Para una IA que apoya el diálogo a largo plazo, recordar objetivos pasados tiene beneficios claros. Si puede conservarse un plan de aprendizaje, un objetivo laboral o una aspiración vital decidido meses antes, la persona no necesita explicarlo todo de nuevo desde el principio cada vez. También pueden compararse los juicios pasados con la situación presente. Sin embargo, es necesario distinguir entre «recordar algo» y «tratarlo como conocimiento que sigue siendo válido ahora».
Un objetivo difiere por naturaleza de un acontecimiento ocurrido. El hecho de que «la persona hizo esta declaración en un día determinado» sigue siendo un hecho sobre el pasado aunque después cambie de opinión. En cambio, una afirmación como «el objetivo de esta persona es X» incluye una afirmación sobre el estado presente. Si ese estado continúa utilizándose sin actualizarse simplemente por basarse en una declaración antigua, puede ser históricamente exacto y, sin embargo, inexacto como conocimiento que representa a la persona ahora.
Por tanto, un objetivo almacenado necesita tiempo además de contenido. En lugar de conservar únicamente «Quiero crear una empresa», el sistema puede representar que «en un momento determinado, por razones y bajo condiciones particulares, la persona tenía como objetivo crear una empresa». Después puede distinguir, a la luz de acciones posteriores y de las respuestas de la realidad, si el objetivo sigue siendo válido, requiere reconfirmación o ha sido modificado explícitamente por la persona.
La relación con las razones también importa. Un mismo objetivo puede significar cosas diferentes según si la persona busca una forma de trabajar más libre, quiere aumentar sus ingresos o desea crear una empresa que resuelva un problema concreto. Si se almacena el objetivo pero se pierden sus razones, el sistema no puede saber qué debe revalidarse cuando cambian las condiciones. A la inversa, si una razón se fija como un motivo absoluto, aparece otro problema cuando cambia la comprensión posterior de la persona. Las razones también deben tratarse como información asociada a un momento y a un grado de certeza.
Actualizar aquí no significa eliminar el objetivo pasado. Si el registro anterior se borra cuando cambia el objetivo, se pierde el recorrido que explica por qué ocurrió el cambio. La comprensión a largo plazo se beneficia de un historial como: qué quería antes la persona, qué experiencias cambiaron qué cosas y cómo piensa ahora. Lo importante es conservar la información antigua sin confundirla con el estado presente.
También debe distinguirse la inferencia propia de la IA de una declaración explícita de la persona. Aunque la IA infiera a partir de cambios de comportamiento que «el interés por el objetivo puede estar disminuyendo», eso es distinto de que la persona diga: «He decidido abandonar este objetivo». Si ambos se almacenan con el mismo grado de certeza, una inferencia puede citarse posteriormente como un hecho y orientar innecesariamente la autocomprensión de la persona.
Por tanto, la representación del conocimiento necesita distinciones como quién declaró la información, cuándo fue declarada, con qué experiencias o razones está relacionada, si se ha confirmado su validez presente y si se trata de una inferencia o de una elección explícita. No es necesario conservar cada detalle, pero no deberían perderse las diferencias que podrían modificar un juicio posterior. La compresión no debería limitarse a reducir la cantidad de información; debería hacerla manejable preservando al mismo tiempo las relaciones necesarias.
En la representación interna de la eficiencia de Sai＊aus, esto cambia la posición del objetivo. El objetivo no es una entrada fija desde la que comienza el razonamiento, sino un elemento cuyo estado puede cambiar mediante la experiencia humana. Al relacionar las razones que sostienen el objetivo, las pequeñas acciones, las diferencias devueltas por la realidad y los cambios en la comprensión humana, el sistema puede conservar el contexto necesario para reconsiderar si el objetivo actual debe seguir vigente.
Este diseño no pretende hacer que la IA cambie con frecuencia los objetivos humanos. Más bien, impide que los objetivos pasados continúen automáticamente como propósitos presentes sin entregar a la IA la autoridad para cambiarlos. Puede indicar que se necesita una revalidación, presentar la diferencia entre pasado y presente y devolver a la persona la atribución final de significado. Ese límite permite que coexistan la continuidad de la memoria y la capacidad humana de cambiar.
A medida que la IA llega a saber más sobre un ser humano, la exactitud de su conocimiento ya no puede medirse únicamente por lo poco que olvida. Debe conservar con precisión los sueños pasados y, al mismo tiempo, distinguir si siguen siendo válidos ahora; conservar los objetivos modificados como una historia del cambio en lugar de sobrescribir el pasado; y evitar confundir la inferencia de la IA con la elección humana. El conocimiento que comprende a una persona a través del tiempo requiere una estructura que trate al ser humano no como un retrato fijo, sino como un estado actualizable.
Por tanto, la pregunta «¿Deberían almacenarse los sueños del pasado?» no es una elección binaria entre guardar y eliminar. Pueden permanecer como historial mientras su validez se vuelve a comprobar cuando se utilizan como propósitos presentes. La memoria puede convertirse entonces en material para comprender cómo ha cambiado una persona, en lugar de ser un mecanismo que la ata al pasado. El diseño del conocimiento de la IA a largo plazo debe hacer posibles dos cosas a la vez: no perder el pasado y no fijar el presente a él.
No respuestas. Comprensión.