所谓“意向性”，是指通过某种内部心灵表征，间接指示某些外部对象的能力。“意向性”的要害是间接性。通过间接性，作为智慧生物的人类是知道下面这一基本原则的有效性的：自己心中所想未必就是世界中真实发生的事情——此即关于内部世界与外部世界之间界限的自觉意识。这种自觉意识对人类在环境中适应性的提高大有裨益。为了解这一点，我们不妨设想有这样一种生物：它们无法知道自己的内部世界同外部世界的区别，认为自己的内部世界是对外部世界的直接表征。在这样的情况下，这种生物就不会修正自己的错误、改进自己的行为模式——面对自然选择时，这种生物便会灭绝。
记忆是一种意向性能力。与其他意向性能力类似，记忆并不保证对已发生的事实进行忠实记录。人类的“自传体记忆”就具有大量的虚构成分(如我们幼年时期的很多记忆往往都渗入了事后的信息加工)，这些虚构存在着不少与事实大致相符的成分，也存在着大量的错误想法——尽管在这些或大或小的错误中，有不少错误都不是致命的。不过，我们知道自己的记忆只能算是“基本可靠”，并且在需要精密追索自己的记忆内容时，会诉诸于其他信息载体(如日记、录像等)。完全信赖自己记忆的人，往往会在行为上出现一些怪异性，如偏执、不听劝等。
有些人会误以为，人工智能可以避免上述麻烦，因为人工智能有对自身运行历史的电子日记与内部“录像”——因此，人工智能无需从外部寻找此类证据来核对自己的记忆。但这是对人工智能的一种误解。我们可以设想，如何在自己的私人计算机上找到一篇之前存储过记得主题但却忘记了存储位置的文章?当我们在使用检索工具后仍无法找到此文章时，就可能手动检索计算机中各个可能存储的文件夹。然而，如果需要被检索的信息量是海量的话，这样的工作方式带来的工作量将会是非常惊人的。
上述例子阐明的要点是：在计算机硬盘中存储的信息，本身并非心智活动相关项的记忆内容。毋宁说，这些信息与存放在档案柜里的档案一样，都是用来检查记忆是否正确的外部证据。而这些信息(包括档案信息)都可以被存储在计算机的机壳内这一事实，却使我们容易产生一些错觉，认为这些信息已经内部化了。我们可以设想，如果在人的大脑中放置了一个超级小、容量却惊人地大、存储了海量信息的硬盘的话，那么我们是否会认为该大脑的记忆中就已包括了该硬盘内的内容?答案是否定的。因为该大脑还需要额外的心智努力，以便打开脑机接口的开关，进入硬盘内容的目录树，然后按照上文所述的思维流程寻找信息。而该硬盘中的大多数内容，在未被激活的状况下，依然会处于主体的意识生命之外。
那么，如果我们将人类用自己的脑力在信息档案库中搜寻信息的工作，全部交付给人工智能去做的话，是否可以说其具有了记忆力?关于此问题，原则上可以给出肯定的答案，但更关键的问题是：我们到底应怎样让人工智能去做人类的信息检索工作?对此，或许不少人会想到搜索引擎技术。但从根本上看，现在的搜索引擎都是由真实的人类脑力所驱动的。换言之，是具有各种感官、各种欲望与各种记忆的人类在使用此类技术，搜索引擎所记录的搜索数据，是不能脱离整个活生生的人类社会而存在的。而我们当前所需要的技术，却恰恰是要让其取代人类、自己去搜索信息。因此，在这个问题上求助于现有的搜索引擎技术，通常是在缘木求鱼。
对于怎样让人工智能去做人类的信息检索工作这一问题，看似更为复杂却实质上更有希望的解答方式是：我们可以做一个简化版的机器意向性系统，并将记忆能力作为其中的一项子能力。该系统需要涉及的别的子能力将至少包括：意图产生能力、内时间排序能力和基于经验的语义推理能力。
意图产生能力。人工智能也需要与人类一样，在一定的意图的驱使下进行信息检索，因为这才是使检索行为得以产生的“第一推动力”。这种意图可能是基于某些先天要素(比如，维持人工智能自身的能量水平，而这又取决于人工智能系统自身的电池容量等先天因素)，也可能是基于某些后天的需要(比如，满足用户递交给人工智能系统的某些要求)。我们理想中的人工智能系统，将为这些意图的内部表征提供一整套内部的逻辑平台。
内时间排序能力。人工智能需要对其运行历史中发生的事件进行编号与排序。这种排序必须符合“内时间”原则，换言之，排序的结果需要根据系统的内部信息处理的方便性进行调整，而不能单纯取决于相关事件发生的外部时间坐标。为阐明这一点，我们不妨举个人类心理世界中的与之平行的例子。我们的记忆会根据事件的重要性，“歪曲”过往事件的时间坐标。比如，一个老兵回忆他在某次战役中的生死经历时，这一过程虽然可能在物理时间的意义上只占据了十分钟，但其心理权重却似乎像是一年那么长。这种“歪曲”带来了巨大的信息整理方面的便利，因为记忆主体可以通过这种“歪曲”，对与那次战斗相关的记忆档案加以扩容，以便增加更多的信息细节，有利于日后的信息调取。显然，这样的能力对人工智能也是很有价值的。
基于经验的语义推理能力。在信息检索的过程中，人类往往根据关键词所提供的网络结构进行信息追索。不过，这样的网络结构本身必须能够根据经验进行后天修正(比如，一个人在得知海马不是马而是鱼后，就会对其相关概念结构进行调整)，否则其检索质量就会大打折扣。这也是我们希望人工智能所具备的能力。
综上所述，记忆能力并不能落实为一个单独的记忆功能模块，而必须实现为上述这些复杂心智能力的衍生物，由此带来的技术设计量显然是很大的。更麻烦的是，目前基于深度学习的人工智能技术，在原则上并不具备对上述这些能力的模拟能力，而只能完成在特定类型的输入与特定类型的输出之间建立起映射关系的任务。然而，从哲学角度看，不进行此种对记忆的模拟，智能的本质特征——在运行资源有限的前提下，通过最少的能量投入获取最大的系统适应性——就不能实现。因为，缺乏记忆的系统所能做的，只能是事无巨细地将所有发生过的事情全部摊在纸面上，陷入信息的海洋而不能自拔，并且会因为无谓的信息搜索浪费大量资源。然而，目前人工智能学界的主流信息检索技术，或许已走上了一条从哲学角度上看毫无希望的“死路”。未来的人工智能发展，应重视记忆这一重要维度。
