AI मेमरी: ती काय आहे, ती कशी काम करते आणि ती काय साठवते
AI मेमरीसाठी मार्गदर्शक: AI असिस्टंट्स मागील संभाषणांमधील तपशील कसे सेव्ह करतात आणि आठवतात, ते काय साठवतात, मेमरी कुठे चुकते आणि ती कशी पाहावी, संपादित करावी किंवा बंद करावी.

AI मेमरी म्हणजे संभाषणात्मक AI सहाय्यक तुमच्या मागील संभाषणांमधून जतन करून नवीन संभाषणांमध्ये वापरत असलेली माहिती, ज्यामुळे त्याला तुमच्या आवडीनिवडी आणि संदर्भ लक्षात राहतात. मॉडेल स्वतः यापैकी काहीही ठेवत नाही. सहाय्यक ही माहिती स्वतंत्रपणे साठवतो आणि संबंधित असेल तेव्हा पुन्हा जोडतो, ज्यामुळे मॉडेलला असा कायमस्वरूपी संदर्भ मिळतो जो अन्यथा त्याच्याकडे नसता.
सहाय्यक ही माहिती कशी जतन करतात आणि आठवतात, ते काय साठवतात, कधीकधी त्यांची चूक का होते आणि ती कशी पाहायची, बदलायची किंवा बंद करायची, हे या मार्गदर्शकात स्पष्ट केले आहे.
AI मेमरी म्हणजे काय?
AI मेमरी, जिला पर्सिस्टंट मेमरी असेही म्हणतात, हे AI सहाय्यकाचे असे वैशिष्ट्य आहे जे तुमच्याबद्दलची माहिती, जसे की आवडीनिवडी, तथ्ये आणि मागील संवादांमधील संदर्भ, साठवते आणि सहाय्यक ती नंतरच्या संभाषणांमध्ये वापरू शकतो.
तुम्ही लक्षात ठेवायला सांगितलेल्या गोष्टी, त्याने स्वतःहून टिपलेले तपशील आणि तो पुन्हा संदर्भासाठी पाहू शकतो अशा आधीच्या चॅटमधून AI सहाय्यक ही नोंद तयार करू शकतो.
AI मेमरी लेयरमुळे प्रत्येक चॅटमध्ये तुम्ही तुमच्या आवडीनिवडी न सांगताही AI सहाय्यक वैयक्तिकृत उत्तरे देऊ शकतात. तुम्ही मॅरेथॉनसाठी प्रशिक्षण घेत आहात आणि तुम्हाला किलोमीटर पसंत आहेत असे तुम्ही सहाय्यकाला सांगितले असेल, तर पेसिंगबद्दलच्या तुमच्या पुढच्या प्रश्नाचे उत्तर हे पुन्हा न सांगताही किलोमीटरमध्ये मिळेल.
प्रत्येक चॅटमध्ये तुमची परिस्थिती पुन्हा सांगण्याच्या तुलनेत मेमरीमुळे तुमचे टायपिंग वाचते आणि प्रॉम्प्ट छोटा राहतो, आणि हे महत्त्वाचे आहे कारण लांब इनपुटमुळे उत्तरांची अचूकता कमी होते.
मेमरी म्हणजे प्रत्येक संभाषणाचा उतारा नसून तुमच्याबद्दलच्या महत्त्वाच्या तथ्यांचा संग्रह असतो. त्यामुळे तुम्हाला किलोमीटर पसंत आहेत हे त्याच्या लक्षात राहील. मात्र त्याने मागच्या महिन्यात तयार केलेली नेमकी प्रशिक्षण योजना शोधता येईल की नाही, हे सहाय्यक मागील चॅटदेखील शोधू शकतो की नाही यावर अवलंबून असते.
AI मेमरीचे प्रकार
प्रिन्स्टन युनिव्हर्सिटीच्या संशोधकांनी (2024) AI मेमरी प्रणालींच्या प्रकारांचे वर्गीकरण करण्यासाठी मानवी स्मृतिविज्ञानातील परिभाषा वापरली आहे. त्यांची चौकट वर्किंग मेमरी आणि दीर्घकालीन मेमरी यांना वेगळे करते:
- वर्किंग मेमरी: सध्याच्या टप्प्यासाठी मॉडेलकडे असलेली माहिती, म्हणजे आतापर्यंतचे संभाषण आणि त्याने पुनर्प्राप्त केलेले सर्व काही. हिला अल्पकालीन मेमरी असेही म्हणतात.
- दीर्घकालीन मेमरी: सत्रांदरम्यान टिकून राहणारी मेमरी. हा लेख याच प्रकारच्या मेमरीबद्दल आहे.
दीर्घकालीन मेमरीचे तीन प्रकार आहेत:
- एपिसोडिक मेमरी: मागील संवादांच्या नोंदी, जसे की ज्या चॅटमध्ये तुम्ही मागच्या महिन्यात प्रशिक्षण योजना मागितली होती ते चॅट.
- सिमँटिक मेमरी: जगाबद्दलचे आणि तुमच्याबद्दलचे ज्ञान, जसे की तुम्हाला किलोमीटर पसंत असणे.
- प्रोसिजरल मेमरी: AI एजंट कसा वागतो, जे मॉडेलच्या वेट्समध्ये तसेच एजंट चालवणाऱ्या कोड आणि प्रॉम्प्टमध्ये अंतर्भूत असते. AI सहाय्यकामध्ये याच्या सर्वात जवळचा समतुल्य म्हणजे सिस्टम प्रॉम्प्ट आणि तुमच्या कस्टम सूचना.
AI सहाय्यक मेमरी विरुद्ध AI एजंट मेमरी
AI सहाय्यक मेमरी आणि AI एजंट मेमरी या दोन्ही दीर्घकालीन मेमरी आहेत. AI सहाय्यक मेमरी मुख्यतः सिमँटिक मेमरी असते आणि तुमच्याबद्दलची तथ्ये साठवते, जेणेकरून उत्तरे तुम्हाला अनुरूप असतील. Perplexity मधील Brain सारखी एजंट मेमरी एजंटने काय केले आणि ते कसे पार पडले हे साठवते, ज्यात काय उपयोगी ठरले आणि तुम्ही काय दुरुस्त केले याचाही समावेश असतो, त्यामुळे एजंट प्रत्येक नवीन कार्य अधिक चांगल्या स्थितीतून सुरू करतो.
AI सहाय्यक मेमरी | AI एजंट मेमरी | |
काय लक्षात ठेवते | तुमच्याबद्दल | कार्य आणि त्याचा इतिहास |
कशासाठी वापरली जाते | तुम्हाला अनुरूप उत्तरे | पुन्हा सुरुवात न करता अनेक टप्प्यांचे काम पुढे सुरू ठेवणे |
उदाहरण | तुम्हाला किलोमीटर पसंत आहेत हे लक्षात ठेवते | तुमची मॅरेथॉन प्रशिक्षण योजना, त्यात केलेले बदल आणि तुम्ही आतापर्यंत पूर्ण केलेली सराव सत्रे लक्षात ठेवते, जेणेकरून पुढील टप्प्यांचे नियोजन अधिक चांगले करता येईल |
AI मेमरी विरुद्ध कॉन्टेक्स्ट विंडो, प्रशिक्षण डेटा आणि कस्टम सूचना
उत्तराला आकार देणाऱ्या इतर तीन गोष्टींशी AI मेमरीचा सहज गोंधळ होऊ शकतो: मॉडेलची कॉन्टेक्स्ट विंडो, प्रशिक्षण डेटा आणि कस्टम सूचना. प्रत्येकामध्ये वेगळी माहिती असते, ती वेगवेगळ्या काळासाठी टिकते आणि तिचे नियंत्रण वेगळ्या प्रणालीकडे असते.
कॉन्टेक्स्ट विंडो म्हणजे लार्ज लँग्वेज मॉडेल (LLM) एकाच वेळी वाचू शकेल इतका मजकूर, आणि त्यात सध्याचे संभाषण समाविष्ट असते. तुम्ही नवीन चॅट सुरू केल्यावर ती रीसेट होते.
सध्याच्या काही मॉडेल्सच्या कॉन्टेक्स्ट विंडो दहा लाख किंवा त्याहून अधिक टोकन इतक्या मोठ्या असतात, त्यामुळे तांत्रिकदृष्ट्या तुम्ही तुमची महत्त्वाची माहिती प्रत्येक संभाषणात पेस्ट करू शकता. पण त्या सगळ्या माहितीवर प्रक्रिया केल्याने विलंब आणि खर्च वाढतो.
उत्तर संदर्भात उपलब्ध असतानाही इनपुट वाढत जाईल तसतशी आउटपुटची अचूकता कमी होते, असेही अनेक अभ्यासांत आढळले आहे.
2025 मधील युनिव्हर्सिटी ऑफ इलिनॉय आणि Amazon यांच्या अभ्यासात मॉडेल्स प्रत्येक संबंधित तपशील जसाच्या तसा सांगू शकत असतानाही हे दिसून आले: इनपुट 30,000 टोकनपर्यंत, म्हणजे मॉडेल्सनी दावा केलेल्या मर्यादांपेक्षा खूपच कमी, वाढल्यावर अचूकता 13.9-85% ने घसरली. Adobe Research आणि LMU Munich यांच्या 2025 मधील NoLiMa या बेंचमार्कमध्ये असे आढळले की प्रश्न आणि उत्तरात एकही समान कीवर्ड नसताना, चाचणी घेतलेल्या 13 पैकी 11 मॉडेल्सची कामगिरी केवळ 32,000 टोकनवरच लक्षणीयरीत्या खालावली. Chroma च्या जुलै 2025 मधील अहवालात 18 मॉडेल्समध्ये हे दिसून आले, 1,13,000 टोकनच्या चॅट इतिहासावरून उत्तरे देतानाही.
प्रशिक्षण डेटा म्हणजे रिलीजपूर्वी मॉडेलच्या वेट्समध्ये अंतर्भूत केलेली माहिती. वापरकर्ते तो बदलू शकत नाहीत. डेव्हलपर नवीन डेटावर मॉडेल फाइन-ट्यून करू शकतात, पण ती एक अभियांत्रिकी प्रक्रिया आहे, वापरकर्त्याची सेटिंग नाही,
कस्टम सूचना म्हणजे सहाय्यकाच्या सेटिंग्जमध्ये जतन केलेले नियम, जे AI सहाय्यकाचे वर्तन आणि आउटपुट तुमच्या गरजेनुसार बदलण्यासाठी तुम्ही स्वतः लिहिता आणि संपादित करता. उदाहरणार्थ, उत्तरांचा सूर आणि शैली किंवा सहाय्यक कोणते स्रोत वापरू शकतो हे ठरवण्यासाठी तुम्ही कस्टम सूचना वापरू शकता.
या चारांची तुलना अशी आहे:
कॉन्टेक्स्ट विंडो | AI मेमरी | प्रशिक्षण डेटा | कस्टम सूचना | |
त्यात काय असते | सध्याच्या चॅटमधील मेसेज | तुमच्याबद्दल जतन केलेली तथ्ये आणि आवडीनिवडी | रिलीजपूर्वी मॉडेलने शिकलेली माहिती | तुम्ही स्वतः लिहिलेले मार्गदर्शन |
किती काळ टिकते | फक्त या चॅटपुरते | अपडेट किंवा डिलीट होईपर्यंत | नवीन मॉडेल रिलीज होईपर्यंत निश्चित | तुम्ही संपादित करेपर्यंत |
नियंत्रण कोणाकडे असते | तुम्ही, मॉडेल प्रदात्याने ठरवलेल्या मर्यादेत. | तुम्ही आणि सहाय्यक | AI कंपनी | तुम्ही |
उदाहरण | तुम्ही एक मिनिटापूर्वी विचारलेला पेसिंगबद्दलचा प्रश्न | तुम्हाला किलोमीटर पसंत आहेत ही गोष्ट | मॅरेथॉन प्रशिक्षण योजनांची रचना साधारणपणे कशी असते | प्रशिक्षण योजना ग्रिडमध्ये मांडण्याची सूचना, ज्यात ओळी आठवडे आणि स्तंभ आठवड्याचे दिवस दर्शवतात |
AI मेमरी काय साठवते
सहाय्यक तुमच्याबद्दलचे निवडक तपशील, जसे की तथ्ये, आवडीनिवडी आणि सारांश, जतन करतात आणि काही सहाय्यक तुमच्या मागील चॅटचाही आधार घेतात.
- तुम्ही लक्षात ठेवायला सांगितलेली तथ्ये आणि आवडीनिवडी: हे असे तपशील असतात जे जतन करण्यास तुम्ही सहाय्यकाला स्पष्टपणे सांगता, जसे की “मला किलोमीटर पसंत आहेत हे लक्षात ठेव.” तुम्ही सांगितल्यावर सहाय्यक मेमरी तयार करतो आणि तुम्ही ती डिलीट करेपर्यंत किंवा नंतरचे एखादे संभाषण ती अपडेट करेपर्यंत ती टिकते.
- तुमच्या संभाषणांमधून टिपलेले तपशील: सेटिंग चालू असताना सहाय्यक हे जतन करतो. Perplexity “वापरकर्त्याने विचारलेल्या प्रश्नांच्या आणि दिलेल्या माहितीच्या वारंवारतेला प्राधान्य देते,” त्यामुळे तुम्ही वारंवार उल्लेख केलेली गोष्ट एकदाच उल्लेख केलेल्या गोष्टीपेक्षा लक्षात राहण्याची शक्यता जास्त असते. मेमरी अपडेट होईपर्यंत किंवा तुम्ही ती डिलीट करेपर्यंत टिकते.
- तुमच्या मागील चॅटचे संदर्भ: सहाय्यक जतन केलेल्या यादीऐवजी थेट आधीच्या संभाषणांचा आधार घेतो. Perplexity याला शोध इतिहास म्हणते: नवीन प्रतिसाद अधिक समर्पक करण्यासाठी वापरले जाणारे तुमचे मागील प्रश्न आणि उत्तरे.
AI मेमरी कशी काम करते
AI मॉडेलला संभाषणांदरम्यान काहीही लक्षात राहत नाही. ते काम AI मेमरी प्रणाली करते: ती तुमच्याबद्दल स्वतंत्र नोंद ठेवते आणि प्रत्येक नवीन संभाषणात संबंधित भाग जोडते. साठवण आणि पुनर्प्राप्ती पडद्यामागे होते, त्यामुळे मॉडेल ते भाग तुमच्या प्रश्नासोबत वाचते.
ही प्रक्रिया पाच टप्प्यांत चालते:
- जतन करणे: तुम्ही सांगितल्यावर, किंवा एखादा तपशील ठेवण्याजोगा आहे असे त्याला वाटल्यावर, सहाय्यक मेमरी जतन करतो.
- साठवणे: मेमरी मॉडेलपासून स्वतंत्रपणे ठेवलेल्या डेटाबेसमध्ये जातात. अनेक प्रणालींमध्ये हा व्हेक्टर डेटाबेस असतो, त्यामुळे अर्थाच्या आधारे त्या शोधता येतात. सेटिंग्जमध्ये तुम्हाला दिसणारी यादी म्हणजे त्या मेमरी स्टोअरचे एक दृश्य असते.
- पुनर्प्राप्ती: तुम्ही मेसेज पाठवल्यावर कोणत्या मेमरी लागू होतात हे सहाय्यक ठरवतो. अनेक प्रणाली हे तुमचा मेसेज आणि प्रत्येक मेमरी यांचे एम्बेडिंगमध्ये, म्हणजे अर्थाच्या संख्यात्मक रूपांमध्ये, रूपांतर करून आणि सर्वात जवळच्या जुळण्या निवडून करतात. त्यामुळेच तुमच्या प्रश्नाशी एकही शब्द समान नसतानाही त्या एखादी मेमरी आठवू शकतात. साध्या प्रणाली प्रत्येक जतन केलेली मेमरी प्रत्येक संभाषणात लोड करतात.
- वापर: आठवलेल्या मेमरी साध्या मजकुराच्या स्वरूपात इनपुटमध्ये घातल्या जातात, सहसा तुमच्या मेसेजपूर्वी मॉडेल वाचत असलेल्या सूचनांच्या ब्लॉकमध्ये. मॉडेल त्या इनपुटमधील इतर कोणत्याही मजकुराप्रमाणेच त्यांच्यावर प्रक्रिया करते.
- अपडेट करणे आणि काढून टाकणे: सहाय्यक चॅटमधून तथ्ये काढतो, विद्यमान मेमरी शोधतो आणि ते तथ्य नवीन म्हणून जोडायचे, विद्यमान मेमरी अपडेट करायची, एखाद्या मेमरीमध्ये विलीन करायचे की नव्या माहितीशी विसंगत असलेली जुनी मेमरी डिलीट करायची, हे ठरवतो. नवी माहिती जुन्या माहितीपासून वेगळी ओळखता यावी म्हणून काही सहाय्यक प्रत्येक मेमरीवर टाइमस्टॅम्प नोंदवतात.
AI मेमरीची आव्हाने आणि जोखीम
AI मेमरीचा उद्देश उत्तरांचा दर्जा सुधारणे हा आहे, पण बेंचमार्कवरून दिसते की मेमरी पुनर्प्राप्तीमधून नेहमीच संबंधित किंवा अद्ययावत माहिती समोर येत नाही, विशेषतः मोठ्या डेटाबेसमधून. यामुळे सुरक्षा आणि गोपनीयतेच्या जोखमीही निर्माण होतात.
AI मेमरीशी संबंधित विश्वासार्हता आणि सुरक्षेच्या सामान्य समस्यांमध्ये पुढील गोष्टींचा समावेश होतो:
- चुकीच्या ठिकाणी वापरलेल्या मेमरी: एखादी मेमरी तिचा काहीही संबंध नसलेल्या उत्तरात ओढली जाऊ शकते. एका 2026 मधील अभ्यासात आयुष्याच्या एका क्षेत्रातील जतन केलेली मेमरी दुसऱ्या क्षेत्रातील उत्तरात शिरते का, यासाठी 18 मॉडेल्सची चाचणी घेण्यात आली. अपयशाचा मध्यक दर 53% होता. मेमरीमध्ये वापरकर्त्यांच्या समजुती किंवा त्यांनी दावा केलेले कौशल्य साठवले गेल्यावर, प्रश्नाला तटस्थ उत्तर अपेक्षित असतानाही जवळजवळ प्रत्येक मॉडेलने त्यांचीच री ओढली, असेही या अभ्यासात आढळले.
- जुन्या मेमरी: नंतरच्या संभाषणामुळे एखादा तपशील खरा राहिला नसला तरीही सहाय्यक त्यानुसार वागत राहतो, विशेषतः तुम्ही तसे स्पष्टपणे कधीच सांगितले नसेल तेव्हा. असे अप्रत्यक्ष बदल मॉडेल्सच्या लक्षात येतात का हे तपासणाऱ्या मे 2026 मधील बेंचमार्कमध्ये सर्वोत्तम मॉडेलची सरासरी 55.2% होती.
- मेमरीचा अतिभार: सहाय्यकाला जितके जास्त पुन्हा वाचावे लागते, तितके महत्त्वाचे काय आहे हे निवडणे कठीण होते. 2024 मधील LongMemEval या बेंचमार्कमध्ये असे आढळले की सुमारे 1,15,000 टोकनचा चॅट इतिहास वाचणाऱ्या मॉडेल्सची कामगिरी केवळ संबंधित सत्रे दिलेल्या मॉडेल्सपेक्षा 30% ते 60% वाईट होती.
- मेमरी पॉयझनिंग: खोटी माहिती किंवा लपवलेल्या सूचना सहाय्यकाच्या मेमरीत शिरतात, उदाहरणार्थ तुम्ही त्याला वाचायला सांगितलेल्या मजकुराद्वारे, आणि त्यामुळे पक्षपाती किंवा असुरक्षित उत्तरे मिळतात किंवा डेटा लीक होतो.
- गोपनीयतेच्या जोखमी: मेमरी वैयक्तिक तपशील ते ज्या चॅटमधून आले त्यापलीकडेही, कधीकधी तुमच्या अपेक्षेपेक्षा जास्त काळ, ठेवते. उदाहरणार्थ, Perplexity सुरक्षितता आणि डीबगिंगसाठी डिलीट केलेल्या मेमरींचा लॉग 30 दिवसांपर्यंत ठेवू शकते. डेटा संरक्षण कायदा साठवलेल्या मेमरींना वैयक्तिक डेटा मानतो, त्यामुळे तुम्हाला त्या तपासता आणि डिलीट करता आल्या पाहिजेत.
AI मेमरी कशी पाहायची, संपादित करायची आणि बंद करायची
सहाय्यकाने काय जतन केले आहे ते तुम्ही पाहू शकता, ते डिलीट करू शकता, मेमरी बंद करू शकता किंवा मेमरी तयार न करणारे खाजगी चॅट वापरू शकता.
मेमरी व्यवस्थापन काही मोजक्या नियंत्रणांवर अवलंबून असते. प्रत्येक नियंत्रण काय करते आणि ते कधी वापरायचे ते येथे दिले आहे:
नियंत्रण | काय करते | कधी वापरायचे |
काय जतन केले आहे ते पहा | तुमची मेमरी बँक उघडते, जिथे तुम्ही वैयक्तिक नोंदी शोधू, फिल्टर करू आणि तपासू शकता. | उत्तरात तुम्हाला अपेक्षित नसलेला तपशील आल्यावर. |
मेमरी डिलीट करा | नोंद काढून टाकते आणि सहाय्यक नंतरच्या उत्तरांमध्ये ती वापरणे थांबवतो (सहाय्यक साफ केलेल्या मेमरींचा लॉग काही काळ ठेवू शकतात). | मेमरी चुकीची, कालबाह्य किंवा संवेदनशील असल्यास. |
मेमरी बंद करा | सहाय्यकाला भविष्यातील उत्तरांमध्ये मेमरीचा संदर्भ घेण्यापासून थांबवते (आधीच साठवलेल्या मेमरी कदाचित साफ होणार नाहीत - तुमचा सहाय्यक तपासा). | वैयक्तिकरणाशिवाय उत्तरे हवी असल्यास |
शोध इतिहास बंद करा | सहाय्यकाला तुमचे मागील प्रश्न आणि उत्तरे वापरण्यापासून थांबवते. तुमच्या शोध इतिहासातून एखादे सत्र डिलीट केल्याने नंतरच्या उत्तरांवरील त्याचा प्रभाव दूर होतो. | जेव्हा मागील संभाषणे उत्तरांवर प्रभाव टाकत असतात, तेव्हा तुम्हाला नव्याने सुरुवात करायची असते. |
गुप्त चॅट वापरा | मेमरी आणि शोध इतिहास नेहमी बंद असतात, आणि तिथे विचारलेले प्रश्न कधीही राखून ठेवले जात नाहीत किंवा मेमरीमध्ये वापरले जात नाहीत. | एकवेळच्या किंवा संवेदनशील विषयांसाठी. |
पूर्णपणे नव्याने सुरुवात करण्यासाठी, मेमरी बंद करा आणि साठवलेली माहिती साफ करा.
Perplexity मेमरी कशी हाताळते
Perplexity मेमरी Perplexity वरील प्रत्येक मॉडेलसह काम करते.
Perplexity दोन स्रोतांच्या आधारे उत्तरे वैयक्तिकृत करते: मेमरीज, म्हणजे तुम्ही शेअर केलेल्या आवडीनिवडी आणि तपशील, आणि तुमचा शोध इतिहास. जेव्हा एखादी मेमरी उत्तराला आकार देते, तेव्हा ती त्या उत्तराच्या स्रोतांमध्ये दिसते, त्यामुळे कोणत्या मेमरीज वापरल्या गेल्या हे तुम्ही पाहू शकता आणि त्यापैकी कोणतीही हटवू शकता.
तुम्ही स्वतःबद्दल तपशील देऊन आणि प्रोजेक्ट्ससाठी कस्टम सूचना देऊन देखील तुमची उत्तरे वैयक्तिकृत करू शकता (प्रत्येक प्रोजेक्टचा स्वतःचा मेमरी स्तर असतो).
Perplexity ग्राहक खात्यांवर (Enterprise खात्यांवर कधीही नाही) आपली मॉडेल्स सुधारण्यासाठी मेमरी सामग्री वापरू शकते, जोपर्यंत तुम्ही ते बंद करत नाही (सेटिंग्ज → प्राधान्ये → आर्टिफिशियल इंटेलिजन्स मधील AI डेटा रिटेन्शन).
Max आणि Enterprise Max सदस्यांना Brain देखील मिळते, हा एक सामायिक मेमरी स्तर आहे, जो तुमचे प्रोजेक्ट आणि काम ट्रॅक करून मेमरीला अधिक सक्षम बनवतो. त्याचे स्वतःचे टॉगल आहे आणि ते गुप्त सत्रांकडे दुर्लक्ष करते.
Perplexity वापरून पहा आणि मेमरीज तुमच्या पुढच्या उत्तराला कसा आकार देतात ते तपासा.
AI मेमरीबद्दल वारंवार विचारले जाणारे प्रश्न
AI मधील मर्यादित मेमरी म्हणजे काय?
IBM च्या व्याख्येनुसार, मर्यादित मेमरी AI म्हणजे असे AI जे भूतकाळातील घटना आणि परिणाम आठवू शकते आणि कालांतराने परिस्थितींवर लक्ष ठेवू शकते, परंतु तो डेटा भूतकाळातील अनुभवांच्या दीर्घकालीन संग्रहात ठेवू शकत नाही. AI प्रणालींच्या वर्गीकरणातील चार श्रेणींपैकी ही एक आहे, आणि IBM चॅटबॉट्स आणि व्हर्च्युअल असिस्टंट्सना या श्रेणीत ठेवते.
असिस्टंट मेमरी ही अशी बाह्य मेमरी आहे जी या प्रणाली त्यांच्यावर अतिरिक्त स्तर म्हणून जोडतात. ती सर्व सत्रांमध्ये टिकून राहते, त्यामुळे असिस्टंट तुम्ही आधीच्या संभाषणात शेअर केलेले तपशील वापरू शकतो.
कोणत्या AI असिस्टंटची मेमरी सर्वोत्तम आहे?
कोणताही एक असिस्टंट प्रत्येकासाठी सर्वोत्तम नसतो. चांगली मेमरी म्हणजे जिच्यावर तुमचे नियंत्रण असते, म्हणून हे चार प्रश्न विचारून AI टूल्सचे मूल्यमापन करा: त्याने काय सेव्ह केले आहे ते तुम्ही पाहू शकता का? एखादी मेमरी ज्या चॅटमधून आली, त्या चॅटपासून वेगळी हटवता येते का? ट्रेनिंग ही मेमरीपासून वेगळी सेटिंग आहे का? कोणतीही मेमरी तयार न करणारा तात्पुरता किंवा गुप्त मोड आहे का?
AI मॉडेल तुमच्याबद्दल जे लक्षात ठेवते, त्यातून ते शिकते का?
उत्तरामध्ये मेमरी वापरणे ही ट्रेनिंगपेक्षा वेगळी प्रक्रिया आहे. Perplexity च्या म्हणण्यानुसार, ते तुमच्या इतिहासाला ट्रेनिंग डेटा म्हणून वापरण्याऐवजी तुमच्या मेमरी स्टोअरमधून संबंधित संदर्भ मिळवते. तुमची सामग्री मॉडेल्स सुधारण्यासाठी वापरली जाऊ शकते की नाही, ही एक वेगळी सेटिंग आहे. ग्राहक खात्यांवर, Perplexity त्या उद्देशासाठी मेमरी सामग्री वापरू शकते, आणि AI डेटा रिटेन्शन हे बंद करते.
AI मेमरीपासून काय दूर ठेवावे?
जे साठवले जावे, तुमची प्रोफाइल तयार करण्यासाठी वापरले जावे किंवा नंतर पुन्हा सांगितले जावे असे तुम्हाला वाटत नाही, ते सर्व AI मेमरीपासून दूर ठेवा: ओळख आणि आर्थिक तपशील, आरोग्यविषयक माहिती, पासवर्ड, इतर लोकांची माहिती आणि मुलांविषयीची कोणतीही माहिती. कॅनडाचे प्रायव्हसी कमिशनर कार्यालय (मे 2025) आणि UK चे नॅशनल सायबर सिक्युरिटी सेंटर (मार्च 2023) सार्वजनिक झाल्यास समस्या निर्माण करू शकेल असा कोणताही प्रॉम्प्ट टाळण्याची शिफारस करतात.
फिल्टर्स गोपनीयतेचे धोके कमी करतात, परंतु तुमची आरोग्यविषयक किंवा आर्थिक माहिती अजिबात साठवली जाणार नाही याची हमी देत नाहीत, म्हणून तुमची मेमरी बँक तपासा आणि एकवेळच्या संवेदनशील प्रश्नांसाठी गुप्त मोड वापरा.