当AI学会“睡眠”，是更像人还是更陌生？

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「仿生人会梦见电子羊吗？」的设问逐步成真。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。

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，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」，出现逻辑混乱、答非所问、凭空幻觉等情况。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：第一类是长期记忆，像用户的偏好、历史记录、关键事件，这些会被牢固保存；第二类是快速提取，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，遗忘是进化出的优势。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

本文来自微信公众号“新智元”，编辑：倾倾，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com