداء بالفعل قبل جعل هذا التغيير دائماً. يتضمن هذا التصميم ميزات سلامة مثل "الهيستيريس" (التخلفية)، وهي آلية تمنع النظام من التقلب بجنون ذهاباً وإياباً بين الحالات عندما تكون الظروف غير مؤكدة. كما يحتفظ بسجل مفصل لكل تغيير، ويسجل سبب حجب المعرفة أو إعادة تنشيطها، وهو أمر بالغ الأهمية للتدقيق والمساءلة في بيئة الأعمال.

توضح الورقة البحثية ذلك من خلال سيناريو من القطاع المالي، وهو مجال تتغير فيه الظروف بسرعة. تخيل وكيل ذكاء اصطناعي يدير المخاطر في سوق منخفضة التقلبات؛ يتعلم الوكيل معايير وسير عمل محددة تعمل جيداً في تلك البيئة الهادئة. وفجأة، تقع أزمة ويصبح السوق شديد التقلب. إذا استمر الذكاء الاصطناعي في استخدام استراتيجيات السوق الهادئة القديمة، فسيفشل في اكتشاف المخاطر الحقيقية أو سيعطي إنذارات خاطئة. بموجب الإطار الجديد، سيدرك المتحكم أن الاستراتيجيات القديمة لم تعد مناسبة وينقلها إلى حالة خمول، مما يسمح لاستراتيجيات جديدة ملائمة للأزمات بتولي زمام الأمور. وإذا استقر السوق في النهاية وعاد إلى حالة منخفضة التقلبات تشبه الحالة الأولى، فسيكتشف النظام هذا التحول ويعيد تنشيط الاستراتيجيات الأصلية، مدركاً أنها أصبحت مرة أخرى أفضل الأدوات للمهمة. وتسمح دورة الحجب والاسترداد هذه للوكيل بالتنقل عبر الأنظمة المتغيرة دون فقدان تاريخه أو ارتكاب أخطاء ضارة.

يشير المؤلفون بعناية إلى أن هذا هو إطار عمل مقترح ومجموعة من فرضيات التصميم وليس مشكلة محلولة بالكامل. ويقترحون أن هذا النهج يوفر طريقة لموازنة الحاجة إلى المنفعة الحالية مع خطر التداخل من المعلومات القديمة. كما يحددون مساراً للأبحاث المستقبلية، بما في ذلك كيفية بناء اختبارات أفضل لمعرفة ما إذا كانت هذه الطريقة تعمل عبر أنواع مختلفة من المهام، وكيفية حوكمة القواعد التي تقرر متى يجب تقاعد المعرفة. وتخلص الورقة إلى أنه من خلال التعامل مع النسيان كعملية عكسية مدارة بدلاً من كونه فقداناً دائماً، يمكن للذكاء الاصطناعي للمؤسسات أن يصبح أكثر قوة وأماناً وملاءمة للطبيعة غير المتوقعة للعالم الحقيقي. وهذا التحول في المنظور ينقل التركيز من مجرد الحفاظ على كل شيء إلى التقييم الذكي لما يهم في أي لحظة معينة.