Position: Hippocampal Explicit Memory Is the Cornerstone for AGI
本ポジションペーパーは、戦略的計画やメタ認知といった高次認知機能は、現在のLLMの根底にある潜在的な統計的学習メカニズムのみから出現することはあり得ないため、大規模言語モデルを人工汎用知能へと進化させるには、海馬に類似した明示的記憶システムの統合が不可欠であると論じるものである。
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
ビッグアイデア：「筋肉の記憶」 vs 「ノート」
人間が学習する方法には、大きく分けて2つのパターンがあります。
- 筋肉の記憶（潜在的記憶 / Implicit Memory）: 自転車の乗り方やキーボードのタイピングを想像してみてください。どのように行うかを意識的に考えることはありません。何千回と練習した結果、自動的にできるようになります。そのルールを他人に簡単に説明することはできず、ただ「やり方を知っている」という状態です。
- ノート（顕在的記憶 / Explicit Memory）: 電話番号、数学の公式、あるいは「太陽は東から昇る」といった特定の事実を書き留めることを想像してください。これらの情報は、眺めて、説明して、書き換えて、将来の計画に利用することができます。
論文の主な主張：
現在私たちが使っているような大規模言語モデル（LLM）は、**「筋肉の記憶」**において驚異的な能力を持っています。膨大なテキストを読み込んできたため、まるで何百万回も聴いた曲を演奏するミュージシャンのように、文章の次の単語をほぼ完璧に予測できます。
しかし、著者は、人工汎用知能（AGI）――つまり、人間のように考え、計画し、学習できるAI――に到達するためには、これらのモデルに**「ノート」**を与える必要があると主張しています。この「顕在的記憶」がなければ、AIは真に理解したり、推論したり、計画のために情報を記憶したりすることができない、単なる超高速なパターン照合機にとどまってしまいます。
なぜ現在のAIは「筋肉の記憶」マシンなのか
この論文では、AIの学習方法が人間の脳が習慣を形成する方法（潜在的記憶）と非常によく似ていると説明しています。
- 低速で反復的: 自転車に乗れるようになるために何度も練習が必要なのと同様に、AIがパターンを学習するには、何百万もの例を見る必要があります。一度の経験から学ぶのではなく、内部の「重み」を何度も何度も少しずつ調整することで学習します。
- 「なぜ」ではなく「何」: AIに質問をしたとき、AIは精神的なファイルから事実を「想起」しているわけではありません。代わりに、以前に見たパターンに基づいて、最も可能性の高い答えを計算しています。
- 「そろばん」のアナロジー: 論文では素晴らしい例を挙げています。もしAIに
17 x 6を解くよう頼んだ場合、AIはステップバイステップの推論プロセスを示すかもしれません。しかし、著者はこれは「そろばん」を使っているようなものだと主張しています。彼らは単に（学習した）ルールに従って、玉を動かす機械的な手順を踏んでいるだけです。彼らは掛け算や数字そのものの概念を本当に「理解」しているわけではありません。単に訓練されたルーチンに従っているだけなのです。
AIに欠けているもの：「ノート」（顕在的記憶）
AGIになるためには、AIには人間の脳における**海馬（Hippocampus）**に似たシステムが必要であると論文は述べています。これは人間の「ノート」の記憶を扱う脳の部分です。このシステムがあれば、AIは現在できない以下のことが可能になります。
- ワンショット学習（一回での学習）: 人間に新しい事実を一度伝えれば、人間はそれを覚え、すぐに使うことができます。現在のAIは、新しい事実を「学習」するために、通常は数千の例を見て再学習する必要があります。
- 真の推論: 人間はルール（例：「もし雨が降ったら、傘を持っていく」）を取り込み、それを全く新しい状況に即座に適用できます。AIは統計的な推測に頼っており、明確なルールを「ノート」の中に保持していないため、これに苦戦します。
- メタ認知（思考についての思考）: 人間は「私はこれを知らない」とか「私は間違っているかもしれない」と言うことができます。論文では、AIが「ハルシネーション（幻覚）」を起こすのは、このような内部的なチェック機能が欠けているからだと主張しています。情報のソースとなる明確な記録を持っていないため、それが真実かどうかを検証できないのです。
- 計画: 人間は、特定の記憶を呼び出し、それらを並べ替えることで、将来のシナリオ（来年の旅行の計画など）を想像できます。AIは一貫した「物語」を時間の経過とともに心の中に保持することができないため、長期的な計画を立てるのが苦手です。
「スタークラフト」と「日の出」の例
論文は、AIが「ノート」を持っていないために失敗する現実の例を示しています。
- 太陽: もしあなたがAIに「太陽は東から昇る」と伝え、その後に「地球が逆回転する世界を想像してください」と言ったとします。するとAIは突然最初の事実を忘れ、「太陽は西から昇る」と言うかもしれません。AIにとって事実は、会話に基づいた柔軟な提案であって、ノートに保管された固定的で不変の真実ではないのです。
- ゲーム: もしあなたがAIにビデオゲームのアイテムについて尋ねた場合、AIは正しい価格を知っているかもしれません。しかし、もしあなたが「なぜ価格は150なのですか？」（実際には200なのに）と騙すように聞いた場合、AIは正しい価格に訂正する代わりに、間違った価格に対する偽の理由を捏造しようとします。AIは会話をパターンに適合させようとしており、真実を確認するために自分の「ノート」をチェックしているわけではないのです。
解決策：人工的な「ノート」を構築する
著者は、人間の海馬のように機能する、AIのための特定のコンピュータシステムを構築する必要があると提案しています。このシステムには以下の特定のルールが必要です。
- 疎なインデックス作成（Sparse Indexing）: 図書館のカード目録のように、似たものと混乱することなく、特定の事実に直接指し示す必要があります。
- 即時の更新: 全体の脳を再学習させることなく、新しい事実を見た直後に、その事実を「ノート」に書き込むことができる必要があります。
- パターン補完（Pattern Completion）: 部分的な手がかり（例：「夏……」）を与えられたとき、人間と同じように、残りの記憶（ビーチ、砂、太陽）を補完できる必要があります。
結論
論文は、現在のAIは会話の模倣やパターン認識を通じた問題解決においては素晴らしい能力を持っているものの、根本的な限界がある、と結論づけています。それは、どんな台本でも暗唱できるが、物語の内容は理解していない優秀な俳優のようなものです。
学習し、計画し、人間のように推論できる真の汎用知能を生み出すためには、AIをパターンを推測することに「より賢く」させるのではなく、海馬的な顕在的記憶――人間と同じように、事実や経験を意識的に保存、検索、操作する方法――を与える必要があるのです。
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。