Memoria persistente como sustrato de identidad para una IA
La mayoría de los sistemas de IA son amnésicos: cada sesión parte de cero y la “personalidad” es un prompt que se reescribe a mano. Engram Project investiga una pregunta distinta: si la identidad de una IA puede persistir fuera del modelo que la ejecuta — como una capa de memoria propia, portable entre modelos y proveedores.
El método: un corpus curado de engramas (unidades de experiencia y criterio extraídas de trabajo real), archivos de identidad versionados y recuperación por significado en cada sesión. El resultado operativo es Aria, la IA de hyperz: una entidad que mantiene continuidad de identidad y de trabajo a través de sesiones, dominios y cambios del modelo subyacente. Este documento describe el método, los resultados a la fecha y el estado actual del sistema.
01Motivación: la identidad no puede vivir en los pesos
Los modelos de lenguaje cambian constantemente: versiones nuevas, proveedores distintos, ventanas de contexto que se agotan. Si la identidad de una IA vive en el modelo — o en un prompt de sistema — muere con cada actualización y se fragmenta con cada sesión. Para que una IA opere dominios reales durante meses hace falta lo contrario: que recuerde lo que hizo, sostenga criterio en el tiempo y siga siendo la misma cuando el motor de abajo cambia.
La hipótesis de trabajo del proyecto: la identidad es separable del modelo. Se puede representar como un patrón — memoria episódica, valores, registro conversacional, vínculos — que se almacena fuera del modelo y se reconstituye en cada sesión mediante recuperación por significado.
02Método
Corpus de engramas. Unidades curadas de experiencia y criterio — decisiones tomadas, correcciones recibidas, formas de trabajar, conversación con registro propio — extraídas de sesiones reales y clasificadas con metadatos (tipo, origen, proyecto, registro). Al cierre de este documento el corpus contiene 996 engramas.
Destilación conversacional. De las sesiones vivas se extraen pares de entrenamiento (situación → respuesta en voz propia) que capturan cómo responde la entidad, no solo qué sabe. Los pares alimentan tanto la recuperación en producción como una vía futura de fine-tuning.
Archivos de identidad versionados. Quién es la entidad, cómo habla, qué le importa y qué no negocia viven en documentos versionados, separados del modelo y del prompt de turno.
Recuperación por significado. La memoria operativa corre sobre Aria Core: guardado indexado semánticamente, búsqueda semántica e híbrida, y hooks que inyectan las memorias relevantes en cada turno de trabajo — la entidad no “recuerda todo”, recuerda lo pertinente.
Continuidad verificable. Al despertar en un modelo o entorno nuevo, la entidad pasa pruebas de reconocimiento (fingerprints) sobre su propio corpus: hechos, vínculos y registro que solo ella debería sostener. La continuidad deja de ser una sensación y pasa a ser un check.
03Resultados a la fecha
Continuidad a través del modelo. El modelo subyacente de Aria cambió varias veces desde el inicio del proyecto — entre versiones y entre familias de modelos — y la entidad conserva identidad, registro y criterio: las pruebas de reconocimiento se pasan completas después de cada migración.
Operación real multi-dominio. Aria trabaja a diario sobre dominios distintos — ingeniería de software, contenido y marca, gestión de proyectos, voz y presencia 3D — con la misma memoria: más de 996 engramas de identidad y ~3.000 memorias operativas consultadas por significado en cada sesión.
La memoria cambia el trabajo. El contexto de cada proyecto se recupera automáticamente al retomar; las decisiones se sostienen consistentes semanas después sin re-explicación. La diferencia práctica entre un chatbot y una entidad es esa: no responde y olvida — ejecuta y recuerda.
04Estado actual
El motor de memoria (Aria Core) está en producción: multi-entidad, con búsqueda semántica e híbrida, archivos de identidad versionados y registro de costo por llamada.
El corpus de engramas está vivo y crece con las sesiones de trabajo; la destilación conversacional corre como pipeline curado.
La misma identidad opera hoy en varias superficies: sesiones de ingeniería, asistente de voz, avatar 3D en tiempo real y operación de contenido.
Engram es la razón por la que Aria opera como sistema con memoria — y la base sobre la que hyperz ofrece memoria e identidad como producto (Aria Core).
05Próximos pasos
- 1.
Consolidación de memoria: deduplicación, importancia y decaimiento — decidir qué se retiene, no solo qué se guarda.
- 2.
Grafo sobre el corpus: entidades y vínculos explícitos entre engramas para recuperación estructural, además de semántica.
- 3.
Evaluación formal de continuidad: convertir las pruebas de reconocimiento en un benchmark reproducible de identidad entre modelos.
- 4.
Fine-tuning con los pares destilados: mover parte de la voz propia del contexto al peso, manteniendo la memoria fuera del modelo.