Милла Йовович Mem Palace, система памяти ИИ с результатом 96,6% на LongMemEval

Представьте ситуацию: вы две недели обсуждали с ChatGPT или Claude архитектуру проекта, нашли решение сложной задачи, а потом закрыли вкладку. Через неделю возвращаетесь и… ИИ ничего не помнит. Приходится заново объяснять контекст, искать старый чат, копировать туда-сюда. Знакомо?

Именно эту проблему попыталась решить Милла Йовович, да, та самая актриса из «Пятого элемента». И судя по результатам бенчмарков, у неё это получилось довольно неплохо.

Что такое Mem Palace и почему это важно

Проект Милла Йовович Mem Palace это система персистентной памяти для ИИ с открытым исходным кодом, опубликованная на GitHub. По заявлению авторов, она набрала 96,6% на бенчмарке LongMemEval, что делает её одной из самых высокооценённых систем ИИ-памяти на данный момент.

Суть проблемы, которую решает Mem Palace, довольно проста. Каждый раз, когда вы начинаете новый чат с ИИ-ассистентом, будь то Claude, Gemini или ChatGPT, модель не имеет доступа к вашим предыдущим разговорам. Всё, что вы обсуждали раньше, все решения, договорённости, контекст, фактически исчезает после завершения сессии. Конечно, можно вернуться в старый чат, но это неудобно и неэффективно.

Принцип дворца памяти

Название проекта не случайно. Mem Palace использует мнемоническую технику «дворца памяти», адаптированную для ИИ. Работает это так: вы создаёте «крылья» дворца для разных тематических направлений. Например, одно крыло для разговоров об искусстве, другое для философских дискуссий, третье для маркетингового контента. Внутри каждого крыла есть «комнаты» с более конкретными темами.

Что это даёт на практике? ИИ не ищет по всему массиву ваших данных сразу. Вместо этого он обращается только к релевантному «крылу» дворца, что существенно ускоряет поиск и повышает точность ответов.

Технические особенности

Несколько ключевых характеристик, которые выделяют эту систему:

Принципиальный момент: система сохраняет ваши диалоги целиком, без суммаризации. ИИ не решает за вас, что стоит запоминать, а что нет. Всё записывается как есть. Это важно, потому что часто именно мелкие детали из прошлых разговоров оказываются критичными в новом контексте.

Кто это сделал и как

Любопытный факт: по информации из обзора проекта, Милла Йовович и её партнёр-разработчик создали Mem Palace методом vibe-coding в Claude. То есть они использовали сам ИИ для написания кода ИИ-системы памяти. Звучит немного рекурсивно, но результат говорит сам за себя.

Проект находится в активной стадии разработки. Авторы открыто просят пользователей тестировать систему и давать обратную связь. Есть баги, не всё работает идеально, но команда оперативно реагирует на замечания и вносит исправления.

Почему локальное хранение это принципиально

Когда вы используете облачные ИИ-сервисы, все ваши разговоры хранятся на серверах компаний. Для бизнеса это часто неприемлемо: коммерческая тайна, персональные данные клиентов, внутренние процессы. Милла Йовович Mem Palace работает полностью локально, на вашей машине. Никакой облачной подписки, никакой передачи данных третьим сторонам.

Для тех, кто работает с ИИ в бизнес-контексте, это серьёзное преимущество. Вы получаете долговременную память ИИ-ассистента без компромиссов по безопасности.

Кому это может быть полезно

Разработчикам, которые ведут долгие технические дискуссии с ИИ и устали каждый раз восстанавливать контекст. Маркетологам, которые генерируют контент и хотят, чтобы ИИ помнил их стиль, целевую аудиторию и прошлые решения. Предпринимателям, использующим ИИ для стратегического планирования и анализа.

Кстати, если вы используете ИИ для автоматизации бизнес-процессов, например, для автоматического ведения блога или создания контента для соцсетей, система вроде Mem Palace могла бы стать полезным дополнением к рабочему процессу, позволяя ИИ учитывать весь предыдущий опыт взаимодействия.

Ограничения и открытые вопросы

Стоит трезво оценивать ситуацию. Проект молодой и находится в стадии активного тестирования. Пользователи сообщают о различных проблемах, и нет гарантии, что система будет стабильно работать в production-среде уже сейчас. Бенчмарк 96,6% на LongMemEval это впечатляющий результат, но хотелось бы увидеть независимую верификацию этих данных.

Также остаётся вопрос масштабируемости. Локальное хранение прекрасно для одного пользователя, но как система будет себя вести при огромных объёмах данных на протяжении месяцев и лет? Пока ответа нет.

Тем не менее, сам факт того, что open-source проект с таким подходом существует и активно развивается, это хороший сигнал для всей экосистемы ИИ-инструментов. Проблема персистентной памяти одна из ключевых для повседневного использования ИИ, и любое продвижение в этом направлении заслуживает внимания.

Если тема ИИ-автоматизации и новых инструментов вам интересна, подписывайтесь на наш Telegram-канал, где мы регулярно разбираем подобные решения и их практическое применение в бизнесе.