Semantische KI‑Speicher zahlen Preis: Vergessen und Fehlabruf sind unvermeidlich

Moderne KI‑Speichersysteme organisieren ihre Daten nach Bedeutung, um Generalisierung, Analogie und konzeptuelles Abrufen zu ermöglichen. Diese semantische Struktur ist jedoch ein zweischneidiges Schwert: Sie führt zwangsläufig zu Interferenz, Vergessen und falschen Erinnerungen.

In einer neuen Studie wird dieser Kompromiss mathematisch für „semantisch kontinuierliche Kernel‑Schwell‑Speicher“ – Systeme, deren Abrufscore ein monotones Produkt eines inneren Produkts in einem semantischen Merkmalraum mit endlicher lokaler intrinsischer Dimension ist – formalisiert. Die Autoren zeigen, dass semantisch nützliche Repräsentationen einen endlichen effektiven Rang besitzen, dass eine endliche lokale Dimension positive Konkurrenzmassen in Abrufnähe erzeugt, dass die Beibehaltung bei wachsender Speichergröße gegen Null fällt und somit Power‑Law‑Vergesskurven entsteht, und dass falsche Erinnerungen bei assoziativen Lures, die eine δ‑konvexe Bedingung erfüllen, nicht durch Schwellanpassung eliminiert werden können.

Die theoretischen Vorhersagen wurden an fünf unterschiedlichen Architekturen getestet: Vektor‑Abruf, Graph‑Speicher, attention‑basierte Kontexte, BM25‑Dateisystem‑Abruf und parametrische Speicher. Reine semantische Systeme zeigen die Schwachstellen direkt als Vergessen und Fehlabruf. Systeme, die mit logischem Denken ergänzt sind, reduzieren diese Symptome teilweise, führen aber zu katastrophalen Ausfällen, wenn die Interferenz nicht mehr kontrollierbar ist. Architekturen, die Interferenz vollständig vermeiden, opfern dabei die semantische Generalisierung.

Die Studie macht deutlich, dass der Preis für semantische Organisation unvermeidlich Interferenz bedeutet – ein Ergebnis, das alle getesteten Systeme gemeinsam haben. Für die KI‑Forschung bedeutet dies, dass neue Speicherdesigns einen Balanceakt zwischen semantischer Tiefe und Robustheit gegenüber Interferenz meistern müssen.