なぜ、AIとの会話は「その場限り」で終わってしまうのか？
ふと、こんなことを考えたことはありませんか？「AIはあんなに賢いのに、なぜ私の昨日の悩みや、先週の出来事を覚えていてくれないんだろう」と。もちろん、チャットの履歴を遡ればAIは内容を把握してくれます。でも、それはあくまで「そのスレッドの中だけ」の話。私たちが日々積み重ねている日記や、ふとしたメモ、SNSの投稿といった「経験」が、AIの回答に直接活かされることはほとんどありません。
実は、AIに「記憶」を持たせることは、最新の巨大なモデルをファインチューニングしなくても、もっとシンプルで現実的な方法で実現できるのです。今回は、過去のログを「概念」として整理し、自分だけのPersonal AIを育てるための設計思想についてお話しします。
「全文検索」から「概念の繋がり」へ
多くのRAG（検索拡張生成）システムは、過去の文章をそのままベクトル化して検索します。しかし、これでは「丹沢山に登った」という日記と「気分転換したい」という今の悩みをつなげるのは難しい。なぜなら、AIは「登山」という言葉の裏にある「気分転換」という文脈を、必ずしも理解していないからです。
そこで提案したいのが、「概念ID」と「経験ID」を分離するというアプローチです。
- 概念ID: 「登山」「雨」「気分転換」といった、抽象的なタグ。
- 経験ID: 「10月20日の丹沢山登山」という、具体的な出来事の記録。
この二つを紐付けることで、AIは「気分転換」という概念から「登山」を連想し、さらに「過去の登山経験」という具体的なエピソードを引っ張り出すことができるようになります。これは、人間が記憶を辿るプロセスに非常に近い仕組みです。
SQLiteで始める、自分だけの記憶データベース
「そんな複雑なシステム、構築が大変そう…」と思われるかもしれません。でも、最初はSQLiteのような軽量なデータベースで十分です。必要なのは、以下の4つのテーブルだけです。
- concepts: 概念の辞書
- experiences: 経験の記録
- concept_links: 概念同士の関連性（重み）
- experience_links: 概念と経験の紐付け
重要なのは、LLMに「このログから概念を抽出し、既存の概念とどう関連しているか」を判断させること。例えば、「仕事で疲れたから山へ行った」というログがあれば、LLMは「仕事」「疲れ」「登山」「気分転換」という概念を抽出し、それらを結合します。この結合に「重み」を持たせることで、自分にとって何が有効な気分転換なのかが、データとして蓄積されていくのです。
「AIを育てる」という新しい習慣
この仕組みの面白いところは、使えば使うほどAIが自分に最適化されていく点です。例えば、以前は「登山」が気分転換の筆頭だったとしても、最近は「音楽」や「読書」の話が増えれば、概念間の結合重みが変化します。すると、AIの提案も自然と今の自分に寄り添ったものに変わっていく。
これは、AIを単なるツールとして使うのではなく、「自分の経験を共有するパートナー」として育てるという感覚です。過去の自分を振り返り、今の自分に最適なヒントをくれる。そんなPersonal AIは、忙しい現代を生きる私たちにとって、強力な「外部脳」になってくれるはずです。
結びに：まずは小さな一歩から
今回ご紹介した設計は、まだ実験的な段階です。しかし、技術的な複雑さに惑わされず、「概念」と「経験」を整理するという本質に立ち返れば、誰でも自分だけの記憶アーキテクチャを構築できます。
まずは、今日の日記やメモから「概念」を抽出してみることから始めてみませんか？AIに記憶を宿すことは、自分自身の思考を整理し、より豊かな人生を送るための第一歩になるかもしれません。皆さんもぜひ、自分だけのPersonal AIの構築に挑戦してみてください。