エージェントのための自己改善メモリシステム（6 分読了）

## エージェントのための自己改善型メモリ AI における一般的なメンタルモデルは、エージェントを「労働者」として捉えることです。新しい機能は、「最近大学を卒業した新卒社員」や「2 年目のアナリスト」に相当するかもしれません。これは AI の能力を考える上で最良の方法ではありませんが、職場における AI の重要な概念を説明しています：**労働者を雇う際、彼らが現場で学び、成長することを期待するものです。** AI エージェントも同様に振る舞うべきです。これにより、「メモリ」が AI において本当に何を意味するのかについて、より詳細な検討が必要となります。 ## Brain の紹介 本日、私たちは AI におけるメモリに対する全く新しいアプローチを発表します。これを [Brain](https://www.perplexity.ai/computer/memory) と名付けました。 Brain は自己改善型のメモリシステムです。これは、[Computer](https://www.perplexity.ai/products/computer) が実行する作業の文脈グラフを構築します。夜間などの設定された間隔で、Brain はその文脈グラフを見直し、より効率的に作業を行う方法を自ら学習します。 作業量が増えるほど、Brain はあなたの Computer をより賢く、より効率的なものへと進化させます。 ## AI メモリのためのより優れたモデル AI におけるメモリには、2 つの重要な軸があります。1 つ目は「メモリが何を対象とするか」であり、2 つ目は「メモリを何に利用するか」です。 従来の AI メモリは、あなた、つまりユーザー自身を対象としていました。あなたの好み、趣味、作業スタイル、連絡先、役割などです。Brain は、AI エージェントにとってより効果的なモデルを先駆けています：Brain はエージェントが何を行ったかを記憶します。何が成功し、何が失敗したか、そしてその作業に対してどのような修正が行われたかを記憶します。そして、より良い作業を行う方法を学習するのです。 第二に、ユーザーに関する AI の記憶は、あなたが AI エージェントにより深く関与していると感じるのを助ける目的を果たします。Brain などの作業用メモリは、エージェントが業務をより上手に行うのを助ける目的を果たします。これがメモリの最も重要な目的です。 このアプローチによって、時間の経過とともに Computer のパフォーマンスが向上します。Brain を備えた Computer は、新しいタスクごとに前日より良い出発点を持ちます。その理由は、Brain が過去のセッション、何が機能し、何が機能しなかったかに基づいて、ユーザーが達成しようとしている可能性が高いものを新鮮なマップとして作成するからです。 つまり、Computer はより速く回答に到達し、最も信頼性の高いソースにアクセスでき、時間とトークンの無駄を避けることができます。 ## 再帰的自己改善 Brain は Computer を使用するほどに向上します。エージェントは、最適な出力につながるプロジェクト、コネクタ、アーティファクト、および他のソースを学習するにつれて、コンテキストを更新する能力が高まります。 また、エラーからも学習し、ユーザーが修正を行った時や、あるソースが行き止まりであったことを記憶します。その結果、ターン数が減り、モデル呼び出し回数が減少し、出力の質が向上します。 このフィードバックループこそが、Brain を継続的に自己改善させる要因です。 ユーザーにとって、エージェントは業務を遂行するために必要なコンテキストを理解する能力が高まります。また、現在のトークン使用量は、将来的により効率的なトークン使用量への投資であることを意味します。 ## コンテキストグラフ Brain は、Computer がユーザーの世界を理解し、その仕事から学び、将来のタスクにそれを適用できるよう支援する追跡可能なグラフを作成することで、Computer のための生きたコンテキストグラフを形成します。 このコンテキスト層は、エージェントサンドボックスに自動的に読み込まれる LLM ウィキ（大規模言語モデルウィキ）という形態をとります。ユーザーの LLM ウィキページには、その世界を構成するアイデア、人々、プロジェクト、その他の要素が反映されており、Computer はこの個人情報のウェブを横断して移動することができます。 このウィキは、Brain システムによって夜間に逐次的に更新されます。これは、ユーザーのセッションとコネクタの結果、ソースドキュメントの変更、および修正点を統合して行われます。 この絶え間なく刷新されるコンテキストにより、Computer は、ユーザーに対して何をすべきか、どこを見るべきか、そしてどのように出力を届けるべきかについて、より強力なシグナルを得ることができます。 ## パフォーマンスの向上 ![image](https://framerusercontent.com/images/PYoW8ABaUALB5EoUGibBQu6A2Wk.png) 展開 初期の測定結果によると、Brain は Computer が以前に見たことのあるタスクにおいて、回答の正答率を 25% 向上させます。また、想起（リコール）能力も 16% 向上します。 同じ結果は、履歴コンテキストを必要とするタスクのコストを 13% 削減することも示しています。さらに、Brain を長く使用する人々については、エージェントがその世界を学習するにつれて結果が改善していくことがわかります。 Brain は他の Perplexity によって生成された出力と同様に、その作業内容を明示します。すべてのメモリエントリは、それが由来したセッション、ファイル、またはソースへとリンクされています。 ## 能動的 AI を駆動する コンピュータがユーザーや企業が求める能動的 AI となるのは、継続的な学習を通じてのみです。エージェントは業務とその改善方法を学び、記憶します。 フロンティア AI とは、自組織のために構築した個別の AI システムのことです。エージェントが私たちが行う業務から積極的に学習すれば、私たちが尋ねていない機会を特定したり、誰も気づく前に問題を警告したりできます。 このバージョンの Brain は始まりに過ぎません。新しい機能については近日発表します。 Brain は本日、Research Preview において Max および Enterprise Max のサブスクライバー向けに展開を開始しました。

エージェントのための自己改善メモリシステム（6 分読了）

背景や根拠まで確認しますか？

調べる

選ぶ

サイト

背景や根拠まで確認しますか？

ニュースの次に確認する

調べる

選ぶ

サイト