LLM会梦到AI智能体吗？不，是睡着了也要加班

【导读】人类的大脑，会在梦里筛选记忆。如今，AI也开始学会在「睡眠」中整理、保存，甚至遗忘。Bilt部署数百万智能体，让科幻小说里的设问——「仿生人会梦见电子羊吗？」——逐步成真。那么，当AI也能选择忘记时，它会变得更像人，还是更陌生？

几十年前，菲利普·迪克提出了一个看似荒诞，却直击人心的问题：

「仿生人会梦见电子羊吗？」

如果机器也能做梦，它们梦见的，会不会是人类记忆的残影？

半个世纪后，这个问题正在以另一种方式被回应。

人类在睡眠中整理记忆，而今天，一些AI也开始「学会」这样做。

AI也会「做梦」

睡眠中的记忆整理实验

对人类来说，睡眠不仅是休息，更是一次「后台整理」。

大脑会自动把白天的精力归档：记住重要的，忘记无关的。

在今天，这个问题正在以另一种方式被回应。

Bilt公司，最近部署了数百万个AI智能体，并为他们安排了「睡眠时间」。

在这段时间里，AI会停下对话，启动「睡眠计算」（sleeptime compute）的机制，像人脑一样整理记忆。

它们会评估过往的互动，决定哪些内容进入长期记忆库，哪些放在快速提取区。

Fast Company指出，这不仅是模仿人类的梦，更是主动智能的开端：

AI 不再被动回答，而是在睡眠中「预演未来」，在推理任务上展现出更高的效率与更低的成本

这种看似科幻的实验，让「AI会做梦」不再只是文学隐喻，而是正在发生的现实。

从人脑到AI

记忆机制的巨大差距

人类大脑的记忆，就像一块不断吸水的海绵。

这意味着，人类不仅能记住事情本身，还能带着情绪权重来筛选信息，并且能在不知不觉中提炼重点，把情绪、场景、细节打包成长期经验。

而AI的大脑远没这么灵活。

它们的「记忆」取决于上下文窗口——它只能调用输入的信息。

即便GPT-4 Turbo的上限是128k tokens，也不过相当于几百页书。

相比之下，人脑的容量被估算高达2.5PB（250万GB）。

因此，想让AI记得上次说了什么，就需要把内容再输入一遍。

但问题是，上下文窗口长度有限。

如果信息量太大，AI就容易「过载」：逻辑混乱、答非所问、凭空幻觉。

相比之下，人类不仅能牢牢记住重要信息，还能在需要时灵活调用。

正如Letta的CEO Charles Packer所说：

人类大脑会因为不断吸收而进化，但语言模型在同一个上下文里循环太久，只会被污染，越跑越偏，直到不得不重置。

这意味着，人类的「梦境」能让我们更清醒，而AI的「上下文」却常常让它迷失。

Bilt+Letta

百万智能体的「睡眠计算」

在Bilt的实验中，睡眠计算是核心。

数百万AI智能体同时运行时，大部分其实都处于空闲状态

这些智能体会在后台进入一种「休眠」状态，暂停与用户的交互，转而对过去的对话和经验做一次系统化梳理。

它们会自动区分两类信息：

第一类：长期记忆。像用户的偏好、历史记录、关键事件，这些会被牢固保存。

第二类：快速提取。更短期、临时性的信息，可以随时调用，也能很快被替换。

在 Letta 的演示中，用户Chad的偏好最初是零碎的描述：

Chad 喜欢蓝色，比蓝色更喜欢红色，最喜欢灰色，讨厌绿色。

经过睡眠计算后，这些信息被整理成清晰的偏好表。

这就像把零散的对话记录压缩成一份长期「记忆档案」。

图：睡眠代理整理用户输入的内容，并把用户对颜色的喜好排序

更具颠覆性的是，这两个区间并非孤立存在。

Letta的技术支持对某一个「记忆块」进行单点更新，随后数十万智能体的行为便会随之改变。

这意味着，AI个体之间的「经验」是可共享的。

正如 Bilt 的工程师 Andrew Fitz 所说：

「我们可以通过一次更新，就让整个系统的表现发生连锁变化。」

根据Letta的介绍，该机制采用的是「主代理+睡眠代理」的架构。

前者负责实时交互，后者在后台持续整理记忆，把信息写入共享的memory blocks，让AI在「醒来」后拥有更清晰、更稳定的认知。

对此，Fast Company评论道：

这不仅是模仿人类的梦境，更是「主动智能」（proactive intelligence） 的雏形。

AI 不再只是被动回答，而是在睡眠中提前优化推理策略。

实验显示，在数学和逻辑测试中，应用睡眠计算的模型表现更好，推理时间和成本也显著下降。

如果说人类的梦境是私密的，那AI的「睡眠记忆」更像是一场同步的大规模演练。

从健忘到记忆

AI的短板与突围

越来越多的用户抱怨AI健忘、答非所问，甚至编造「回忆」。

不少研究者认为，记忆缺陷是限制AI智能与稳定的根源。

如果没有稳定可靠的记忆，AI无法形成真正的个性化与长期价值。

也正因如此，「提高记忆力」成为行业的集体突围方向。

LangChain的CEO Harrison Chase把记忆视为「上下文工程的核心」。

他认为，AI的智能很大程度取决于开发者选择放进上下文的信息。

LangChain因此提供了不同的记忆存储机制，从用户长期画像到近期交互记录，都能灵活调用。

对此，OpenAI也在尝试。

今年2月，它宣布ChatGPT将具备记忆功能，能在多轮对话中逐步学习用户偏好——只不过细节并未公开。

与此不同的是，Letta和LangChain把「记忆回调」的过程完全透明化，方便工程师理解和管理。

AI托管平台Hugging Face的CEO Clem Delangue也强调：

「不仅模型需要开放，记忆系统也必须开放。」

MemGPT则在探索如何把短期与长期记忆区分开，避免AI被「污染」。

这套思路后来被Letta进一步扩展，用在了大规模智能体的「睡眠计算」中。

可以说，「谁先解决记忆问题，谁就更接近下一个AI时代」。

学会遗忘

AI未来的关键一步

在大多数人眼里，AI的进化意味着要「记住更多」。

但Charles Packer却提出另一种思路：

AI不仅要会记，还要学会忘。

在人类世界，遗忘是进化出优势。

研究显示，睡眠中的「智能忘却」能帮助大脑抑制无效信息，把注意力集中在真正重要的片段上。

如果没有遗忘，我们的大脑就会像塞满文件的硬盘，总有一天会崩溃。

而对于AI来说，这是它面临的另一难题：灾难性遗忘（catastrophic forgetting）

因为，AI的神经网络在学习新任务时，往往会覆盖旧知识 。

这和人类的「选择性遗忘」不同，它是一种有层次的、可控的机制。

因此，未来的 AI 需要发展出「人工遗忘」。

当用户对AI说「把那个项目删掉，不要再记了」，未来AI的回应不止是停止调用这段记忆，还能追溯性地清除所有相关内容。

即使是AI，也必须学会删除涉及敏感或过时的信息。

在欧洲，「被遗忘权（Right to Be Forgotten）」已写进隐私法规。

这不仅是技术挑战，更是伦理问题。

那么，谁有权利决定AI记得什么、忘记什么？

当遗忘成为可能，它会带来更安全的使用体验，还是新的操控手段？

或许，真正让AI更像人的，不是「永不遗忘」，而是「学会遗忘」。

参考资料：

https://www.wired.com/story/sleeptime-compute-chatbots-memory/

https://www.fastcompany.com/91368307/why-sleep-time-compute-is-the-next-big-leap-in-ai?utm_source=chatgpt.com

https://www.letta.com/blog/sleep-time-compute?utm_source=chatgpt.com