「رویابین» (Dreaming)؛ معماری عامل‌های پس‌زمینه‌ای

زمان مطالعه: ۳ دقیقه

در حالی که رقابت برای ساخت عامل‌های هوشمندتر به اوج خود رسیده، آنتروپیک و اوپن‌ای‌آی تقریباً همزمان به یک معماری مشترک رسیده‌اند: عامل‌های «رویابین» (Dreaming). این قابلیت به عامل‌ها اجازه می‌دهد در فاصله بین وظایف، عملکرد خود را مرور کرده و بهبود یابند.

Your Attractive Heading


رویای آنتروپیک (Anthropic Dreams)

در تاریخ ۶ مه ۲۰۲۶، آنتروپیک در کنفرانس توسعه‌دهندگان «Code with Claude» از قابلیت Dreaming برای پلتفرم Managed Agents خود رونمایی کرد.

Dreaming یک فرآیند زمان‌بندی‌شده در پس‌زمینه است که نشست‌های گذشته و حافظه‌ی ذخیره‌شده را مرور کرده، الگوها را استخراج و حافظه را بازسازی می‌کند. این فرآیند می‌تواند:

  • تکرار اشتباهات را شناسایی کند
  • گردش‌کارهای رایج و ترجیحات تیم را بیابد
  • حافظه را از داده‌های تکراری و منسوخ پاک‌سازی کند

معماری Dreaming آنتروپیک محافظه‌کارانه طراحی شده است. این فرآیند یک حافظه‌ی جدید و بازسازیشده تولید می‌کند و حافظه‌ی ورودی را هرگز تغییر نمی‌دهد. توسعه‌دهندگان می‌توانند خروجی را بررسی کرده و در صورت عدم رضایت، آن را کنار بگذارند.

مهم‌ترین کاربرد Dreaming آنتروپیک، یادگیری میان‌عاملی (cross-agent) است؛ الگوهایی که یک عامل به‌تنهایی نمی‌تواند ببیند، از طریق Dreaming در سراسر تیم به اشتراک گذاشته می‌شود.


رویای اوپن‌ای‌آی (OpenAI Dreaming V3)

اوپن‌ای‌آی در ۲ ژوئن ۲۰۲۶، نسخه‌ی سوم قابلیت Dreaming خود را با نام Dreaming V3 برای ChatGPT منتشر کرد.

این قابلیت در پس‌زمینه، اطلاعات را از تاریخچه‌ی مکالمات استخراج کرده و نمایه‌ای از کاربر شامل علایق، پروژه‌ها، برنامه‌های سفر و ترجیحات می‌سازد. Dreaming V3 به‌طور خودکار تشخیص می‌دهد کدام اطلاعات هنوز مفید هستند و کدام‌ها منسوخ شده‌اند.

نتایج داخلی اوپن‌ای‌آی بهبود چشمگیری را نشان می‌دهد:

معیار۲۰۲۴ (حافظه ذخیره‌شده)۲۰۲۵ (Dreaming V0)۲۰۲۶ (Dreaming V3)
بازیابی اطلاعات واقعی۴۱.۵٪۶۷.۹٪۸۲.۸٪
پیروی از ترجیحات کاربر۳۱.۴٪۵۵.۳٪۷۱.۳٪
دقت در طول زمان۹.۴٪۵۲.۲٪۷۵.۱٪

دو معماری، یک واژه

با وجود اشتراک در نام و هدف، این دو شرکت معماری‌های متفاوتی پیاده‌سازی کرده‌اند:

ویژگیAnthropic DreamsOpenAI Dreaming V3
زمان انتشار۶ مه ۲۰۲۶۲ ژوئن ۲۰۲۶
حوزهManaged Agents (سطح توسعه‌دهنده)ChatGPT (سطح کاربر نهایی)
هدف اصلیبهبود عملکرد عامل‌ها در وظایفشخصی‌سازی تجربه‌ی کاربر
رویکردمحافظه‌کارانه (حافظه‌ی ورودی تغییر نمی‌کند)پیش‌رونده (حافظه به‌روز می‌شود)
حوزه‌ی یادگیریمیان‌عاملی (cross-agent)تک‌عاملی (per-user)

«لحظه‌ی همراستایی» در معماری عامل‌ها

هم‌زمانی انتشار این دو قابلیت، نشان‌دهنده‌ی یک همگرایی استراتژیک در صنعت هوش مصنوعی است: هر دو شرکت به این نتیجه رسیده‌اند که عامل‌های هوشمند برای عملکرد مؤثر، به حافظه‌ای پویا و خودبهبوددهنده نیاز دارند که در پس‌زمینه فعالیت کند.

پرسش بی‌پاسخ این است: آیا «رویابینی» به استانداردی فراگیر در معماری عامل‌ها تبدیل خواهد شد؟ و آیا رویکرد محافظه‌کارانه‌ی آنتروپیک (با قابلیت بازگشت) یا رویکرد پیش‌رونده‌ی اوپن‌ای‌آی (با به‌روزرسانی خودکار)، مسیر نهایی این فناوری را تعیین خواهد کرد؟

یک چیز قطعی است: «رویابینی» از یک استعاره‌ی شاعرانه به یک ضرورت مهندسی تبدیل شده است. عامل‌هایی که نمی‌توانند از گذشته‌ی خود بیاموزند، در رقابت با عامل‌هایی که «در خواب» نیز در حال بهبود هستند، محکوم به شکست‌اند.

مقاله رو دوست داشتی؟ نظرت چیه؟

۹ پاسخ به “「رویابین» (Dreaming)؛ معماری عامل‌های پس‌زمینه‌ای”

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *