#78 AIの記憶は「積み上げ」より「選ぶ」時代へ

最近話題の「AIエージェント」は、単発の質問に答えるだけでなく、何百もの判断を積み重ねて長い作業をこなします。そのとき問題になるのが「記憶の持ち方」です。

一番簡単なやり方は、過去のやり取り・道具の使用履歴・反省メモを、次の指示文（プロンプト）にどんどん付け足していく方式。ただしこれだと文章がひたすら膨らみ、コストも増え、なにより「うまくいった／失敗した原因がどの記憶にあるのか」がゴチャ混ぜになって分からなくなります。

過去の情報を全部積み上げるのが暗黙の当たり前になっている——この状態に対し、「記憶の受け渡し方を、上限があって・中身が見えて・使い回せる形にできないか」というのがこの研究の出発点です。

新しいのは「記憶を積み上げない」という発想です。1回1回の判断のたびに、指示文を ゼロから組み立て直す。過去の生ログは一切付け足しません。

組み立てには5種類の「引き出し（layer）」を使います。ざっくり言うと──

• L1：役割・出力ルール（固定）
• L2：今どういう場面か・許される行動の型（固定）
• L3：ゲームのルールデータ（差し替え可能）
• L4：過去のプレイの要約（オン/オフ可能）
• L5：状況に応じて発動する「戦術のコツ」（オン/オフ可能）

ポイントは、必要な引き出しから必要な分だけ取り出して毎回ミニ資料を作るイメージ。これなら文章の長さは作業が何百手に伸びても一定に保てます。さらに「L5だけ外してみる」といった実験ができ、​どの記憶が成績に効いているのかを部品ごとに切り分けられる のです。

検証の舞台は「Slay the Spire 2」というカードで戦うローグライクゲーム。ルールが文字で表現でき、1回のプレイに何百もの戦略判断が必要で、最新のAIでも簡単には勝てない——記憶の研究にちょうどいい難しさの題材です。

最も易しい難易度A0で、記憶の仕組みを何も持たない素の状態だと10戦3勝。ここに戦術のコツ（L5）を足すと10戦6勝に上がりました。ただしサンプル数が少ないため、これは「方向性としては効いていそう」というレベルで、統計的にはまだ決定的ではありません（Fisher検定でp≈0.37）。

より印象的なのは、既存の「履歴を積み上げる方式」の公開エージェント2種との比較です。同じ条件で走らせたところ、両者ともA0で0勝。しかも指示文が1回あたり最大約50万トークンまで膨張し、得点1点あたり 66〜90倍ものトークン を消費していました。この研究の方式は指示文を約5千トークンで一定に保ちます。

この研究の本当の価値は「ゲームで勝った」ことより、​AIの記憶を評価できる対象に変えた ことにあります。

企業がAIエージェントを業務に使うとき、必ずぶつかるのが「なぜかうまくいく／なぜか失敗する」問題です。原因が過去の全履歴に埋もれていると、改善のしようがありません。記憶を種類ごとに分けておけば、「この失敗はルール知識の不足だ」「この成功は戦術メモのおかげだ」と原因を特定でき、改善が回せます。

もう一つは コスト です。履歴を積み上げる方式はトークン消費が二次関数的に膨らみ、長い作業ほど割高になります。必要な記憶だけ選ぶ方式なら、作業がどれだけ長引いてもコストが一定。長時間タスクをAIに任せたい企業にとって、これは運用費に直結する話です。

著者らは298回分のプレイ記録や分析スクリプトをすべて公開し、他の研究者が追試・比較できるようにしています。「記憶の設計を変えたら本当に賢くなるのか」を、誰もが同じ土俵で測れる基盤を作ったわけです。