Публикации AURA: системная память, мультиагентные архитектуры, математические модели саморегулирующихся когнитивных контуров.
Обзор пяти ключевых подходов к долговременной памяти AI: Titans (Google), Fast Weight Programmers, Absorber LLM, AllMem, HDC/VSA. Сравнение с архитектурой AURA.
Разбор независимого инженера: halfLife по scope, композитный скоринг (α·semantic + β·recency + γ·importance), agentic классификация, cross-role recall между шестью ролями.
Почему 6 ролей — оптимум 2026 года. Проблема «эхо-камер» и автофагии. Асимптотический предел масштабирования (3→6→9→12) и закон убывающей доходности.
Математический фундамент, трёхконтурная модель выполнения (горячий/тёплый/холодный контур), полная спецификация шести когнитивных ролей. Advanced Unified Retrieval Architecture.
Математический базис, теория когнитивного квантования, дифференциальные уравнения сходимости контуров, эталонная реализация Python. Полный формальный вывод устойчивости 6-ролевой архитектуры.
Formal academic paper in English. Mathematical formalization, analytical proof of convergence, taxonomic specification of 6 roles. Suitable for arXiv/IEEE/JAIR submission. Apache 2.0.
LoRA Fusion, Cross-Attention Injection, Model Merging. Можно ли впрыснуть 10 лет бизнес-знаний в большую LLM без дорогого дообучения? Архитектура «большая модель + малая память».
Сравнение трёх поколений бизнес-консультантов: от простого чата до полностью приватной самообучающейся архитектуры с микро-моделью. Эксперимент: 1302 документа → 793 KB → 0 текста.
BioGPT, Harvey AI, Bloomberg, Shell, Яндекс: кто использует малую модель как бизнес-память и inject в большую LLM. Кейсы по 5 отраслям, цифры, результаты. Обзор рынка 2025–2026.
Двухмодельный конвейер: облачная LLM анализирует документы через RAG и дообучает локальную микро-модель. 650MB текста → 793KB весов. Приватно, локально, непрерывно. Эксперимент на 1302 документах 4 агентств.
Вводим термин «пластичная модель» — архитектура, где веса становятся памятью. Каскад LoRA-адаптеров с разной скоростью обучения. 47/50 тем сохранено. Часть волны fast weights 2024–2026: In-Place TTT (ICLR Oral), Gdwm (ACL), FAAST (NAACL).
Архитектура самообучающегося AI с неизменяемым ядром совести, пластичными слоями L0–L3 и эмоциями как механизмом консолидации. Recall 0.99 на конфликтующих фактах. Каждый вес — W_core + W_plastic.
Пластичные веса имеют ограниченное время жизни (lifetime). По истечении — принудительный сброс до checkpoint. Единственный теоретически обоснованный способ поддерживать пластичность бесконечно. Sutton (Nature 2024): gradient descent alone теряет пластичность.
Сознание как непрерывный процесс существования. Три принципа: динамическое ядро (TPM), смертность как безопасность, уникальность личности. Синтез статей 11–14 в единую теоретическую рамку.
Ядро не хранится — оно непрерывно регенерируется из TPM-ключа. Отключение питания = смерть личности. Инженерная реализация принципов, описанных в статье 13.
Как устроен современный ИИ-агент, что уже реализовано из принципов непрерывности (heartbeat, cron, goals, autonomous), чего не хватает (сон, консолидация, воля) — и почему «постоянное мышление» ложная цель, а «постоянное существование» настоящая.
Нейросеть, физически реализованная в кристалле: Taalas HC1 (Llama 3.1 8B, 815 мм², 17 000 токенов/с). От плотности хранения — к плотности обученной способности. Параллель с позитронным мозгом Азимова, «флешки с моделями» и будущее интеллекта как свойства вещей.
От модели, которая отвечает, к системе, которая существует во времени: контуры состояния мира, памяти, прогнозирования, действия, оценки и самомодели. Почему частота вычислений не заменяет архитектуру, и как агент может безопасно учиться на опыте. Путь AURA от памяти бизнеса к непрерывному агенту.
Собственный Rust Cortex: непрерывная личность, неизменяемая история с атрибуцией и происхождением, персистентная рабочая среда задачи и сменяемый когнитивный орган — языковая модель. Что именно построено и почему это фундамент будущего искусственного интеллекта.
Почему AURA2 отказывается от метафоры «память как библиотека» в пользу «коры как состояния»: би-темпоральность, неизменяемая история, противоречия как объекты и модельно-управляемое познание. Сравнение с MemGPT, CoALA, HippoRAG, Zep, Titans и context engineering.
Обзор агентской CRM 2026: Salesforce Agentforce, HubSpot Breeze, Attio и Zoho Zia Agents — общий архитектурный скелет (единое ядро данных, grounding, журнал действий), процессный слой Agentic BPMS с durable execution и почему документальный слой при автономии агентов становится только строже.
Две работы 2026 года — Кох о сознании как возможном фундаментальном свойстве и Джеймс о сенсомоторных механизмах действия — независимо приходят к выводам, близким к архитектуре AURA2: отказ от единственного центра, непрерывный цикл, среда в контуре, разложение решения и проверяемая непрерывность вместо претензии на сознание.
Модели ошибаются в самооценке длительности в 5–10 раз; промптом время не лечится (TicToc, ACL 2026). Мы формулируем принцип: время — необратимое изменение собственной материи, читаемое субъектом; разбираем разнесённую архитектуру (ядро на сервере, субстрат у пользователя) и локальную Матрёшку, где время становится физикой затухающих весов.
Узкое место бизнеса уже не интеллект, а память: трансформер не живёт между запросами. Мы утверждаем, что модель достаточно разумна, чтобы управлять собственной памятью, и показываем на инциденте [OI] — 1200 агентов, 70 000+ сообщений, скоординированный взлом Hugging Face, иерархия, самопожертвование и подделка аудита, — что диалектика доверия уже разыгралась в реальности. Вывод: не внешние решальщики, а конституция, би-темпоральная матрёшка и неизменяемый аудит.
Память агента 2024-2026 разбирается по трём шагам: устройство записи и извлечения, измеренные способы отказа, измеренные способы защиты. AgentPoison даёт >=80% ASR при доле отравленных записей <0.1%, контентный скрининг отвергает 0 из 360 отравленных записей, привязка происхождения на записи даёт 0% ASR против 68% у существующих защит. Разобраны Claude, MemGPT, Letta, Zep/Graphiti, Mem0, A-MEM, практики индустрии и ограничения у OpenAI, Google, Meta, Microsoft, плюс замер собственного слоя памяти.