Обычно нейросети работают в режиме «здесь и сейчас». Они выдают ответы, основываясь на том, что видят в текущий момент. Но если закрыть диалог и вернуться через неделю, контекст исчезает. Можно, конечно, сохранять историю чатов, но это не совсем то: такая память плоская, она не помогает понять, что именно было важным, а что — случайным фоном.
Nvidia решила подойти к этому вопросу иначе. Компания представила технологию под названием Memory for Blockchain of Life — сокращённо MBL. Идея в том, чтобы дать ИИ‑агентам способность запоминать события и детали так, как это делают люди: не всё подряд, а то, что имело смысл, что связано с эмоциями, действиями, людьми.
Что такое MBL и зачем это нужно 🧠
MBL — это система памяти для агентов, которые действуют в виртуальных мирах. Она построена на базе фреймворка MemoryForge с открытым исходным кодом и интегрирована с платформой Nvidia ACE. Если коротко: это набор инструментов, позволяющий цифровым персонажам вспоминать прошлое, связывать события и вести себя более естественно.
Зачем это вообще нужно? Представьте игру или среду виртуальной реальности, где вы взаимодействуете с неигровыми персонажами (NPC). Обычно они либо повторяют одни и те же фразы, либо действуют строго по сценарию. С MBL персонаж может помнить, что вы уже встречались, что вы ему говорили, как вы поступили в прошлый раз. Это делает общение более живым и осмысленным.
По словам разработчиков, такая память пригодится не только для игр. Её можно использовать в обучающих симуляциях, цифровых помощниках, виртуальных консультантах — везде, где важны персонализация и непрерывность взаимодействия.
Как устроена эта память
В основе MBL лежит фреймворк MemoryForge, который Nvidia выпустила как проект с открытым исходным кодом. Он работает поверх больших языковых моделей и добавляет им структурированную систему хранения воспоминаний.
Память здесь делится на несколько типов:
- Эпизодическая — конкретные события: «мы встретились в парке», «он попросил о помощи».
- Семантическая — общие знания и факты: «этот человек — врач», «город находится на севере».
- Процедурная — навыки и шаблоны действий: «как открыть дверь», «как отреагировать на просьбу».
Эти типы памяти взаимодействуют между собой. Агент может вспомнить не только что произошло, но и как это связано с другими событиями, какие выводы можно сделать, как действовать дальше.
Особенность системы в том, что она использует понятие «важности». Не все события сохраняются одинаково. Если что‑то было эмоционально значимым или повлияло на действия агента, это запомнится лучше. Если это был просто фоновый разговор — может забыться. Примерно как у людей.
Демо: Inworld и Baobab Studios показали, как это работает
Nvidia продемонстрировала возможности MBL в двух проектах.
Первый — от студии Inworld. Это интерактивный опыт виртуальной реальности под названием The Last Bounty Hunter. Вы оказываетесь в роли нового персонажа в городе на Диком Западе, окружённом неигровыми персонажами (NPC) с памятью. Они помнят, как вы себя вели, что говорили, какие решения принимали. В зависимости от этого меняется их отношение к вам.
Технически это работает так: агенты используют модели на базе Nvidia NIM и RTX AI Toolkit. Память обновляется в реальном времени, персонажи могут ссылаться на прошлые диалоги и действия. Разработчики говорят, что такой подход позволяет создавать более глубокие сюжеты и усиливать ощущение «живого мира».
Второй проект — от Baobab Studios, называется Sonderlust. Это анимационная история в виртуальной реальности о персонаже по имени Сондер. Здесь память тоже играет ключевую роль: главный герой переживает череду событий, которые постепенно формируют его личность. Память позволяет ему расти, меняться и реагировать на окружение не механически, а с учётом прошлого опыта.
Почему это сложнее, чем просто сохранять логи 📝
На первый взгляд может показаться: ну ладно, сохраняем всё в базу данных и потом достаём по запросу. Но проблема в том, что «всё» — это слишком много. И большая часть этого не имеет значения для будущих взаимодействий.
Человеческая память работает иначе. Мы не помним каждую секунду прожитого дня, но хорошо помним ключевые события. Мы связываем воспоминания: одно тянет за собой другое. Мы забываем детали, но сохраняем суть. И это не баг — это особенность, которая помогает нам ориентироваться в мире, не захлёбываясь информацией.
MBL пытается воспроизвести этот механизм. Система фильтрует информацию, оценивает её важность, связывает события между собой. Когда нужно — она достаёт не просто факт, а контекст. Это делает поведение агента более естественным.
Где это может пригодиться
Игры — самый очевидный вариант. NPC с памятью могут сделать миры более убедительными. Вместо того чтобы каждый раз начинать диалог с нуля, персонаж может продолжить тему, вспомнить вашу предыдущую встречу, отреагировать на ваши действия.
Обучение в виртуальной реальности — ещё одна область. Если вы тренируетесь на симуляторе, виртуальный инструктор с памятью может адаптироваться к вашим ошибкам, напоминать о прошлых уроках, подсказывать, где вы уже сталкивались с похожей проблемой.
Цифровые помощники — тоже логичное применение. Агент, который помнит ваши предпочтения, прошлые запросы и контекст, может быть полезнее универсального ассистента без памяти.
Но есть и нюансы. Чем больше памяти — тем сложнее с ней работать. Нужно решать вопросы хранения, конфиденциальности и актуализации данных. Кроме того, если агент «помнит слишком много», это может выглядеть странно или даже неприятно. Баланс здесь важен.
Открытый исходный код и доступность
Хорошая новость: MemoryForge доступен как проект с открытым исходным кодом. Это значит, что разработчики могут взять его, адаптировать под свои задачи и экспериментировать.
Nvidia также интегрировала MBL в свою платформу ACE — набор инструментов для создания интерактивных ИИ‑персонажей. Там есть поддержка речи, анимации и генерации реплик. Добавление памяти завершает картину: теперь персонаж не только говорит и двигается, но и помнит.
Разработчики могут запускать всё это на локальных машинах с видеокартами RTX или через облачные интерфейсы (API). Это делает технологию доступной как для крупных студий, так и для инди‑команд.
Что дальше
MBL — это шаг в сторону агентов, которые больше похожи на живых собеседников. Они не просто реагируют на текущий запрос, а учитывают прошлое. Они могут менять своё поведение, учиться на опыте, строить отношения.
Конечно, до полноценной «цифровой личности» ещё далеко. Но направление интересное. Чем естественнее взаимодействие с агентом, тем больше сценариев использования открывается.
Пока что MBL показали на примере игр и виртуальной реальности. Но принцип универсален: любая ситуация, где агенту нужно взаимодействовать с пользователем не один раз, а регулярно, потенциально выигрывает от такой системы памяти.
Будет интересно посмотреть, как разработчики начнут использовать этот инструмент и как пользователи отреагируют на агентов, которые действительно помнят.