對於支援長期對話的AI而言，記住過去的目標具有明確的好處。如果能夠保留幾個月前制定的學習計畫、工作目標或生活願望，當事人就不必每次都從頭解釋一切。過去的判斷也可以與當前情況進行比較。然而，「記住某件事」和「把它作為現在仍然有效的知識來處理」需要加以區分。
目標在性質上不同於已經發生的事件。「這個人在某一天說過這句話」這一事實，即使本人後來改變了想法，也仍然是關於過去的事實。相比之下，「這個人的目標是X」這樣的陳述包含了對當前狀態的主張。如果僅僅因為過去的一次陳述，就在不更新的情況下繼續使用這一狀態，那麼它在歷史記錄上可能是準確的，卻可能並不能準確地作為代表此人當前狀態的知識。
因此，保存的目標除了內容之外還需要帶有時間。系統不應只保留「我想創業」，而可以表示為「在某個時間點，基於特定的理由和條件，這個人曾把創業作為目標」。隨後，系統可以根據之後的行動以及現實給予的回饋，區分該目標是否仍然有效、是否需要重新確認，或者是否已被本人明確改變。
與理由之間的關係同樣重要。同一個目標可能具有不同的含義，這取決於當事人是追求更自由的工作方式、希望增加收入，還是希望建立一個解決特定問題的企業。如果只保存目標而丟失其理由，當條件發生變化時，系統就無法知道應當重新驗證什麼。反過來，如果把某個理由固定為絕對動機，那麼當本人後來的理解發生變化時，又會產生另一個問題。理由也必須作為具有時間點和確定程度的資訊來處理。
這裡的更新並不意味著刪除過去的目標。如果目標發生變化時把先前的記錄抹去，就會失去解釋為什麼發生這種變化的路徑。長期理解得益於這樣的歷史：這個人過去想要什麼、哪些經驗改變了什麼，以及現在如何思考。重要的是保留舊資訊，同時不把它與當前狀態混為一談。
還必須區分AI自身的推斷與本人明確的陳述。即使AI根據行為變化推斷出「對該目標的興趣可能正在下降」，這也不同於本人說「我已經決定放棄這個目標」。如果以相同的確定程度保存兩者，那麼推斷之後可能會被作為事實引用，並不必要地引導本人對自己的理解。
因此，知識表示至少需要區分：資訊是誰陳述的、何時陳述、與哪些經驗或理由相關、其當前有效性是否得到確認，以及它是推斷還是明確的選擇。並非每一個細節都必須保存，但可能改變之後判斷的差異不應丟失。壓縮不應只是減少資訊量，而應在保留必要關係的同時，使資訊更易於處理。
在Sai＊aus的內部效率表達中，這種思路改變了目標的位置。目標並不是推理開始時的固定輸入，而是一個其狀態能夠透過人類經驗發生變化的要素。透過把支撐目標的理由、小的行動、現實回饋回來的差異以及人類理解的變化關聯起來，系統可以保留重新考慮當前目標是否應繼續有效所需要的脈絡。
這種設計並不是為了讓AI頻繁改變人類的目標。相反，它是在不把改變目標的權限交給AI的情況下，防止過去的目標自動繼續成為當前的目的。系統可以指出需要重新驗證，呈現過去與現在之間的差異，並把最終的意義賦予權交還給本人。這一邊界使記憶的連續性與人類改變的能力能夠並存。
隨著AI對一個人了解得越來越多，其知識的準確性就不能再僅僅以「忘得有多少」來衡量。它必須準確保存過去的夢想，同時區分這些夢想現在是否仍然有效；把已經改變的目標作為變化的歷史保留下來，而不是覆蓋過去；並避免把AI的推斷與人的選擇混為一談。要在時間中理解一個人，知識需要一種結構：不是把人作為固定的圖像，而是作為可更新的狀態來處理。
因此，「過去的夢想應該被保存嗎？」這個問題並不是保存還是刪除的二元選擇。它們可以作為歷史保留下來，而在被用作當前目的時再次檢查其有效性。這樣，記憶就可以成為理解一個人如何發生變化的材料，而不是把人束縛在過去的機制。長期AI知識設計需要同時實現兩件事：不丟失過去，也不把現在固定在過去之上。
不是答案。是理解。