記憶の種：AIが記憶を保持するように構築する

私たちがChatGPT、Claude、またはGeminiを開くたびに、ゼロから始めます。各会話、各プロンプト、各洞察は、タブを閉じた瞬間に消去されます。知能について語られる中で、今日のAIシステムは深い形の健忘症に苦しんでいます。彼らは状態を持たないツールであり、進化する心ではありません。

この制限は不便で、AI自体のアーキテクチャを定義しています。モデルは次のトークンを予測できますが、有意義な方法で前のものを記憶できないのです。多モーダルシステムを構築して、見たり話したりコードを書いたりできるようにしたとしても、まだ永続性が欠けているので、理解を模倣するだけの知能しか得られませんが、経験から成長することはできません。

設計による状態なし

この健忘症はバグではなく、設計上の選択です。大規模な言語モデルはパフォーマンスに最適化されており、各セッションはプライバシー、シンプルさ、スケーラビリティのために分離されています。しかし、トレードオフは断片化です。ユーザーの好み、タスクの履歴、蓄積された知識などの貴重なコンテキストは、チャットセッションとともに消えます。メモリを備えたエージェントの概要 は、メインストリームのシステムでは、セッション間で永続的なメモリがまだ稀です。

一部の人は、リトリーバル増強生成（RAG）またはベクターデータベースを使用してこのギャップを修復しようとしましたが、これらは一時的な解決策にすぎません。彼らは連続性を模倣しますが、真正に体現することはできません。AIにおける真正のメモリには、機械が知識を時間の経過とともに、またエコシステム全体で保存、検証、共有できる方法が必要です。メモリ により、AIエージェントは過去の相互作用から学び、情報を保持し、コンテキストを維持できます。

種：AIメモリの原子単位

もしAIが知識を、どこでも芽吹くことができるような、携帯可能で検証可能なオブジェクトとして保持できるならどうでしょうか。こうした「種」は、圧縮された、トークン化されたメモリ単位で、構造化された方法で意味、出所、コンテキストを保存します。彼らは静的なデータファイルではなく、自己包含的な理解の断片で、参照、照会、再利用が可能です。

種には、学習された設計パターン、顧客プロファイル、会話の意味的要約など、すべてを含むことができます。各種には、どのモデルが生成したか、どのようなコンテキストで、どのくらいの確実性で生成したかなどのメタデータが付随します。

その出所は重要です。AIエージェントが他のシステムからの情報を盲目的にコピーするのではなく、信頼して再利用できるようにします。このアプローチは、人間のネットワークにおける知識の働き方を反映しています。私たちは全ての歴史を複製しません。私たちは濃縮された洞察を共有します。種は、機械にも同様のことを行うことを目指しています。

知能の圧縮と出所

もちろん、圧縮は新しいものではありませんが、意味のある圧縮はそうではありません。構造化されたメモリメカニズムは、エージェントシステムにおける長期的な会話の連続性に不可欠です。例えば、Mem0 アーキテクチャなどです。

各種には、追跡可能性を確保するための暗号化署名が含まれています。信頼できるアーキテクトのAIシステムからの特定の設計提案を、AIエージェントが検証できるということを考えてみましょう。そうした出所が機能するのです。それが、中央集権化なくても相互運用性を可能にする原則です。分散型アイデンティティ標準 がオンラインで人やデータを認証するのと同様です。

メモリが起源と意味に暗号化で結び付けられると、コラボレーションが可能になります。エージェントは、機密情報を公開せずに、知識を交換したり参照したり検証したりできます。

閉じたシステムから生きたエコシステムへ

現在、AIエコシステムは囲い込みされた庭のようなものです。OpenAI、Google 、Anthropicは、それぞれのシロでユーザーデータを保存しています。各社には独自のAPI、独自のファインチューニング方法、独自のルールがあります。ある環境で得られた洞察が別の環境に移動するためのネイティブな方法はありません。那故に、各アシスタントは継続ではなく、クローンのように感じられます。

種を基盤とするメモリレイヤーは、このパターンを断ち切ります。コンテキストが移動できれば、ユーザーがメモリの所有者になります。研究者は、ChatGPTで得た数年のAI支援作業を、Geminiやプライベートモデルに瞬時に注入できます。創造的なチームは、再トレーニングせずにエコシステム間をシームレスに移動できます。知能エージェントシステムは シフトしています。協力するエージェントのネットワークに向かって、孤立したモデルから。

これは仮説ではありません。実際、エージェント は、ピアツーピア、集中型、または分散型の構造で調整します。種はこれをさらに進め、永続的で検証可能な知識を、全AIネットワークにわたって移動できるようにします。

このモデルでは、メモリはインフラストラクチャです。種は、コンパクトでオンチェーンに保存可能で、問い合わせられたときに完全な理解を再構築できる、機械用のセマンティックデータベースのように機能します。つまり、AIはコンテキストに気づくだけでなく、コンテキストを運べるようになります。

その影響は巨大です。AIを医療に取り入れた場合を考えてみましょう。今日、患者のデータは、ネイティブにコンテキストを交換できないシステムに断片化されています。医療用AIが種（暗号化された、検証可能な知識のカプセル）を交換できれば、プライバシーを犠牲にすることなく、ケアの連続性が向上する可能性があります。教育において、学習用AIは、システムが学生のレベル、スタイル、目標を理解できるように、学生の進歩を携帯可能な種として保持できます。

創造的な業界では、種はモデル間のコラボレーションを可能にします。エージェントの1つが構造を設計し、別のエージェントが最適化し、3つ目がシミュレートすることができますが、すべてが同じ共有メモリレイヤーを参照します。これは シングルエージェントシステムからマルチエージェントエコシステムへの進化を反映しています。

所有権、倫理、データエコノミー

しかし、メモリは所有権に関する疑問も提起します。AIの知識は、モデル提供者が所有するのでしょうか、またはそれをトレーニングしたユーザーが所有するのでしょうか。政府がデータの移植可能性とAIの権利について議論する中で、EUのAI法を例に挙げると、種は単純な答えを提案します。メモリはその起源に属するのです。

もしユーザーがアイデアを生成した場合、結果として得られる種は、ユーザーのデジタルアイデンティティのように、暗号化、署名、保存できます。そういうのは比喩ではありません。倫理的なAIのための技術的なフレームワークです。種は、知識を起源と同意にアンカーすることで、プライバシーのコストなくAIのコラボレーションを可能にする将来を実現できます。

時間の経過とともに、これらの種は新しいデータエコノミーの基盤を形成する可能性があります。モデルは、検証されたコンテキストではなく生データをライセンスまたは参照するのではなく、信頼できる情報源からの種をライセンスまたは参照できます。理解のエコノミーであり、抽出のエコノミーではありません。

次の知能の層

AIが自分のコンテキストを保存し共有することを学ぶとき、それはツールではなくなり、エコシステムになり始めます。種は、成長し、つながり、持続する知能について考えるためのパラダイムです。

今日のAIは強力ですが、忘れがちです。明日のAIは、記憶することで、そして誰がその記憶を制御するかによって、記憶されます。