Napjainkban egyre népszerűbb ötlet saját, mesterséges intelligenciával működő másodlagos agyat (second brain) építeni, különféle nyílt forráskódú projekteket és útmutatókat követve. Ezek a rendszerek jellemzően hasonlóan szerveződnek, mégis mindegyik ugyanazzal az alapvető problémával szembesül: az információ elavulása és ellentmondásossá válása.
Sokszor a tudásbázisban tárolt memóriafájlok, napi logok és wiki szócikkek nem követik naprakészen a változásokat, ezért előfordul, hogy a rendszer elavult vagy hibás adatokat használ, amelyek megzavarják az AI-t, sőt téves döntésekhez vezethetnek. Ez különösen akkor jelent gondot, ha több helyen is eltérő információ található ugyanarról a témáról, például egy ügyfél szerződésének összegéről.
A videó rávilágít arra, hogy egy másodlagos agyban a tudásbázis folyamatosan bővül és frissül, de az append-only (csak hozzáfűzős) rögzítés miatt a régi, érvénytelen állapotok bent maradhatnak. Elsősorban annak megkülönböztetése okoz kihívást, hogy mikor van szükség adatmódosításra, cserére (például aktuális árak, szerződések), illetve mikor csupán új események naplózására.
Felmerül a kérdés: hogyan lehet úgy strukturálni a tudásbázist és az adatkezelési folyamatokat, hogy az elavult, egymásnak ellentmondó információk automatikusan kiszűrhetők vagy frissíthetők legyenek? A videó gyakorlati példákon keresztül mutatja be ezt a komplex problémát, és előkészíti a megoldás kidolgozását célzó gondolatmenetet.
