นางเอก ‘Resident Evil’ ร่วมมือกับโปรแกรมเมอร์สร้าง AI ‘Memory Palace’ แบบเปิดแหล่งในท้องถิ่น ทำคะแนนสูงสุดเป็นประวัติการณ์ที่ 96.6%

ภูมิหลังโครงการ: ระบบความจำ AI แบบโอเพนซอร์ส MemPalace

บน GitHub มีโครงการโอเพนซอร์สชื่อ MemPalace ที่ได้รับความสนใจอย่างกว้างขวาง โครงการนี้สร้างขึ้นโดยนักแสดงหญิงชื่อดัง มิลลา โจโววิช (แสดงนำในซีรีส์ Resident Evil) ร่วมกับเพื่อนโปรแกรมเมอร์และทีม Claude โดยมีเป้าหมายเพื่อสร้างระบบความจำ AIที่มีประสิทธิภาพสูง

หลังจากการพัฒนาและปรับปรุงมาหลายเดือน ระบบนี้ได้คะแนนสูงถึง96.6%ในการทดสอบมาตรฐานความจำระยะยาว LongMemEval ซึ่งอ้างว่าเป็น “คะแนนสูงสุดเท่าที่มีการบันทึกไว้สาธารณะ” โครงการนี้เป็นโอเพนซอร์สสมบูรณ์และรองรับการติดตั้งและใช้งานในเครื่อง

แรงบันดาลใจในการออกแบบ: มาจาก “วิธีวังแห่งความจำ”

แรงบันดาลใจหลักในการออกแบบ MemPalace มาจาก “วิธีวังแห่งความจำ” (Memory Palace) ที่นักพูดชาวกรีกโบราณใช้กัน ระบบนี้จัดระเบียบความจำของ AI ให้เป็นโครงสร้างเชิงพื้นที่ที่สามารถนำทางได้:

• วัง (Palace): แทนพื้นที่รวมทั้งหมดที่มีความรู้ทั้งหมด
• ห้อง (Rooms): แทนหัวข้อความรู้ที่แตกต่างกัน ข้อมูลถูกจัดหมวดหมู่และจัดเก็บตามหัวข้อ
• ความทรงจำ (Memories): เนื้อหาข้อมูลที่เก็บไว้ในห้องเฉพาะเจาะจง

กระบวนการที่ผู้ใช้ค้นหาข้อมูล ถูกเปรียบเทียบกับการเดินในวังและเปิดประตูต่าง ๆ กล่าวกันว่าวิธีการจัดระเบียบความจำแบบมีโครงสร้างนี้ สามารถเพิ่มประสิทธิภาพการค้นคืนได้ประมาณ34% เมื่อเทียบกับการค้นหาแบบไม่เป็นระเบียบทั่วทั้งระบบ

ที่สำคัญกว่านั้น MemPalace พยายามเปลี่ยนแนวทางในการแก้ปัญหาความจำของ AI — ไม่ได้มุ่งเน้นที่การให้ AI ตัดสินใจเองว่าข้อมูลใด “คุ้มค่าต่อการจดจำ” แต่ทุ่มเทให้กับการบันทึกบทสนทนาทุกครั้งอย่างครบถ้วน แม้จะเป็นเนื้อหาที่ห่างกันหลายเดือนก็สามารถบันทึกและเรียกใช้ได้อย่างมีประสิทธิภาพ

นอกจากนี้ ทีมยังได้ออกแบบภาษาย่อเฉพาะสำหรับ AI ที่เรียกว่าAAAK เพื่อเพิ่มประสิทธิภาพในการแสดงออกของข้อมูล

รายละเอียดทางเทคนิค: สถาปัตยกรรมและประสิทธิภาพ

เบน ซิกแมน ผู้เขียนอีกคนของโครงการ ชี้ให้เห็นว่าสิ่งที่ทำให้ MemPalace แตกต่างคือประสิทธิภาพอันยอดเยี่ยมและรูปแบบการทำงานที่แตกต่าง

นอกจากจะโดดเด่นในการทดสอบ LongMemEval แล้ว ยังได้คะแนน 92.9% และ 100% ในการทดสอบ ConvoMem ที่เน้นความจำระยะสั้น และ LoCoMo ที่เน้นความจำระยะยาวมาก ตามลำดับ

คุณสมบัติหลัก: การทำงานในเครื่องและการปกป้องความเป็นส่วนตัว
การประมวลผลความจำทั้งหมดของ MemPalace ดำเนินการในเครื่อง ไม่จำเป็นต้องอัปโหลดข้อมูลผู้ใช้ไปยังคลาวด์ ซึ่งลดความเสี่ยงการรั่วไหลของความเป็นส่วนตัวตั้งแต่ต้นทาง

คำอธิบายโดยละเอียดของสถาปัตยกรรมวังแห่งความจำ
ต่างจากโซลูชันฐานข้อมูลเวกเตอร์ทั่วไป MemPalace สร้างแบบจำลองความจำเชิงพื้นที่แบบลำดับชั้น:

• ปีก (Wing): แทนบุคคลหนึ่งคนหรือโครงการหนึ่งโครงการ เป็นพื้นที่ความจำอิสระ
• ห้อง (Room): แทนหัวข้อเฉพาะเจาะจง (เช่น การรับรอง การติดตั้ง)
• โถงทางเดิน (Hall): กำหนดหมวดหมู่คุณลักษณะของความทรงจำ (เช่น คำแนะนำ การตัดสินใจ) เพิ่มมิติความหมายให้กับข้อมูล
• ชั้นเก็บข้อมูล:
  • ลิ้นชัก (Drawer): เก็บบันทึกบทสนทนาดั้งเดิมที่สมบูรณ์
  • ตู้เสื้อผ้า (Closet): เก็บบทสรุปย่อของเนื้อหาที่ถูกบีบอัด สำหรับให้ AI อ่านได้อย่างรวดเร็ว
• อุโมงค์ (Tunnel): เมื่อมี “ห้อง” ในหัวข้อเดียวกันปรากฏใน “ปีก” ที่ต่างกัน ระบบจะสร้างการเชื่อมต่อโดยอัตโนมัติ ทำให้สามารถเชื่อมโยงหัวข้อข้ามโครงการหรือข้ามบุคคลได้

การตรวจสอบประสิทธิภาพ: ข้อได้เปรียบของการค้นคืนแบบมีโครงสร้าง
เพื่อตรวจสอบประสิทธิภาพของสถาปัตยกรรม ทีมได้เปรียบเทียบความแม่นยำของวิธีการค้นคืนสี่แบบบนบทสนทนาจริงมากกว่า 22,000 บทสนทนา:

การทดลองแสดงให้เห็นว่า ทุกครั้งที่เพิ่มข้อจำกัดโครงสร้างอีกหนึ่งชั้น (จากการค้นหาทั่วทั้งระบบไปจนถึงการจำกัดเฉพาะห้อง) ความแม่นยำในการค้นคืนจะเพิ่มขึ้นอย่างมีนัยสำคัญ ซึ่งพิสูจน์แนวคิดการออกแบบที่ว่า “โครงสร้างของวังนั้นคือตัวผลิตภัณฑ์เอง”

สแต็กความจำ: กลไกการโหลดตามความต้องการ
เพื่อสร้างสมดุลระหว่างประสิทธิภาพและผลลัพธ์ MemPalace ได้ออกแบบสแต็กความจำแบบแบ่งชั้น:

• L0+L1 (ประมาณ 170 โทเค็น): อยู่ในหน่วยความจำเสมอ ประกอบด้วยการรับรู้ตนเองพื้นฐานของ AI และบริบทการสนทนาปัจจุบัน เพื่อให้แน่ใจว่า AI ทุกครั้งที่ “ตื่นขึ้น” จะมีจิตสำนึกพื้นฐาน
• L2 (ระดับห้อง): ถูกเรียกใช้ตามความต้องการ ค้นคืนความทรงจำภายในห้องหัวข้อเฉพาะ
• L3 (ระดับทั่วทั้งระบบ): การค้นหาเชิงลึก เริ่มทำงานเมื่อระดับก่อนหน้าไม่สามารถตอบสนองความต้องการได้

กลไก “เข้าใจด้วยต้นทุนต่ำสุด ค่อย ๆ ลึกลงไปตามความต้องการ” นี้ ทำให้ระบบสามารถรับประกันความแม่นยำในการเรียกคืนแต่ละครั้ง ในขณะเดียวกันก็รักษาความเสถียรของความจำระยะยาวไว้ได้

ความสามารถในการประมวลผลความจำปริมาณมหาศาล
ทีมได้ทดสอบ MemPalace ด้วยเนื้อหาการสนทนาที่ยาวนาน 6 เดือน ประมาณ19.5 ล้านโทเค็น (เทียบเท่ากับหนังสือ 200-400 เล่มหรือโค้ดเบสขนาดกลาง) วิธีการดั้งเดิมยากที่จะนำข้อมูลปริมาณมหาศาลเช่นนี้ทั้งหมดเข้าสู่บริบท ในขณะที่การใช้การสรุปและบีบอัดจะทำให้สูญเสียรายละเอียด

ในทางตรงกันข้าม MemPalace ในชีวิตประจำวันต้องการโหลดเพียงประมาณ 170 โทเค็นเท่านั้น และโหลดตามความต้องการสูงสุดประมาณ 13,500 โทเค็น ซึ่งช่วยลดต้นทุนการคำนวณอย่างมาก (ประมาณการว่าต้นทุนรายปีอาจต่ำถึง 10 ดอลลาร์) ในขณะเดียวกันก็รักษาความสมบูรณ์ของข้อมูลไว้

กุญแจสำคัญในการรับประกันความแม่นยำ

1. ภาษา AAAK
AAAK เป็นภาษาย่อที่ออกแบบมาสำหรับ AI ไม่ต้องการตัวถอดรหัสเพิ่มเติม โมเดลภาษาขนาดใหญ่หลักสามารถเข้าใจได้โดยตรง สามารถบีบอัดจำนวนโทเค็นของเอนทิตีที่ซ้ำกันเพื่อเพิ่มประสิทธิภาพ อย่างไรก็ตาม ควรทราบว่าในการทดสอบ LongMemEval อัตราการเรียกคืนในโหมด AAAK (84.2%) ต่ำกว่าโหมดข้อความดั้งเดิม (96.6%) ผู้ใช้จำเป็นต้องตัดสินใจเลือกระหว่างความแม่นยำและประสิทธิภาพ

2. การแก้ไขข้อผิดพลาดแบบเรียลไทม์ (กำลังพัฒนา)
ผ่านเครื่องมือชื่อ fact_checker.py ระบบสามารถตรวจสอบความสอดคล้องกันก่อนที่จะแสดงผลลัพธ์ ค้นพบและแจ้งเตือนข้อมูลที่ขัดแย้งกันโดยอัตโนมัติ

โลโก้โครงการ

โลโก้ของ MemPalance ถูกออกแบบให้เป็นรูปวังอย่างง่าย:

คู่มือการติดตั้งและการปรับใช้

ขั้นตอนที่หนึ่ง: ติดตั้ง
ติดตั้งแพ็คเกจ MemPalace ผ่าน pip
bash
pip install mempalace

ขั้นตอนที่สอง: เริ่มต้นใช้งาน
สร้างไดเรกทอรีหลักสำหรับวังแห่งความจำ
bash
mempalace init ~/projects/myapp

ขั้นตอนที่สาม: การขุดข้อมูล (สร้างดัชนี)
เลือกโหมดตามประเภทข้อมูล ป้อนข้อมูลให้กับ MemPalace
* ขุดโครงการ (เหมาะสำหรับโค้ด เอกสาร):
bash
mempalace mine ~/projects/myapp
* ขุดบทสนทนา (เหมาะสำหรับไฟล์ส่งออกบันทึกการแชท):
bash
mempalace mine ~/chats/ --mode convos
* การขุดทั่วไป (จัดหมวดหมู่เนื้อหาโดยอัตโนมัติ):
bash
mempalace mine ~/chats/ --mode convos --extract general
หลังจากทำขั้นตอนข้างต้นเสร็จสิ้น วังแห่งความจำในเครื่องก็จะถูกสร้างขึ้นเรียบร้อย

โหมดอัตโนมัติ: เหมาะสำหรับผู้ช่วย AI ที่รองรับการเรียกใช้เครื่องมือ MCP (Model Context Protocol) (เช่น Claude) หลังจากสร้างการเชื่อมต่อด้วยคำสั่งต่อไปนี้ AI จะสามารถเรียกใช้เครื่องมือค้นคืนของ MemPalace ได้โดยอัตโนมัติ
bash
claude mcp add mempalace -- python -m mempalace.mcp_server

โหมดเสริมด้วยตนเอง: ใช้ร่วมกับโมเดลในเครื่องเป็นหลัก
* การใช้งานพื้นฐาน: รันคำสั่งต่อไปนี้เพื่อโหลดความจำพื้นฐาน (ประมาณ 170 โทเค็น)
bash
mempalace wake-up > context.txt
* การค้นคืนตามความต้องการ: สามารถค้นหาความจำเฉพาะผ่านบรรทัดคำสั่ง และเพิ่มผลลัพธ์ลงในพรอมต์ด้วยตนเอง
bash
mempalace search "auth decisions" > results.txt
* การผสานรวมด้วยการเขียนโปรแกรม: สามารถใช้ Python API เพื่อทำการค้นคืนโดยตรงในโค้ด
python
from mempalace.searcher import search_memories
results = search_memories("auth decisions", palace_path="~/.mempalace/palace")

ภูมิหลังทีม: จากจอภาพยนตร์สู่โค้ด

MemPalace สร้างขึ้นโดย สถาปนิกหนึ่งคน โปรแกรมเมอร์หนึ่งคน และ Claude

“สถาปนิก” ที่กล่าวถึงคือนักแสดงชื่อดัง มิลลา โจโววิช (Milla Jovovich) เธอเป็นที่รู้จักจากบท “อลิซ” ในซีรีส์ Resident Evil และบท “ลีลู” ใน The Fifth Element

ทำไมนักแสดงจึงเกี่ยวข้องกับระบบความจำ AI? นี่มาจากความสนใจส่วนตัวและการปฏิบัติที่เธอทำมาอย่างยาวนาน ตามที่เธอเล่า เธอกำลังทำโครงการเกมขนาดใหญ่เป็นการส่วนตัว แต่ในกระบวนการนั้นเธอตระหนักอย่างลึกซึ้งว่า: การจัดการและใช้ประโยชน์จากข้อมูลอย่างมีประสิทธิภาพ อาจสำคัญกว่าโครงการนั้นเอง

เพื่อจุดประสงค์นี้ เธอจึงพบกับเพื่อนเก่าที่รู้จักกันมากว่ายี่สิบปี — เบน ซิกแมน (Ben Sigman) โปรแกรมเมอร์อาวุโส เพื่อร่วมกันศึกษาปัญหานี้

ประมาณหกเดือนที่แล้ว เบนแนะนำเครื่องมือ CLI ของ Claude ให้เธอ ซึ่งทำให้เธอตระหนักอย่างรวดเร็วว่า: สำหรับนักพัฒนาที่รักการสร้างสรรค์ AI สามารถเปลี่ยนความคิดให้กลายเป็นระบบที่ทำงานได้โดยตรงแล้ว ดังนั้น การรวมตัวข้ามสายงานนี้จึงเกิดขึ้นอย่างเป็นทางการ

ในมุมมองของมิลลา โจโววิช ข้อจำกัดหลักของ AI ในปัจจุบันคือสามารถทำงานได้บนพื้นฐานของข้อมูลที่มีอยู่เท่านั้น ในขณะที่นวัตกรรมที่แท้จริงมาจากจินตนาการและการสำรวจอย่างต่อเนื่องของมนุษย์ ดังนั้น เธอและเบนหวังว่าการพัฒนา MemPalace จะช่วยให้นักพัฒนาสามารถใช้ประโยชน์จากความรู้ที่มีอยู่ได้ดีขึ้น เพื่อสร้างสิ่งใหม่ ๆ

ปัจจุบัน ความนิยมของ MemPalace ในชุมชนโอเพนซอร์สเพิ่มขึ้นอย่างรวดเร็ว จำนวนดาวบน GitHub ของมันเพิ่มขึ้นอย่างมีนัยสำคัญในเวลาอันสั้น

มีนักพัฒนาได้สร้างอินเทอร์เฟซส่วนหน้าให้กับมันแล้ว

ที่อยู่โครงการ:
https://github.com/milla-jovovich/mempalace

ลิงก์อ้างอิง:
[1] https://x.com/JeremyNguyenPhD/status/2041335795450302916
[2] https://x.com/bensig/status/2041236952998171118

⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง

☕ สนับสนุนค่ากาแฟทีมงาน

หากคุณชอบบทความนี้ สามารถสนับสนุนเราได้ผ่าน PromptPay

SCAN TO PAY WITH ANY BANK