Universal Cognitive Architecture: Khi bộ nhớ của tổ chức không còn bị khóa trong một mô hình AI

Starling Memory Works đang đề xuất một cách khác để lưu “trí nhớ” của doanh nghiệp khi làm việc với AI: đưa bộ nhớ đó ra ngoài mô hình ngôn ngữ.

Universal Cognitive Architecture (UCA) được công ty giới thiệu như một tiêu chuẩn mở, miễn phí vĩnh viễn theo giấy phép Creative Commons. Starling MX là nền tảng beta đầu tiên triển khai kiến trúc này, với mức giá từ 99 USD mỗi tháng cho chỗ ngồi đầu tiên; phí sử dụng bổ sung được tính riêng.

Ý tưởng cốt lõi khá dễ hiểu: mô hình AI nên là một động cơ suy luận có thể thay thế, còn tri thức chính thức của tổ chức phải được lưu trữ theo cấu trúc có thể kiểm soát, kiểm tra và chuyển sang mô hình khác.

UCA là gì?

UCA là một tiêu chuẩn phân loại bằng ngôn ngữ tự nhiên, được thiết kế để tổ chức tri thức doanh nghiệp quanh 11 “Organizational Cognates” — những nhóm khái niệm mà Starling xem là các trung tâm xử lý thông tin của tổ chức. Theo công ty, hệ thống này gán cho các khái niệm lặp lại những địa chỉ ngữ nghĩa cố định, để con người và các hệ thống AI tương thích có thể gọi đúng một phần tri thức bằng địa chỉ của nó thay vì hoàn toàn phụ thuộc vào tìm kiếm xác suất.

Cách tiếp cận này tương tự hệ thống phân loại trong thư viện. Mô hình ngôn ngữ có thể được thay đổi, nhưng danh mục và các bản ghi nền tảng của tổ chức vẫn được giữ nguyên.

Chẳng hạn, tài liệu của Starling dùng địa chỉ MA20 cho “vị thế cạnh tranh”. Địa chỉ này được cho là không đổi, trong khi các phiên bản của bản ghi bên dưới có thể được cập nhật theo thời gian.

UCA vì thế không phải là một mô hình ngôn ngữ mới. Đây là lớp tổ chức dữ liệu được đề xuất cho Domain Language Model (DLM): một mô hình ngôn ngữ lớn đa dụng, không duy trì bộ nhớ dài hạn của tổ chức, nhưng được cung cấp bộ nhớ có cấu trúc tại thời điểm chạy.

Starling MX lưu trữ bộ nhớ như thế nào?

Starling mô tả kho tri thức của tổ chức gồm hai khu vực chính:

• Org Library: nơi lưu các bản ghi chuẩn hóa, có quản trị và phiên bản, được xem là tri thức chính thức của tổ chức.
• Resources: nơi chứa tài liệu nguồn, tài liệu tham khảo, bản nháp và các sản phẩm được tạo ra trong quá trình làm việc.

Sự phân tách này nhằm giải quyết một vấn đề quen thuộc: một báo cáo nghiên cứu hoặc bản nháp có thể hữu ích cho AI, nhưng không nên tự động trở thành “sự thật chính thức” của doanh nghiệp. Org Library giữ phiên bản đã được phê duyệt; Resources cung cấp ngữ cảnh để tham khảo và tạo sản phẩm.

Hệ thống cũng ưu tiên văn bản. Starling cho biết bộ nhớ tổ chức được duy trì dưới dạng Markdown thuần văn bản, có thể đọc và không bị biến đổi mất mát, thay vì tồn tại như trạng thái mô hình khó kiểm tra. Theo lập luận của công ty, cách này giúp con người dễ xem xét, theo dõi phiên bản, di chuyển dữ liệu và sử dụng kho tri thức cùng với phần mềm.

Ở phía máy, một manifest sẽ tập hợp ngữ cảnh liên quan từ kho lưu trữ do con người kiểm soát để cung cấp cho từng phiên làm việc. Mô hình nhận ngữ cảnh, xử lý nhiệm vụ rồi kết thúc phiên mà không giữ bộ nhớ bền vững của tổ chức như tài sản riêng của mình.

MCP đóng vai trò gì?

Starling định vị Model Context Protocol (MCP) của Anthropic như lớp kết nối giúp mô hình AI tiếp cận ngữ cảnh bên ngoài. UCA cung cấp logic phân loại và các địa chỉ ngữ nghĩa chung; kho lưu trữ cung cấp những bản ghi đã được quản trị; còn MCP hỗ trợ đưa ngữ cảnh đó vào phiên làm việc của mô hình.

Về nguyên tắc, cách tách lớp này có thể giúp tổ chức đổi mô hình mà không phải xây dựng lại toàn bộ bộ nhớ. Một mô hình tương thích khác có thể được kết nối với cùng kho tri thức có cấu trúc và nhận đúng phần ngữ cảnh cần thiết cho nhiệm vụ.

Tuy nhiên, đây mới là tuyên bố về thiết kế, chưa phải bằng chứng cho khả năng tương tác phổ quát. Các nguồn hiện có mô tả kiến trúc và mục tiêu sử dụng của Starling, nhưng chưa chứng minh độc lập rằng mọi mô hình hoặc mọi môi trường triển khai đều sẽ hoạt động hiệu quả như nhau với UCA.

Vì sao Starling gắn UCA với “chủ quyền AI”?

CEO Chris Kincade cho rằng chủ quyền AI không chỉ là sở hữu GPU, đặt hệ thống tại chỗ hay lựa chọn một nhà cung cấp mô hình trong nước. Những yếu tố đó có thể quan trọng, nhưng chưa đủ để bảo đảm tổ chức kiểm soát được các quyết định, chính sách, quyền truy cập, nguồn gốc dữ liệu và tri thức vận hành của mình.

Theo cách tiếp cận của UCA, các tài sản lâu dài này nằm trong kho lưu trữ do tổ chức kiểm soát. Nếu một mô hình bị nâng cấp, thay thế, tạm ngừng cung cấp hoặc không còn đáp ứng yêu cầu quản trị, tổ chức vẫn giữ được bộ nhớ của mình và có thể kết nối mô hình khác với cùng một bộ tri thức chuẩn.

Điều đó có thể giảm sự phụ thuộc vào một nhà cung cấp AI duy nhất, bởi tài sản quan trọng nhất — tri thức đã được phân loại và quản trị — nằm bên ngoài mô hình. Cách làm này cũng được kỳ vọng hỗ trợ khả năng chống gián đoạn, khi mô hình không giữ vai trò kho lưu trữ duy nhất cho bộ nhớ tổ chức dài hạn.

Đó là ý nghĩa trong câu khẩu hiệu của Starling: “mô hình quên; tổ chức ghi nhớ.” Mô hình đảm nhiệm suy luận trong một phiên làm việc, còn tổ chức giữ các bản ghi, địa chỉ và quy tắc quản trị tạo nên tính liên tục.

Tiêu chuẩn mở thay đổi điều gì?

Starling cho biết UCA được cung cấp miễn phí vĩnh viễn theo Creative Commons, cho phép các tổ chức xây dựng dựa trên tiêu chuẩn mà không cần xin giấy phép hoặc sự cho phép riêng từ Starling.

Điểm này khiến UCA khác với một tính năng bộ nhớ chỉ hoạt động trong phạm vi một nền tảng. Về lý thuyết, một tiêu chuẩn phân loại mở có thể tồn tại lâu hơn sản phẩm đầu tiên triển khai nó. Doanh nghiệp có thể dùng UCA để sắp xếp tri thức, sau đó đánh giá các công cụ khác nhau cho việc lưu trữ, truy xuất và kết nối mô hình.

Dù vậy, giá trị thực tế sẽ phụ thuộc vào mức độ chấp nhận, chất lượng triển khai và năng lực quản trị. Một địa chỉ cố định chỉ hữu ích khi các nhóm thống nhất được ý nghĩa của nó, duy trì bản ghi chuẩn và kiểm soát chặt chẽ các lần cập nhật. Phân loại có thể giúp tìm tri thức dễ hơn, nhưng không tự động khiến tri thức đó chính xác hoặc còn актуal.

Các trường hợp sử dụng và giới hạn bằng chứng

Tài liệu của Starling liên hệ kiến trúc này với các kịch bản như huấn luyện cá nhân, tiếp thị, quản lý xây dựng và dịch vụ pháp lý. Công ty cũng đăng lời chứng thực của Brady Patterson thuộc SelfOS, người cho rằng việc gắn tri thức với “một điểm neo rõ ràng” giúp giảm mất ngữ cảnh và trôi dữ liệu.

Những ví dụ này cần được nhìn nhận thận trọng. Các nguồn được cung cấp chưa độc lập xác minh mối quan hệ với QuillOS của Wrks Online, quy mô triển khai hay kết quả hiệu năng đã đo lường. Nhận xét từ SelfOS là một lời chứng thực của người thực hành, không phải sự thẩm định độc lập về hiệu quả của UCA.

Nhìn rộng hơn, phần lớn bằng chứng hiện có đến từ tài liệu sản phẩm của Starling và các bài viết đưa tin về việc ra mắt. Những nguồn này hỗ trợ việc mô tả sản phẩm đã công bố và cách công ty giải thích kiến trúc, nhưng chưa đủ để kết luận rằng UCA mang lại độ chính xác cao hơn, chi phí thấp hơn, bảo mật tốt hơn hoặc khả năng độc lập với nhà cung cấp trong các triển khai thực tế.

Kết luận

Đề xuất trung tâm của UCA là các tổ chức nên xây dựng một lớp bộ nhớ bền vững, dễ đọc và có quản trị trước khi yêu cầu AI suy luận trên tri thức doanh nghiệp.

Trong mô hình này, địa chỉ ngữ nghĩa cố định đóng vai trò hệ thống sắp xếp; Org Library lưu tri thức chuẩn; Resources chứa tài liệu hỗ trợ và sản phẩm đang làm; còn MCP kết nối ngữ cảnh bên ngoài với từng phiên làm việc của mô hình.

Starling MX là nền tảng beta đầu tiên dựa trên mô hình đó, với giá từ 99 USD mỗi tháng cho chỗ ngồi đầu tiên. Kiến trúc này đưa ra một câu trả lời mạch lạc cho bài toán khóa nhà cung cấp và bộ nhớ thể chế: giữ tri thức của tổ chức tách khỏi mô hình, để mô hình có thể thay đổi mà không kéo theo việc mất bộ nhớ của tổ chức.

Liệu lời hứa đó có đứng vững ở quy mô lớn hay không vẫn là câu hỏi mở, cần thêm bằng chứng từ các triển khai độc lập.