AI に「長期記憶の脳」を取り付けてみた

こんな経験はありませんか。AI とどれだけ盛り上がって話しても、ウィンドウを閉じて新しい会話を始めた途端、すっかり忘れられてしまう。あなたが誰で、何が好きで、前回どこまで話したか——全部ゼロに戻る。冷たいわけではありません。多くの AI は、そもそも「長期記憶」を持たない設計なのです。

最近、自分の AI に「長期記憶の脳」を取り付けてみました——使ったのは Hindsight というオープンソースの記憶システムです。この記事では、その全過程、使った技術、そしてハマった落とし穴まで、ありのままにお話しします。

なぜ AI は「記憶喪失」になるのか

大規模言語モデル(LLM)は、本来**ステートレス(状態を持たない)**です。一回の会話の中で前の発言を覚えていられるのは「コンテキストウィンドウ」のおかげ——いわば一時的なホワイトボードです。今回の会話はそこに書かれていて見えますが、ウィンドウを閉じればボードは消され、次の会話はゼロから始まります。

つまり「記憶喪失」はバグではなく、初期設定。会話をまたいで覚えてもらうには、AI の外側に別のシステムを足す必要があります。

「記憶の脳」とは何か

種を明かせば不思議なものではありません。会話とは独立して存在するシステムで、ごくシンプルな二つの仕事をするだけです。

1. 話した中の重要な事実を記録する;
2. 次の会話のとき、ふさわしいタイミングで思い出し、そっと AI に渡す。

肝心なのは、それが会話をまたいで、さらには別々の AI ツールをまたいで持続すること。今日ツール A で伝えたことを、明日ツール B でも覚えているのです。

核心の三つの仕事:記録・想起・内省

使える記憶システムは、おおむねこの三段階です。

記録(Retain)

会話を丸ごとため込むのではなく、そこから**「事実」を抽出**し、タイムスタンプを付けて保存します。たとえば「6 月のある日、サイトをある方式でデプロイすると決めた」。タイムスタンプは重要です——何が起きたかだけでなく、いつ、誰が更新し、新旧どちらが先かまで分かるからです。

Hindsight は記憶を階層化もします:客観的な事実、行動の経験、自動的に蓄積された判断、そして最上層の「人物像」。上にいくほど抽象的になり——AI は細部も、「あなたがだいたいどんな人か」も両方覚えていられます。

想起(Recall)

ここが最も技術的に面白い段階です。良い記憶システムは一つの方法だけで探さず、「四つの経路を並行」させます(Hindsight ではこれを TEMPR と呼びます):

• 意味検索:文字面ではなく、文の意味を理解する。「どのカメラを買うべき?」と聞けば、以前話した写真の好みを引き出せる。
• キーワード検索:固有名詞・型番・人名を正確に当てる。
• ナレッジグラフ:「誰と誰が関係するか」をたどり、散らばった事実を網に織り上げる。
• タイムライン検索:直近の出来事や、特定期間の出来事を時間で探す。

四つを同時に走らせることで、正確かつ網羅的な想起になります——意味だけでは正確な語を取りこぼし、キーワードだけでは硬すぎるのです。

内省(Reflect)

より高度なシステムは自己内省もします:保存した事実を定期的に見直し、より高次の新しい洞察を抽出し、古い見解を乱暴に上書きせず更新するのです。たとえば最初は「この人は写真を学んでいる」と記録し、後に「商業撮影を請けた」と記録したら、内省を経て「趣味から準プロへ成長した」へと格上げする。これにより記憶は使うほど賢くなり、雑然とした記録の山にはなりません。

ローカル vs クラウド:なぜローカルを選んだか

導入はだいたい二通り:クラウドホスティング(手軽で、運用は人任せ)と、ローカルでの自前ホスティング(Docker で自分のマシン上に動かす)です。

ローカル版には、小さなデータベースと意味検索用の小さな embedding モデルが同梱されます。合わせて数百 MB ほどで、普通のパソコンでも動きます。

私がローカルを選んだ理由は一つ、プライバシーです。あなたの記憶——誰で、何を話し、どんな習慣があるか——はすべて自分のマシンに残り、第三者には一切アップロードされません。「個人情報」を保存するためのシステムなら、これは価値があると感じました。

ハマった三つの落とし穴(いちばん価値のある部分)

理論は美しくても、いざ導入すると落とし穴だらけ。代表的な三つを挙げます。

落とし穴 1:一人称の盲点

導入後に最初に試したのは、こう聞くこと——「私は何が好き?」。結果はゼロ件。好みはちゃんと保存されているのに、です。

調べると、保存された事実は「某さんは写真が好き」と書かれていて、私のクエリは「私は何が好き」。機械は「私」=その具体的な人物だと分からず、意味がかみ合わず、見つけられなかったのです。

直し方は軽め:想起の前にクエリへ**「アイデンティティの接頭辞」**を付け、一人称の「私」を具体的な名前に変換します。すると意味がすぐつながる。小さな落とし穴ですが、放置するとシステムの価値が半減します——人がいちばん使うのは一人称だからです。

落とし穴 2:画像のようなマルチモーダルをどう保存するか

画像一枚のピクセルをそのまま記憶庫に詰め込むわけにはいきません。大きすぎるし、検索もできません。

やり方は:画像の「テキスト説明」と、元画像へのリンクだけを保存する。思い出すときは、AI が説明を読んで「ああ、こういう画像か」と分かる。本当に元画像が要るなら、リンクをたどる。省スペースで十分です。記憶の本質は検索できる情報であって、生データの倉庫ではない、と気づかせてくれます。

落とし穴 3:話し言葉とキーワードで想起が変わる

同じ事実でも、正確なキーワードで聞くのと、普段の話し言葉で聞くのとで、結果が大きく変わることがあります——くだけた言い方だと取りこぼすことも。

これは警鐘でした:記憶システムは取り付けたら終わり、ではない。実際の、くだけた言い方で(落とし穴 1 の「私は何が好き?」のように)繰り返しテストして初めて、本当に使えるか分かります。理想的なテストを全部通っても、現実で転ばない保証はないのです。

学んだこと

• AI に記憶を持たせるとは、突き詰めれば**「記録 + 取り出し」**の二つ。ただし取り出しが十分に賢くなければ、本当には役立ちません。
• 個人データが絡むなら、できるならローカルで——プライバシーはその価値があります。
• どんなシステムも**「人の言葉」で実地テスト**を。理想ケースだけ試してはいけません。実際のユーザーは台本どおりに話さないのですから。

記憶というものは、持つ前は「あってもなくても」と思える。けれど取り付けて、AI が初めて「あなたを覚えている」その瞬間を味わうと、もう後戻りはできません。