AI & computing › Agentic AI & autonome agents

Anthropic laat AI 'dromen' om geheugen op te schonen en fouten te herstellen

· Bijgewerkt 8 november 2026, 01:27 · 2 min leestijd

Agentic AI & autonome agents
Beeld: Interesting Engineering

Anthropic experimenteert met een proces dat het bedrijf 'dromen' noemt: tussen gesprekken door bekijkt het AI-model Claude zijn eigen opgeslagen herinneringen opnieuw, corrigeert fouten en ruimt overbodige informatie op. Uit tests met het spel Pokémon Red en honderdduizenden interne documenten blijkt dat dit de prestaties van de AI flink verbetert.

Kunstmatige intelligentie die 'droomt' klinkt als iets uit een sciencefictionfilm, maar onderzoekers van AI-bedrijf Anthropic onderzoeken serieus of hun chatbot Claude kan leren van een proces dat lijkt op menselijke slaap. Tijdens periodes van inactiviteit kijkt Claude terug naar eerdere gesprekken en taken, haalt daar lessen uit en slaat die op voor toekomstig gebruik. Het idee is losjes gebaseerd op hoe het menselijk brein herinneringen verwerkt en opruimt tijdens de slaap. Bij Claude gaat het niet om echte dromen, maar om een slim systeem dat opgeslagen notities herschrijft, aanvult of corrigeert.

Het probleem dat Anthropic wil oplossen is simpel maar lastig: AI-modellen die lang met een taak bezig zijn, moeten zelf bepalen welke informatie ze onthouden. Onthoudt een model te veel, dan raakt het geheugen overvol met rommel. Onthoudt het te weinig, dan mist het straks belangrijke context. Anthropic testte dit met het spelletje Pokémon Red, waarbij Claude door een virtuele wereld moet navigeren en badges moet verdienen.

Minder onthouden, meer badges

Twee versies van Claude kregen dezelfde opdracht. Het oudere model, Claude Sonnet 3.7, legde na ongeveer tienduizend speelstappen bijna alles vast: 413 bestanden verspreid over 225 mappen, goed voor bijna een miljoen tekens aan tekst. Het resultaat: slechts één badge. Een nieuwere versie, door Anthropic 'Claude Fable 5' genoemd, deed het tegenovergestelde. Dat model hield het bij tien bestanden in drie mappen en ongeveer 43.400 tekens. Het koos bewust voor navigatiestrategieën, belangrijke lessen en een los bestand met actuele doelen. Resultaat: vier badges. Minder, maar gerichter onthouden werkte dus beter dan alles vastleggen.

Fouten herstellen door terug te kijken

Een tweede test laat zien hoe dromen fouten kan rechtzetten. Claude sloeg per ongeluk de verkeerde locatie op van een Pokémon Center bij de berg Mt. Moon. Daardoor raakte het model telkens de weg kwijt, liep steeds tegen een omgevingsobstakel aan en kwam niet verder. Tijdens een offline controlemoment vergeleek Claude zijn eigen notities met de originele gespreksgeschiedenis, ontdekte de fout en paste het bestand aan. Met de juiste informatie liep Claude daarna wél door de berg heen en bereikte de stad Cerulean City. De versie die bleef vasthouden aan de foute notitie liep continu vast.

Van losse documenten naar een kennisbank

Anthropic onderzocht ook of dit dromen grote hoeveelheden documenten kan omzetten in een soort wiki, waarin Claude zelf verbanden legt tussen onderwerpen. Bij een test met ongeveer 350.000 interne documenten van softwarebedrijf Stainless, goed voor circa 420 miljoen tokens (taaleenheden), verbeterde de score op kennisvragen van 13 naar 48 procent na 128 sessies waarin Claude de wiki steeds verder bijwerkte. Bij een vergelijkbare test met fusiedocumenten van bedrijven haalde Claude met de zelfgemaakte wiki 87 procent nauwkeurigheid, tegenover 73 procent bij alleen direct zoeken in documenten. Anthropic benadrukt wel dat het onderhouden van zo'n geheugen rekenkracht kost en dat te veel opgeslagen informatie toekomstige sessies juist kan vertragen.

Achtergrond & begrippen

Wat betekent dit voor de toekomst? Als AI-systemen zelf kunnen bepalen wat ze onthouden, vergeten en corrigeren, kunnen ze veel langer en zelfstandiger werken aan complexe taken zonder menselijke bijsturing. Dat is essentieel voor toekomstige AI-assistenten die wekenlang aan een project werken, van softwareontwikkeling tot wetenschappelijk onderzoek. Tegelijk laat het onderzoek zien dat zelfs geavanceerde AI nog steeds fouten maakt en actief moet controleren of haar eigen 'herinneringen' wel kloppen.

Dromen (bij AI)
Een proces waarbij een AI-model tussen gesprekken door zijn opgeslagen notities herbekijkt, fouten corrigeert en informatie herordent, losjes geïnspireerd op hoe mensen herinneringen verwerken tijdens de slaap.
Geheugenbestanden
Tekstbestanden waarin een AI-model informatie opslaat die het later weer wil kunnen gebruiken, zoals strategieën, feiten of lopende doelen.
Token
De kleinste taaleenheid (vaak een stukje woord) die een AI-model verwerkt; grote hoeveelheden tekst worden in miljoenen tokens gemeten.
Wiki (kennisbank)
Een verzameling onderling gelinkte pagina's met informatie, vergelijkbaar met Wikipedia, die een AI-model zelf kan opbouwen uit losse documenten.
Sessie
Een los gesprek of werkmoment van een AI-model, waarna het geheugen van dat moment normaal gesproken verloren gaat tenzij het is opgeslagen.

Bronnen

Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.

Meer over Agentic AI & autonome agents