Geheugenagent
Een geheugenagent is een AI-programma dat niet alleen reageert op de vraag die je op dit moment stelt, maar dat ook onthoudt wat er eerder is gezegd of gedaan — soms binnen één gesprek, soms over dagen of weken heen. Waar een gewone chatbot na afloop van een gesprek als het ware “met geheugenverlies” opnieuw begint, bouwt een geheugenagent een dossier op: voorkeuren, feiten, eerdere beslissingen en tussenresultaten die het later weer kan opdiepen.
Vergelijk het met het verschil tussen een tijdelijke uitzendkracht en een vaste collega. De uitzendkracht (de gewone chatbot) krijgt elke ochtend een nieuw briefje met instructies en weet niets van gisteren. De vaste collega (de geheugenagent) heeft een logboek bijgehouden: hij weet dat je liever korte antwoorden krijgt, dat een bepaald project vorige week is stopgezet, en dat hij een taak drie stappen geleden al half had afgerond. Die opgebouwde kennis maakt het mogelijk om langere, samenhangende taken uit te voeren zonder dat de gebruiker steeds alles opnieuw moet uitleggen.
Wat is het precies?
De basis van elk taalmodel — het soort AI achter chatbots zoals ChatGPT, Claude of Gemini — is het zogeheten contextvenster: het stuk tekst dat het model in één keer kan “zien” als het een antwoord genereert. Dat venster is te vergelijken met een whiteboard: alles wat erop staat kan het model gebruiken, maar zodra het gesprek te lang wordt of stopt, wordt het bord weer schoongeveegd. Er is dus van nature geen langetermijngeheugen; alleen wat toevallig nog op het whiteboard past.
Een geheugenagent lost dit op door informatie buiten het contextvenster op te slaan en er later weer bij te halen. Dat gebeurt meestal in twee lagen. De kortetermijnlaag is simpelweg het lopende gesprek zelf, of een samenvatting daarvan. De langetermijnlaag bestaat uit een externe opslagplaats — vaak een vectordatabase — waarin eerdere gesprekken, feiten of documenten zijn omgezet in getallenreeksen (zogeheten embeddings) die de betekenis van een stuk tekst vastleggen. Wanneer de agent iets moet weten, zoekt hij in die database naar de stukjes tekst die qua betekenis het beste bij de huidige vraag passen en plakt die tijdelijk terug op het whiteboard. Deze techniek heet retrieval-augmented generation (RAG): het model genereert zijn antwoord met extra, opgehaalde informatie erbij.
Geavanceerdere systemen gaan een stap verder en laten de agent zelf beslissen wat het waard is om te onthouden, samen te vatten of juist te vergeten — net zoals een besturingssysteem van een computer bepaalt welke gegevens in het snelle werkgeheugen (RAM) blijven en welke naar de trage harde schijf worden weggeschreven. Onderzoekers noemen dit wel geheugenbeheer: het model schrijft samenvattingen van oude gesprekken, geeft ze een label (bijvoorbeeld “voorkeur van de gebruiker” of “afgeronde taak”) en haalt ze later gericht weer op. Er wordt ook onderscheid gemaakt tussen episodisch geheugen (specifieke gebeurtenissen, zoals “op 3 maart vroeg de gebruiker om een offerte”) en semantisch geheugen (algemene feiten, zoals “de gebruiker werkt bij een accountantskantoor”).
Wat wil men ermee bereiken?
Het belangrijkste doel is continuïteit: een assistent die je niet elke keer opnieuw hoeft uit te leggen wie je bent en wat je wilt. Voor gewone gebruikers betekent dit een chatbot die onthoudt dat je vegetarisch eet, in welke programmeertaal je het liefst werkt, of welke stijl je voor e-mails prefereert.
Voor zogeheten AI-agenten — systemen die zelfstandig meerdere stappen uitvoeren, zoals een taak plannen, informatie opzoeken en vervolgacties nemen — is geheugen zelfs een randvoorwaarde. Een agent die een onderzoek van meerdere dagen uitvoert, code doorontwikkelt of een klantendossier beheert, moet weten wat hij gisteren al heeft geprobeerd en wat wel of niet werkte. Zonder geheugen zou hij telkens bij nul beginnen.
Daarnaast spelen praktische en economische motieven mee. Een heel lang contextvenster vullen met de complete geschiedenis van een gebruiker is duur en traag, omdat elk extra stukje tekst rekenkracht kost. Door alleen relevante herinneringen op te halen in plaats van alles constant mee te sturen, blijft een systeem betaalbaar en snel. Tot slot hopen ontwikkelaars dat gefundeerd geheugen — antwoorden baseren op daadwerkelijk opgeslagen feiten in plaats van giswerk — het risico op hallucinaties verkleint: het verzinnen van onjuiste informatie die overtuigend klinkt.
Voorbeelden uit de praktijk
Generative Agents / “Smallville” (Stanford University, 2023): onderzoekers lieten 25 AI-personages in een gesimuleerd dorpje samenleven. Elk personage hield een geheugenstroom bij van alles wat het meemaakte, reflecteerde daarop en gebruikte die reflecties om plannen te maken — van een verjaardagsfeestje organiseren tot roddels verspreiden. Dit was een van de eerste invloedrijke demonstraties van geheugen, reflectie en planning gecombineerd in één AI-systeem.
MemGPT (UC Berkeley, 2023): dit onderzoeksproject introduceerde het idee om een taalmodel zijn eigen geheugen te laten beheren zoals een besturingssysteem omgaat met werkgeheugen en opslag, inclusief het zelf aanroepen van functies om informatie op te slaan of terug op te halen. Het project groeide uit tot het bedrijf Letta, dat een platform bouwt voor agenten met persistent geheugen.
Mem0: een opensource-“geheugenlaag” die ontwikkelaars kunnen toevoegen aan hun eigen AI-toepassingen, zodat een chatbot of agent voorkeuren en feiten over gebruikers onthoudt zonder dat de bouwer zelf een volledige geheugenarchitectuur hoeft te ontwerpen.
Zep: een infrastructuurdienst specifiek gericht op “geheugen als bouwsteen” voor ontwikkelaars van AI-agenten, met functies om gespreksgeschiedenis samen te vatten, te doorzoeken en te structureren.
Persistent geheugen in consumentenchatbots: OpenAI voegde vanaf begin 2024 geleidelijk een geheugenfunctie toe aan ChatGPT, waarmee de chatbot desgevraagd feiten over de gebruiker onthoudt tussen gesprekken door. Ook andere grote aanbieders van chatbots hebben vergelijkbare functies uitgerold of aangekondigd; het precieze tijdspad verschilt per aanbieder en per markt, en de functies worden nog regelmatig aangepast.
Hoe ver is de techniek?
De basisvariant — simpele feiten en voorkeuren onthouden via een vectordatabase — werkt inmiddels redelijk betrouwbaar en zit in meerdere gangbare producten. Complexere vormen van geheugen blijken echter lastiger. Systemen hebben nog moeite met tegenstrijdige informatie (wat als een voorkeur later verandert?), met het onderscheiden van belangrijke van triviale informatie, en met het voorkomen van wat onderzoekers “geheugenvervuiling” noemen: irrelevante of verouderde herinneringen die per ongeluk worden opgehaald en het antwoord verstoren.
Er wordt hard gewerkt aan testmethoden om te meten hoe goed een systeem echt lange gesprekken en taken kan onthouden, maar dit onderzoeksveld is nog jong en er is geen brede consensus over de beste manier van meten. Ook privacy is een open vraag: hoe lang mag een systeem persoonlijke informatie bewaren, wie mag die inzien of laten verwijderen, en hoe voorkom je dat gevoelige gegevens per ongeluk in een later gesprek opduiken? Vanuit informatiebeveiliging is verder relevant dat opgeslagen geheugens een aantrekkelijk doelwit kunnen zijn: als een aanvaller erin slaagt foutieve of misleidende “herinneringen” in het geheugen van een agent te planten, kan dat latere antwoorden beïnvloeden — een risico waar leveranciers nog mee worstelen.
Kortom: het idee is niet nieuw meer en de eerste versies staan al in productie, maar robuuste, betrouwbare en veilige langetermijngeheugens voor AI blijven een actief onderzoeksgebied met duidelijke, nog onopgeloste beperkingen.
Wie werken eraan?
De grote AI-laboratoria — OpenAI, Anthropic en Google DeepMind, alle drie gevestigd in de Verenigde Staten — bouwen geheugenfuncties rechtstreeks in hun chatbots en agentplatforms. Daarnaast is er een laag gespecialiseerde start-ups die zich vrijwel volledig richten op geheugeninfrastructuur voor ontwikkelaars, waaronder Letta (voortgekomen uit het MemGPT-onderzoek), Mem0 en Zep.
Op onderzoeksgebied lopen Amerikaanse universiteiten voorop: UC Berkeley (waar MemGPT ontstond) en Stanford University (waar het Smallville-experiment met generatieve agenten werd uitgevoerd) zijn twee van de bekendste bronnen van fundamenteel onderzoek naar agentgeheugen. Bredere raamwerken voor het bouwen van AI-agenten, zoals LangChain en LlamaIndex, bieden inmiddels ook kant-en-klare bouwstenen voor geheugen, wat de techniek toegankelijk maakt voor kleinere ontwikkelaars wereldwijd. Europese en Aziatische onderzoeksgroepen en bedrijven volgen de ontwikkelingen op de voet en publiceren eigen studies, maar het gros van de spraakmakende doorbraken en commerciële producten komt vooralsnog uit de Verenigde Staten.