ඔබේ AI ඇජන්ට්ටාට බ්රෑක්පෑක් එකක් තියෙනවා කියලා සිතන්න. ඒ බ්රෑක්පෑකේ ඔබේ කැමති භාෂා, පැමිණි ව්යාපෘති තොරතුරු, පසුගිය අත්දැකීම්, ක්රියාමාර්ග ආදිය සුරක්ෂිත කරගෙන ඉඳිලා, අවශ්ය වෙලාම එය ලබා දෙන්නේය. මේ අලුත් සංකල්පය Retrieval Memory ලෙස හැඳින්වේ.
කොන්ටෙක්ස්ට් ප්රශ්නය – AI සමඟ සංවාදයක් කළාම, ඒකට සීමිත කොන්ටෙක්ස්ට් කවුළුවක් තියෙනවා. කතාබස් දිගුවට යන තුරු තොරතුරු එකතු වෙලා, කවුළුව පිරී ගත්තාම, පද්ධතිය නව සැසියක් ආරම්භ කරන්න, පරණ කොන්ටෙක්ස්ට් සංග්රහ කරන්න, හෝ අවශ්ය නොවන තොරතුරු ඉවත් කරන්න වගේ ක්රියා කරන්න වෙනවා.
කොන්ටෙක්ස්ට් එක අධික වීම වැළැක්වීමේ වෙනත් මාර්ගයක් තියෙනවා – එය තොරතුරු සියල්ලක් ක්රියාත්මක කොන්ටෙක්ස්ට් තුළ රඳවා නොගෙන, අවශ්ය වේලාවේ පමණක් බාහිරව සුරක්ෂිත කරගෙන, පසුකාලීනව ලබා ගැනීමයි. ඒකයි Retrieval Memory.
Retrieval Memory කෙටි විස්තරය – පරිශීලක ඉල්ලීමක් එළැඹෙන විට, පද්ධතිය බාහිරව සුරක්ෂිත කළ මතකයෙන් සම්බන්ධිත තොරතුරු සෙවීම, ඒවා කොන්ටෙක්ස්ට් එකට එක් කිරීම, සහ ප්රතිචාර ජනනය කිරීම යන පියවර අනුගමනය කරයි. මෙයින් තොරතුරු සෑම විටම ක්රියාත්මක කොන්ටෙක්ස්ට් තුළ රඳා නොසිටීමේ වාසිය ලැබේ.
උදාහරණයක් ලෙස, ඔබ AI ඇසුරුමකට "මගේ ප්රියතම වැඩසටහන් භාෂාව Rust" කියලා කියා ඇතැයි ගනිමු. පද්ධතිය ඒ තොරතුර "User preference: favourite language = Rust" ලෙස සුරක්ෂිත කරයි. පසුකාලීනව ඔබ "මගේ ඊළඟ ව්යාපෘතියට කුමන භාෂාව යෝජනා කරනවාද?" කියලා අසන විට, පද්ධතිය ඒ සුරක්ෂිත මතකයෙන් Rust ප්රියතම බව සොයාගෙන, ඒ තොරතුර කොන්ටෙක්ස්ට් එකට එක් කරයි. එවිට AI, Rust යෝජනා කරයි හෝ අවශ්ය නම් වෙනත් විකල්පයක් සමඟ පෙන්වයි.
Retrieval Memory සහ RAG (Retrieval‑Augmented Generation) අතර ප්රධාන වෙනස තොරතුරු මූලාශ්රයයි. RAG සාමාන්යයෙන් PDF, වෙබ් අඩවි, දැනුම් පදනම් වැනි බහුල ප්රමාණයේ දත්ත සොයයි. එයට වඩා Retrieval Memory, පරිශීලක‑විශේෂ, ඒජන්ට්‑විශේෂ, පසුගිය සංවාද, ව්යාපෘති, ක්රියාමාර්ග වැනි පුද්ගලික මතකය පදනම් කරයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික සමාජයට මේ නව සංකල්පය විශාල අවස්ථා ගෙන එයි. ප්රථමයෙන්, දේශීය සංවර්ධකයන්ට තමන්ගේ පෞද්ගලික කේත පරීක්ෂක (git‑lrc වැනි) හෝ AI කෝඩ් අසיסטන්ට් සමඟ වැඩ කරන විට, පසුගිය commit, පසුගිය දෝෂ, ව්යාපෘති විශේෂ සැකසුම් වැනි තොරතුරු බාහිරව සුරක්ෂිත කර, අවශ්ය වේලාවේ ඉක්මනින් ලබා ගත හැකිය. මෙයින් නිෂ්පාදන වේගය ඉහළ යාමට, දෝෂ අඩු කිරීමේ හැකියාවට සහ කේත ගුණාත්මකත්වයට දායක වේ.
දෙවනුව, විශ්වවිද්යාල සිසුන්ට AI අධ්යයනයේදී තමන්ගේ පසුගිය ප්රශ්න, උදව් ඉල්ලීම්, පර්යේෂණ සාරාංශ ආදිය සුරක්ෂිත කර, අධ්යයන සැසියකදී ඒවා නැවත ලබා ගත හැකිය. මෙයින් ඉගෙනුම් ගැඹුරු කිරීම, මතකය නවතා ගැනීම සහ පර්යේෂණ කාර්ය සාධනය ඉක්මණින් කරගැනීමේ හැකියාව ලැබේ.
අවසන් වශයෙන්, ස්ථානීය ව්යාපාරිකයන්ට AI ඇසුරුම්කාරකයන් (chatbots, virtual assistants) ගනුදෙනුකරුවන්ගේ පසුගිය ඇනවුම්, පසුගිය ප්රතිචාර, පාරිභෝගික කැමතිකම් වැනි තොරතුරු Retrieval Memory මගින් ගබඩා කර, අලුත් ඇණවුමක් හෝ ප්රශ්නයක් පැමිණෙන විට ඒවා පළවෙනි මොහොතේ ලබා ගත හැකිය. මෙය සේවා තත්ත්වය, පාරිභෝගික සතුට, සහ ව්යාපාරික කාර්ය සාධනය වැඩිදියුණු කරයි.
ඉදිරි දසුනේ, Retrieval Memory තාක්ෂණය AI සමඟ වැඩ කරන හැම කෙනෙකුටම වැඩි නිදහස, වේගය, සහ නිවැරදිත්වය ලබා දෙනු ඇත. ඒ නිසා, මේ තාක්ෂණය ශ්රී ලංකාවේ තාක්ෂණික ප්රගතියේ නව පියවරක් බවට පත්වේ.
