맥락 기반의 능동적 기억은 메모일 뿐, 진정한 기억이 아니다

Contextual Agentic Memory is a Memo, Not True Memory

현재의 능동적 기억 시스템(벡터 저장소, 검색 기반 생성, 임시 저장 공간, 컨텍스트 윈도우 관리)은 기억을 구현하는 것이 아니라, 단순히 데이터를 조회하는 기능을 구현합니다. 우리는 조회 기능을 기억으로 간주하는 것이 능동적인 에이전트의 능력, 장기 학습, 보안에 예측 가능한 부정적인 결과를 초래하는 개념 오류라고 주장합니다. 검색 기반 회수는 저장된 사례와의 유사성을 바탕으로 일반화하며, 가중치 기반 기억은 추상적인 규칙을 통해 이전에 보지 못한 입력에 적용하여 일반화합니다. 이 두 가지를 혼동하면, 에이전트는 전문성을 발전시키지 않고 무한정 메모를 축적하게 되며, 컨텍스트 크기나 검색 품질을 아무리 늘려도 극복할 수 없는 조합적으로 새로운 작업에 대한 일반화 능력의 한계에 직면하고, 주입된 콘텐츠가 모든 미래 세션에 걸쳐 전파되면서 지속적인 메모 오염에 취약해집니다. 신경과학의 상호 보완 학습 시스템 이론을 바탕으로, 생물학적 지능은 빠른 해마 영역의 사례 저장과 느린 대뇌 피질의 가중치 통합을 결합하여 이 문제를 해결했으며, 현재의 AI 에이전트는 이 중 절반의 기능만을 구현하고 있음을 보여줍니다. 우리는 이러한 한계를 공식화하고, 네 가지 대안적인 관점을 검토하며, 공존 방안을 제시하고 시스템 개발자, 벤치마크 설계자, 그리고 기억 연구 커뮤니티에 대한 제안을 맺습니다.

Current agentic memory systems (vector stores, retrieval-augmented generation, scratchpads, and context-window management) do not implement memory: they implement lookup. We argue that treating lookup as memory is a category error with provable consequences for agent capability, long-term learning, and security. Retrieval generalizes by similarity to stored cases; weight-based memory generalizes by applying abstract rules to inputs never seen before. Conflating the two produces agents that accumulate notes indefinitely without developing expertise, face a provable generalization ceiling on compositionally novel tasks that no increase in context size or retrieval quality can overcome, and are structurally vulnerable to persistent memory poisoning as injected content propagates across all future sessions. Drawing on Complementary Learning Systems theory from neuroscience, we show that biological intelligence solved this problem by pairing fast hippocampal exemplar storage with slow neocortical weight consolidation, and that current AI agents implement only the first half. We formalize these limitations, address four alternative views, and close with a co-existence proposal and a call to action for system builders, benchmark designers, and the memory community.