FileGram: Grounding Agent Personalization in File-System Behavioral Traces
プライバシー制約により個人化が困難なローカルファイルシステム上の AI エージェント向けに、ファイルシステム行動履歴に基づいたパーソナライゼーションを実現するための包括的フレームワーク「FileGram」を提案し、そのデータ生成エンジン、評価ベンチマーク、および新しいメモリアーキテクチャの有効性を検証した。
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
この論文「FileGram」は、**「AI 助手が、あなたのパソコンの『ファイル操作』を通じて、あなたという人間を深く理解し、完璧な相棒になる」**という夢のような技術を提案した研究です。
従来の AI は「チャット（会話）」でしかあなたを知らなかったけれど、この新しい AI は「あなたがどんな風にファイルを整理し、どんな文書を書き換えているか」という行動の痕跡から、あなたの癖や好みを学習します。
わかりやすくするために、いくつかの比喩を使って説明しましょう。
1. 従来の AI と FileGram の違い：「会話」vs「生活の足跡」
従来の AI（会話中心）：
想像してみてください。あなたが新しい住人と一緒に暮らしていますが、その住人は「昨日何を食べた？」「どんな仕事をした？」と口頭で話すことしか覚えていません。でも、あなたが実際に部屋でどう動いているか（本をどこに置いたか、ゴミをどう捨てたか）は見ていません。だから、あなたの「本当の癖」はわかりません。- これが、これまでの AI 助手の限界です。
FileGram（行動の痕跡）：
FileGram は、「家の隅々まで見守る賢い管理人」のようなものです。あなたが「ファイルをどこに保存したか」「どんな名前でつけたか」「前のバージョンをどう編集したか」というデジタル上の足跡をすべて記録します。- 「あ、この人はいつも『2024_05_15_報告書』という名前で保存するんだな」
- 「この人は、新しいフォルダを 3 つも作って、中身を整理するのが好きなんだな」
- 「この人は、一度作ったファイルを何度も微修正するタイプだ」
これらを積み重ねることで、AI は「会話」よりもはるかに深く、**「あなたらしさ」**を把握できるようになります。
2. 3 つの魔法の道具（FileGram の 3 つの柱）
この研究では、この「賢い管理人」を作るために、3 つの重要なツールを開発しました。
① FileGramEngine（シミュレーション工場）
**「完璧な俳優を量産する工場」**です。
現実の人のファイル操作データを集めるのは、プライバシーの問題でとても大変です。そこで、この工場では「20 種類の異なる性格（真面目な人、手抜きな人、整理好きなど）」を持った AI アバターを 32 種類のタスク（レポート作成、ファイル整理など）に挑戦させます。
- 役割： 現実では集められない「多様な人の行動データ」を、安全に大量に作り出します。
② FileGramBench（能力テスト）
**「AI の記憶力を測る難易度満点の試験」です。
これまでの AI は「会話の内容」を覚えるテストしか受けませんでしたが、FileGramBench は「行動パターンを覚えているか」**を問います。
- 例題： 「このユーザーは、ファイルを整理する時、深く階層を作るタイプか、それとも平らなフォルダに放り込むタイプか？」
- 例題： 「このユーザーの行動パターンから、彼が今どんな作業をしているか推測できるか？」
これにより、AI が本当に「個人に特化した記憶」を持っているか厳しくチェックします。
③ FileGramOS（記憶の仕組み）
**「3 つの引き出しを持つ、超整理整頓された記憶庫」**です。
これが最も画期的な部分です。従来の AI は、すべての情報を「会話の要約」として 1 つの引き出しに放り込んでいましたが、FileGramOS は記憶を 3 つのチャンネル（引き出し）に分けて整理します。
- 手続きの引き出し（Procedural）： 「どう動くか」の統計データ。
- 例： 「ファイル名に日付を入れる確率 90%」「フォルダを 3 段深く作る傾向」など、数字で表せる癖。
- 意味の引き出し（Semantic）： 「何を作ったか」の内容。
- 例： 「いつもフォーマルなトーンで報告書を書く」「図表を多用する」など、文章や画像のスタイル。
- エピソードの引き出し（Episodic）： 「いつ、どんな変化があったか」の履歴。
- 例： 「先週までは平らなフォルダだったのに、今週から急に階層化し始めた」という変化を検知する。
このように分けることで、AI は「単なる要約」ではなく、**「あなたの行動の微細なニュアンス」**まで捉えることができるようになります。
3. なぜこれが重要なのか？
これまでの AI は、「会話」からしか学べなかったため、**「作業の癖」**を見逃していました。
- 従来の AI： 「ユーザーはレポート作成が得意です」という曖昧な記憶。
- FileGram の AI： 「ユーザーは、レポート作成時に必ず『分析』フォルダを作り、CSV ファイルを 3 つ読み込んでから、Markdown 形式で詳細な表を作成する」という具体的な行動パターンを記憶している。
これにより、AI はあなたが「何をするつもりか」を、あなたが言葉にする前に察知できるようになります。
- 「あ、この人は今、特許の申請書類を整理しているな。過去の似た作業から、必要なテンプレートと環境設定を自動で用意しておこう」
- 「あ、この人はいつもファイル整理の時に『一時ファイル』を削除する癖があるな。今も削除候補をリストアップしておこう」
まとめ
FileGram は、**「AI があなたの『会話』ではなく、『パソコンを操作する手つき』からあなたを理解する」**という新しいパラダイムを提案しました。
プライバシーを守りつつ、AI があなたの「デジタルな生活習慣」を深く理解し、まるで長年の相棒のように、あなたの仕事や生活に自然に溶け込んでサポートしてくれる未来への第一歩です。
「AI に『何をしてほしいか』を教えるのではなく、AI が『あなたがどう生きているか』を自然に理解する時代」が、この研究によって近づいてきたと言えます。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。