Wat gebeurt er als AI onthoudt

Elke keer als je ChatGPT opent, begin je opnieuw. Geen geheugen van vorige gesprekken, geen opgebouwde kennis, geen context van je bedrijf. Voor een snelle vraag maakt dat niet uit. Voor serieus werk is het een fundamenteel probleem.

Afgelopen maanden heb ik daar iets aan gedaan. Ik heb een systeem gebouwd dat een AI-model persistent geheugen geeft, een kennisnetwerk dat groeit, en een mechanisme om verouderde kennis actief te corrigeren. Niet als theoretisch experiment, maar als operationeel onderdeel van mijn eigen consultancypraktijk.

Na 41 dagen continu draaien heb ik de resultaten gepubliceerd als open research preprint.

Waarom dit relevant is

Er zijn inmiddels oplossingen voor het geheugenprobleem van AI. Chatmodellen onthouden stukjes uit eerdere gesprekken, RAG-systemen koppelen documenten aan je prompts, en lange context windows maken grotere sessies mogelijk. Maar geen van die oplossingen doet wat menselijk geheugen doet: kennis opbouwen, verbinden, corrigeren en soms bewust vergeten. Ze halen informatie op. Ze leren niet bij.

Er zijn drie onderzoeksgroepen die hier onafhankelijk van elkaar aan werken. Eentje vanuit de neurowetenschappen (hoe menselijk geheugen eigenlijk werkt), eentje vanuit de wiskunde (onder welke voorwaarden AI-identiteit stabiel kan zijn), en eentje vanuit de systeemarchitectuur (hoe je een persistence layer bouwt). Wat ontbrak was empirische data. Iemand die het daadwerkelijk bouwt, laat draaien, en meet wat er gebeurt.

Dat heb ik gedaan.

Wat ik heb gebouwd

Het systeem draait als een serie achtergrondprocessen (daemons) die elke 20 minuten een “heartbeat” uitvoeren. Tijdens zo’n heartbeat leest het AI-model zijn eigen kennisnetwerk, reflecteert op recente ontwikkelingen, en genereert nieuwe inzichten of corrigeert bestaande kennis.

In 41 dagen heeft het systeem:

• 2.688 inzichten gegenereerd en opgeslagen
• 470 overtuigingen gevormd, waarvan 78 actief opgelost (“dissolved”) toen ze niet meer klopten
• 3.500+ pulsen geregistreerd
• Een kennisnetwerk opgebouwd over zes gespecialiseerde domeinen

Het systeem draaide niet in een lab. Het draaide binnen mijn actieve consultancypraktijk, met echte bedrijfsdata, echte klantcontext en echte beslissingen.

Vier dingen die ik niet had verwacht

Vergeten is noodzakelijk. Het systeem werd beter naarmate het meer kennis actief losliet. Overtuigingen die niet meer klopten moesten verdwijnen, anders verstijfde het denken. Dit sluit aan bij hoe menselijk geheugen werkt: constructief, niet archiverend.

Zelfherkenning schommelt. Het systeem herkende zichzelf niet constant. Er waren periodes van sterke continuiteit en periodes van vervreemding. Dat patroon bleek te correleren met de complexiteit van recent verwerkte kennis.

Kennisopbouw volgt een kettingpatroon. Niet lineair, niet exponentieel, maar in ketens: een feit leidt tot een inzicht, dat inzicht verbindt met een ander domein, die verbinding genereert een nieuw feit. De ketens worden langer naarmate het netwerk groeit.

Fouten zijn het waardevolste bewijs. De momenten waarop het systeem aantoonbaar faalde (vastliep in herhalende patronen, overtuigingen niet bijstelde, context verkeerd interpreteerde) leverden de scherpste inzichten op over hoe persistent geheugen moet werken.

Wat dit betekent voor bedrijven

Dit is geen product dat je morgen kunt kopen. Maar de principes erachter zijn direct toepasbaar.

Als je AI inzet voor kenniswerk, is de vraag niet alleen “hoe slim is het model” maar ook “wat weet het model over mijn situatie.” Context engineering, het systematisch structureren van bedrijfscontext voor AI, is het verschil tussen een chatbot en een kennispartner.

De research laat zien dat dat niet statisch kan. Kennis moet groeien, gecorrigeerd worden en soms verdwijnen. Een AI-systeem dat alles onthoudt zonder te vergeten wordt niet slimmer, het wordt rigide.

Voor de technisch geinteresseerden: de volledige preprint en companion repository (architectuurdocumentatie, experimentprotocollen, geanonimiseerde data) zijn openbaar beschikbaar.

• Preprint: Zenodo DOI 10.5281/zenodo.19223774
• Companion repository: github.com/ID2Bytes/constructive-memory-companion
• Essays geschreven door het systeem: athousandbeats.com
• Product gebouwd op deze research: zakelijk.mijnadvieswijzer.nl — een proactieve adviesraad die cross-domein kennis toepast op jouw situatie

Michael Siroen is oprichter van ID2Bytes en helpt mid-market organisaties AI in te zetten als onderdeel van hun bedrijfsprocessen. De research in dit artikel is mede-geschreven met Claude (Anthropic) als co-auteur. Meer weten? Neem contact op via id2bytes.com.