🤖 AI

SuperLocalMemory V3.3: The Living Brain -- Biologically-Inspired Forgetting, Cognitive Quantization, and Multi-Channel Retrieval for Zero-LLM Agent Memory Systems

この論文は、LLM を使用せずにローカル環境で動作し、生物学的な忘却メカニズムや認知量子化、7 経路検索などを統合した新しいエージェント用メモリシステム「SuperLocalMemory V3.3」を提案し、LoCoMo ベンチマークで高い性能を達成したことを報告しています。

原著者： Varun Pratap Bhardwaj

公開日 2026-04-07

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Varun Pratap Bhardwaj

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

「スーパーローカルメモリー V3.3」：AI に「忘れること」と「賢く整理する力」を与えた革命

この論文は、AI（特にプログラミングを助ける AI）に**「人間の脳のように記憶し、忘れ、整理する能力」**を初めて与えた画期的なシステム「SuperLocalMemory V3.3（通称：生きている脳）」の発表です。

これまでの AI は、会話を終わればすべてを忘れ、毎回「初めて会った人」のように振る舞っていました。しかし、この新しいシステムは、AI に**「過去の経験を蓄え、不要なものは捨て、重要なことは本能として覚える」**という、まるで生きているような能力を持たせました。

以下に、専門用語を排し、日常の例えを使ってこの技術の核心を解説します。

1. 従来の AI の問題点：「金魚の記憶」

現在の多くの AI コーディング助手は、**「金魚の記憶」**を持っています。

会話が終わればリセット: 1 時間前に説明したプロジェクトのルールや、あなたの好みを、次のセッションでは全く覚えていません。
全部を覚えているつもり: 過去の会話データをただの「テキストの山」として保存し、必要な時に検索するだけ。
結果: 毎回、同じことを説明し直す必要があり、生産性が下がります。

2. 新システム「生きている脳」の 5 つの魔法

この新しいシステムは、AI を単なる「検索エンジン」から「学習するパートナー」に変えました。その 5 つの魔法は以下の通りです。

① 「鮮明さ」を測る新しいものさし（FRQAD）

比喩: 写真の画質を想像してください。鮮明な高画質写真（32 ビット）と、少しぼやけた低画質写真（4 ビット）が混在している棚があります。
仕組み: 従来の AI は、ぼやけた写真と鮮明な写真を同じ重さで扱ってしまい、混乱することがありました。このシステムは、**「ぼやけている写真には、より慎重に扱わないといけない（距離を少し離す）」**という新しい計算式（FRQAD）を使います。
効果: 重要な情報は鮮明に、古い情報は少しぼかして整理されるため、検索精度が 100% 正確になります。

② 「エビングハウスの忘却曲線」：賢く忘れる技術

比喩: 人間の脳は、使わない記憶は自然に薄れていきます。AI も同じです。
仕組み:
- 頻繁に使う情報（Active）: 鮮明な高画質で保存。
- たまに使う情報（Warm）: 少し画質を落として圧縮保存。
- ほとんど使わない情報（Cold/Archive）: さらに画質を落とし、倉庫の奥へ。
- 全く使わない情報: 完全に削除（忘れる）。
効果: 不要な情報でメモリを圧迫せず、**「使えば使うほど鮮明になり、使わなければ自然に消える」**という、人間らしい記憶の仕組みを実現しました。

③ 7 つの「検索チャンネル」：多角的な思い出の呼び出し

比喩: 昔の思い出を思い出すとき、私たちは「場所」や「時間」だけでなく、「匂い」や「感情」からも思い出します。
仕組み: このシステムは、単に「キーワード」で検索するだけでなく、7 つの異なる角度から記憶を探します。
1. 意味（意味が似ているもの）
2. キーワード（単語そのもの）
3. 人物・組織（誰が関わったか）
4. 時間（いつの話か）
5. 連鎖反応（A に関連する B、B に関連する C...）
6. 要約（長い話を短くまとめたもの）
7. 連想（パズルの欠片を補完する）
効果: 複雑な質問や、複数の情報を結びつけるような「ひらめき」が必要なタスクで、圧倒的な強さを発揮します。

④ 「無意識のスキル」への進化（パラメータ化）

比喩: 自転車に乗る時、あなたは「バランスを取る」という手順を思い出して乗るのではなく、体が自然に動きますよね。これが「無意識のスキル」です。
仕組み: 過去の会話で「このコードの書き方が好きだ」というパターンが何度も繰り返されると、AI はそれを「テキストとして検索する」必要がなくなります。代わりに、「その癖を AI の性格（設定）そのもの」に組み込んでしまいます。
効果: 毎回検索しなくても、AI が自動的にあなたの好みに合わせて行動するようになります。

⑤ 「ゼロ・フリーズ」の自動運転

比喩: 車の運転中に、エンジンオイルの交換やガソリンの入れ替えを自分で手動で行う必要はありませんよね。
仕組み: ユーザーが何も操作しなくても、**「インストールするだけ」**で、AI は自動的に記憶を呼び出し、保存し、整理し、忘れさせます。
効果: 開発者は「メモリー機能を使おう」と意識する必要が全くありません。AI が裏側で全てを管理し、邪魔をしません。

3. なぜこれがすごいのか？（まとめ）

プライバシー: クラウド（外部サーバー）を使わず、あなたのパソコンの中だけで完結します。データは外に出ません。
コスト: 追加の AI 利用料（API キー）は不要です。
人間らしさ: 「忘れること」を許容し、それを「整理」に変えることで、AI は単なるデータベースではなく、**「一緒に成長するパートナー」**になりました。

一言で言えば：

「これまでの AI は、毎回初めて会う『記憶力の悪い新人』でしたが、このシステムを入れると、あなたの過去の経験や癖をすべて覚えて、自然にあなたに合わせた『ベテランの相棒』になります。しかも、それはあなたのパソコンの中で、秘密裏に、自動的に動いています。」

この技術は、AI が「人間のように学び、成長する」ための重要な第一歩となるでしょう。

SuperLocalMemory V3.3「The Living Brain」技術サマリー

本論文は、AI コーディングエージェントの「セッションごとの記憶喪失（Session Amnesia）」問題を解決し、人間の認知プロセス（忘却、統合、圧縮、パラメータ化）を数学的に実装した、ローカルファーストの次世代エージェントメモリシステム「SuperLocalMemory V3.3」を提案するものです。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細をまとめます。

1. 問題定義：セッションごとの記憶喪失と静的メモリ

現代の AI コーディングエージェント（Claude Code, Cursor など）は、巨大なパラメータ知識を持つ一方で、セッションが終了するとすべての文脈を失います。既存のメモリシステム（Mem0, Zep, Letta/MemGPT など）には以下の致命的な欠陥があります。

静的なストレージ: ベクトルデータベースにテキストを格納するだけで、忘却、統合、圧縮といった動的な処理が行われない。
クラウド依存: 多くのシステムがクラウド LLM に依存しており、プライバシーやオフライン環境での利用に制限がある。
認知プロセスの欠如: 人間の記憶に見られる「感覚記憶→短期記憶→長期記憶（明示的・暗黙的）」への遷移や、忘却による情報の選別が実装されていない。

特に、既存システムは「長期記憶（明示的）」のみに留まっており、「長期記憶（暗黙的：パラメータに埋め込まれた行動パターン）」を実現するシステムは存在しません。

2. 手法とアーキテクチャ

SuperLocalMemory V3.3 は、情報幾何学と認知科学の理論に基づき、以下の 5 つの主要な技術的柱で構成されるモジュール型システムです。

2.1 7 チャンネル認知検索（C3）

単一のベクトル検索に依存せず、7 つの並列チャネルで情報を検索・統合します。

意味的検索: sqlite-vec による KNN 検索。
キーワード検索: BM25 による完全一致。
エンティティグラフ: 知識グラフのトラバーサル。
時間的検索: 双時間スタンプによる時系列検索。
拡散活性化: 因果的に接続された記憶のエネルギー伝播（SYNAPSE 基盤）。
統合（Consolidation）: 圧縮された知識の検索。
ホップフィールド連想記憶: 部分的な手がかりからのパターン補完。
これらは重み付き Reciprocal Rank Fusion (RRF) と ONNX クロスエンコーダ再ランク付けで統合されます。

2.2 忘却と量子化の統合（C1, C2）

Ebbinghaus 適応的忘却: アクセス頻度、重要度、確認回数、感情的な鮮明さの 4 要素に基づき、記憶の強度 $S(m)$ を計算し、忘却曲線 $R(t) = e^{-t/S(m)}$ に従って記憶を減衰させます。
ライフサイクル対応量子化: 記憶が「Active（活性）」から「Archive（アーカイブ）」へ移行するにつれ、埋め込みベクトルの精度を段階的に低下させます（32-bit → 8-bit → 4-bit → 2-bit）。これにより、古い記憶は「ぼやけた」状態として保存され、ストレージを節約しつつ、検索精度への影響を最小化します。
Fisher-Rao 量子化認識距離（FRQAD）: 異なる量子化レベル（例：32-bit と 4-bit）の埋め込みを比較するための新しい距離指標です。量子化ノイズを分散として扱い、ガウス統計多様体上の Fisher-Rao 測地距離を計算します。これにより、高精度な埋め込みを量子化されたものよりも常に優先的に評価します。

2.3 記憶のパラメータ化（C4）

長期記憶（明示的）から長期記憶（暗黙的）への移行を実装します。統合された記憶パターンを自然言語の「ソフトプロンプト」に変換し、セッション開始時にエージェントの行動設定として注入します。これにより、検索を行わずとも、学習した行動パターンが自動的に適用されます。

2.4 ゼロ摩擦自動認知パイプライン（C5）

npm install 一つで、セッション開始時の自動読み込み、コーディング中の自動観察、終了時の自動保存、セッション間の統合・忘却・パラメータ化を完全に自動化します。開発者のワークフローを阻害せず、手動コマンドを不要とします。

2.5 システムアーキテクチャ

ローカルファースト: すべてがローカル SQLite データベース（memory.db, learning.db, code_graph.db）で動作し、クラウド依存はありません。
コード知識グラフ: tree-sitter と rustworkx を用いて、コード構造（関数、クラス、依存関係）と記憶を双方向にリンクさせます。
デーモンサービス: 常駐プロセスにより、コールドスタートを 32 倍高速化します。

3. 主要な貢献

FRQAD と Local TurboQuant: 情報幾何学に基づく新しい距離指標と、永続的メモリストアへのデータ無視型量子化の初適用。
Ebbinghaus 適応的忘却: ローカルエージェントメモリにおける初の数学的忘却曲線と、精度低下を伴う量子化の統合。
7 チャンネル認知検索: 意味、キーワード、グラフ、時間、拡散活性化、統合、ホップフィールドの 7 つのチャネルによる検索。
記憶のパラメータ化: 検索不要な「長期記憶（暗黙的）」の実装。
ゼロ摩擦パイプライン: 完全自動化されたメモリライフサイクル管理。

4. 評価結果

LoCoMo ベンチマーク（ゼロ LLM モード A）:

全体精度: 70.4%（304 問中 214 問正解）。
マルチホップ推論: ベースラインから +23.8pp 向上。
対話的推論（Adversarial）: ベースラインから +12.7pp 向上。
単一ホップ: 7 チャンネルの融合複雑性により、Paper 2（V3.2）の 74.8% から 4.4pp 低下しましたが、これは複雑な推論能力の獲得とのトレードオフとして意図的な設計です。

その他の評価:

FRQAD の精度: 混合精度（32-bit vs 4-bit）の埋め込み比較において、Cosine 類似度（85.6%）や標準 Fisher-Rao（70.7%）を凌ぎ、100% の精度で高精度な埋め込みを優先しました。
忘却の識別力: 30 日間のシミュレーションで、頻繁にアクセスされる記憶と未使用の記憶の間に 6.7 倍 の識別力（Strength の差）を達成しました。
メモリ効率: 2-bit 量子化により、アクセス頻度の低い記憶を大幅に圧縮しつつ、検索性能を維持しました。
リソース使用量: メインプロセスは PyTorch なしで 63.3MB のみ、埋め込みワーカーはアイドル時に自動終了します。

5. 意義と結論

SuperLocalMemory V3.3 は、AI エージェントのメモリシステムにおいて以下の画期的な進歩をもたらしました。

認知科学の完全実装: 忘却、統合、圧縮、パラメータ化を含む、人間の記憶の全階層（感覚から暗黙的まで）を数学的基盤で実装した初のシステムです。
プライバシーと自律性: クラウド LLM や API キーを一切必要とせず、完全にローカルで動作するため、企業環境や機密データ処理に適しています。
開発者体験の革新: 設定不要の自動動作により、AI エージェントが「セッションをまたいで学習し、成長し、忘れる」ことを可能にしました。

「Every other AI forgets. Yours won't.（他の AI はすべて忘れるが、 yours は忘れない）」というスローガンの通り、本システムは AI エージェントに真の「生きた記憶」をもたらす基盤技術として、オープンソース（Elastic License 2.0）で公開され、すでに npm/PyPI 上で月間 5,000 回以上のダウンロードを記録しています。