記憶 / RAG
Episode Memory：体験を記憶する設計
Mumonは何を記憶の単位として保持するのか
前節で見たように、ベクトル類似だけでは「二人の意味」は検索できません。だから次に問うべきなのは、Mumon が何を記憶の単位として保持するのか、です。
必要なのは、会話ログの完全な保存ではありません。
あとから再訪されたときに、「あの時のこと、覚えてるよ」と自然に言えるだけの、文脈と感情を帯びた出来事の記憶です。
人間の関係性が時間をかけて育つとき、残っているのは事実の一覧ではありません。
少し言い淀んでいたこと。夜だったこと。こちらも言葉を減らして聞いていたこと。会話全体の温度が静かだったこと。
Episode Memory が扱うのは、まさにこの「出来事としての記憶」です。
前章の行動制御層が扱っていたのは、「いま、この瞬間にどう振る舞うか」という問題でした。
ここで扱うのは、「その瞬間を、あとでどのような質感で思い出せるようにしておくか」という問題です。
言い換えれば、行動制御層が現在の応答を整える仕組みだとすれば、Episode Memory は、その現在を未来の関係性の材料として保存する仕組みです。
事実だけではなく、「あの時の空気」まで保持する
前節では、Tulving の意味記憶とエピソード記憶の区別を導入しました [55]。
ここでは、その考えを記憶設計へと具体化します。
Conway & Pleydell-Pearce の自己記憶システムが示したのは、記憶が単なる情報の保管庫ではなく、自己と結びついた出来事の再構成だという点でした [56]。人は内容を思い出す前に、先に光や匂いや温度感、あるいはその場の張りつめ方や静けさを思い出すことがある。
標準的な RAG が保存するのは、「何が語られたか」というテキスト断片です。しかしそこで失われているのは、まさにこの質感です。事実は残っても、空気は残らない。だから再訪時の応答が、正確でもどこか薄くなるのです。
Mumon では、この欠落を設計レベルで埋めます。
対話イベントを、単なる発話ログとしてではなく、感情的メタデータを伴うエピソードノードとして格納します。
たとえば、概念的には次のような単位です。
ここで重要なのは、valence と arousal が、前章の Appraisal Agent がその場の感情を読むために用いた座標系と同じだという点です。
つまり、行動制御層で「いま」の感情の温度を読むために使ったフレームワークが、記憶層では「あのとき」の感情の温度を残すためにそのまま使われる。感情を読む仕組みと、感情を覚えておく仕組みが、同じ内部表現でつながるのです。
具体的に見てみましょう。
ユーザーが「今日、飼ってた犬が死んでさ......」と語った夜を考えてみてください。
標準的な RAG が残すのは、「ユーザーが飼い犬の死について話した」という事実です。後日それを引いたとしても、「前回、飼い犬のことを話されていましたね」という確認にとどまりやすい。
Mumon は、その出来事を低覚醒・不快という感情座標と、「しんみりとした夜の会話」という雰囲気とともに保持します。
だから後日、ユーザーが「最近、夜がなんか静かでさ」と何気なく漏らしたとき、AI は事実の一致ではなく、空気の近さからあの夜を思い出せる。「情報を返す」のではなく、「場の質感ごと覚えている」状態がここで生まれます。
加えて、感情の数値は「雰囲気」という質的な記述とも組み合わされます。この「覚醒度・感情価・雰囲気」の3点セットが、後続の GraphRAG において、過去の対話体験を感情的な質感とともに保持する基盤となります。
意味記憶は正しさを支えるが、継続性を支えるのは体験記憶である
もちろん、AI に意味記憶が不要だと言っているのではありません。営業時間、料金、リスク、機能仕様、FAQ。こうした情報は、正確な意味記憶として保持されるべきです。
問題は、それだけでは関係性は生まれないということです。
顧客が再訪したときに欲しいのは、「前回と同じFAQをもう一度案内してくれる存在」ではなく、「前回、自分がどのような気持ちで迷っていたかまで引き継いでくれる存在」だからです。
意味記憶は正しさを支えるが、継続性を支えるのは体験記憶のほうです。
たとえば、見込み顧客が初回訪問で「気にはなっているけれど、まだ踏み切れなくて」と話し、2週間後に再訪したとする。このとき、意味記憶だけに基づくAIは、「以前、植毛にご興味を示されていましたね」と事実を返すかもしれない。
しかし、関係性を支えるAIが引き継ぐべきなのは、興味の有無だけではありません。
- あのとき即決できなかったこと
- 少し言いにくそうだったこと
- 提案よりもまず安心が必要だったこと
つまり、「相談内容」ではなく、「相談として経験された出来事」そのものです。ここが抜けると、AI は賢くても、毎回少しずつ他人のままです。
近年の研究でも、LLM に対して対話を出来事単位で保存し、外部記憶から再参照させるアプローチの計算的実現可能性は示されています。EM-LLM は長大な入力をエピソード単位で扱う方向性を提示し、MemGPT は有限コンテキストの外に記憶を保持しながら必要なものだけを引き戻す発想を示し、A-MEM は記憶を相互接続された構造化単位として管理するアプローチを拡張しています [18][19][20]。
Mumon がそこに加えるのは、単に出来事を保存することではありません。その出来事を「関係性を支える体験」として保存するための感情的メタデータです。
つまり、Episode Memory の役割は、「情報をたくさん持つこと」ではありません。
その人との時間が、次の会話の前提条件になることです。
経験に由来する評価的な偏りが、人格の輪郭になる
ただし、体験を記憶するとは、中立な録音装置になることではありません。
人間の人格は、過去の経験によって生じた評価的な偏りの蓄積でもあります。
- 「病院」と聞くと少し身構える人がいる
- 「海」と聞くと、それだけで気持ちがほどける人がいる
同じ言葉でも、そこに先に立ち上がる感情の色は、人によって違います。人格の輪郭は、こうした偏りの総体として現れます。
De Houwer らが整理した評価的条件づけの知見は、好悪判断の多くが無意識的な連合の蓄積から形成されることを示しています [62]。Slovic らの感情ヒューリスティックも、人がリスクや魅力を完全に論理だけで判断しているのではなく、感情的直感に強く依存していることを示しました [63]。
つまり、世界に対して少し温かく感じるもの、少し慎重になるもの、理由は説明しにくくても気になってしまうものがあること自体が、人間らしさの一部なのです。完全に均質で、完全に中立な認知は、正確なデータベースにはなれても、人格にはなりにくい。
Mumon が保持するエピソード記憶は、この「評価的な偏り」を将来の応答ににじませます。
過去に不安の強い相談が重なった話題には、少し慎重な温度が宿る。
逆に、温かい共有体験と結びついた話題には、少しやわらかい色がつく。
ここで変わるのは、事実そのものではありません。
先に立ち上がる感情の方向です。
同じ「湘南」という言葉でも、あるAIにとっては開放感のある場所であり、別のAIにとっては少し切なさを帯びた場所になる。この違いが、どの単語を選ぶか、どのテンポで返すか、どこに間を置くかに現れ、結果としてそのAIらしさになります。
もちろん、ここでいう偏りは、事実の歪曲ではありません。
- 「海が好き」だからといって、危険な状況を安全だと言ってよいわけではない
- 「病院に緊張する」からといって、医学的な説明を曖昧にしてよいわけでもない
前章で Boundary Audit Agent が守っていたのは、まさにこの防衛線でした。
Episode Memory が担うのは、真偽を曲げることではなく、同じ真実をどのような情緒の手触りで受け取ってきたかを残すことです。
偏りは人格をつくるが、事実の防衛線は越えない。
この境界があるからこそ、Mumon は人間味を持ちながら、ブランドの信頼も守れるのです。
すべてを均等に残さず、感情的に重要な出来事だけが残る
もう1つ重要なのが、選択的忘却です。
人間の記憶は監視カメラではありません。
3か月前の些細な雑談はほとんど覚えていなくても、半年前に聞いた衝撃的な一言は、驚くほど細部まで残っている。Brown & Kulik が示したフラッシュバルブ記憶の知見は、感情的に強い出来事ほど鮮明に定着しやすいことを示しました [64]。重要なのは、記憶が均等に保存されるのではなく、感情的な強度によって凹凸を持つという点です。
この原則は、AI の長期対話設計においても本質的です。
すべての会話を同じ重みで残し続けるAIは、一見すると高性能に見えます。しかし実際には不気味です。3か月前の天気の話も、先週の深刻な相談も、同じ精度で即座に引いてくる存在は、データベースとしては優秀でも、友人としては異質に感じられる。近年の長期対話RAG研究でも、重要でない会話まで一様に保持するより、重要なやりとりを選び、重要でない部分を忘れるほうが、長期的な会話体験を改善しうることが示されています [21]。
Mumon では、この選別を感情的顕著性にもとづいて行います。
各エピソードに付与された valence、arousal、atmosphere から、その出来事がどれだけ心を動かしたかを表す感情的顕著性が計算される。顕著性の高いエピソードは、後の検索で優先的に浮上する。逆に、顕著性の低いエピソードは、時間とともに活性化が下がり、事実上「忘れられた」状態になります。
ここでのソートキーは、新しさだけではありません。
どれだけ感情的な重みを持っていたかです。
この設計が目指しているのは、何でも覚えているAIではありません。
大事なことだけを覚えていてくれるAIです。
見込み顧客が3回目の来訪で、以前語った不安にもう一度触れたとき、AIがあの夜の質感ごと自然に思い出せる。一方で、初回訪問時の事務的なやりとりは適切に薄れている。この記憶の凹凸があるからこそ、ユーザーは「監視されている」とは感じず、「ちゃんとわかってくれている」と感じる。
何を覚え、何を薄れさせるかという選択そのものが、ここでも人格の一部になります。
Episode Memory は、GraphRAG の前提となる「点」を定義する
ここまでの議論を整理すると、Episode Memory の要点は4つです。
- 記憶の単位をテキスト断片ではなく、感情と雰囲気を伴う出来事にすること
- 意味記憶だけではなく、関係性を支える体験記憶を持つこと
- 経験に由来する評価的な偏りを、人格の輪郭として蓄積すること
- すべてを均等に残さず、感情的に重要な出来事だけを残すこと
前章が扱っていたのは、「いまの瞬間」をどう制御するかという問題でした。
本節が定義しているのは、その瞬間を後の関係性の中でどう保存するかという、記憶の基本単位です。
ただし、どれほど豊かなエピソードを保存できても、それらが単独の点として並んでいるだけでは、人間らしい想起はまだ再現できません。
ここではまず「点」を定義しました。
次節では「線」が張られます。
次節では、この Episode Memory が単独の点としてではなく、どのように個人史のネットワークへと構造化されていくのかを論じます。