ZenBrain: Architettura di Memoria Ispirata alle Neuroscienze per Agenti AI

Una recente pubblicazione su arXiv presenta ZenBrain, un innovativo framework di memoria multistrato progettato per sistemi AI autonomi, che incorpora quindici modelli delle neuroscienze, allontanandosi dai paradigmi convenzionali dell'ingegneria dei sistemi. ZenBrain presenta sette distinti strati di memoria—di lavoro, a breve termine, episodica, semantica, procedurale, centrale e cross-contesto—coordinati da nove algoritmi fondamentali, come il Modello Sinaptico a Due Fattori e l'FSRS accoppiato a vmPFC. Inoltre, include sei componenti dell'Architettura di Memoria Predittiva: un NeuromodulatorEngine a quattro canali, un ReconsolidationEngine basato sull'errore di previsione, TripleCopyMemory con decadimento divergente, una PriorityMap quadridimensionale collegata all'amigdala, StabilityProtector (analogo di NogoA/HDAC3) e un MetacognitiveMonitor per il rilevamento dei bias. Gli autori sostengono che gli attuali framework di memoria AI si basano su concetti obsoleti come il paging della memoria virtuale, non riuscendo a incorporare principi essenziali di consolidamento e riconsolidamento. ZenBrain mira a colmare questa lacuna emulando i processi di memoria basati su risultati empirici delle neuroscienze.