Was ist Limited Memory in der KI-Klassifikation?

Limited Memory ist eine Kategorie in einer oft zitierten Klassifikation von KI-Systemen nach Arend Hintze. Die vier Typen: Reaktive Maschinen (keine Erinnerung), Limited Memory (kurzfristige Erinnerung), Theory of Mind (Verständnis für andere Entitäten, hypothetisch) und Selbstbewusste KI (Bewusstsein über sich selbst, hypothetisch).

Limited Memory KI-Systeme können vergangene Erfahrungen für aktuelle Entscheidungen nutzen, aber sie speichern diese nicht dauerhaft. Selbstfahrende Autos sind das Standardbeispiel: Sie beobachten andere Fahrzeuge über kurze Zeit und nutzen diese Beobachtungen, um Manöver vorherzusagen und sichere Entscheidungen zu treffen.

Wie funktioniert das konkret?

Das Modell hat ein “Fenster” der Vergangenheit. Es sieht nicht nur den aktuellen Zustand, sondern eine Abfolge von Zuständen. Reinforcement-Learning-Agenten, die auf einem Videospiel trainiert werden, nutzen die letzten N Frames als Kontext, nicht nur den aktuellen. Das ermöglicht zeitliche Mustererkennung.

Auch Sprachmodelle fallen in diese Kategorie. Ein Chatbot, der deinen vorherigen Nachrichten im Gespräch versteht, nutzt das Kontext-Fenster als kurzfristiges Gedächtnis. Er “erinnert” sich an das Gespräch, solange es im Kontext-Fenster liegt.

Die Grenzen dieser Klassifikation

Die Klassifikation in vier Typen ist nützlich für erste Orientierung, aber vereinfachend. In der Praxis sind die Grenzen fließend und viele Systeme passen nicht sauber in eine Kategorie. Heutige LLMs sind sophisticated genug, dass manche argumentieren, sie zeigen erste Ansätze von “Theory of Mind”-ähnlichen Fähigkeiten.

Für den Unternehmenseinsatz ist die Kategorie weniger relevant als die konkreten Fähigkeiten des Systems. Was ein KI-System für dich leisten kann, klären wir in einer KI-Beratung.