対象範囲
本シリーズは、主にChatGPT / OpenAIの実際の挙動を観察対象にしながら、生成AI一般にも通じる構造を説明する。ただし、Claude、Gemini、その他のAIサービスでは、メモリ、指示階層、ツール接続、コンテキスト管理の実装が異なる場合がある。
はじめに
ChatGPTと何度も話していると、「このAIは自分のことを覚えている」と感じることがある。
前に話した仕事の進め方を踏まえてくれる。自分の文体や関心に合わせて返してくれる。過去の会話で出てきたテーマを、次の会話でも自然に持ち出してくる。
では、生成AIは本当に「記憶」しているのだろうか。
ここでいう記憶は、RAMやEPROM、磁気テープ、磁気ディスク、光学ディスクのように、どこかの物理媒体にデータを保存するという意味の記憶ではない。
もちろん、物理的にはモデルのデータもサーバ上の記憶装置に保存されている。しかし、生成AIを使う上で重要なのは、物理媒体としての保存ではなく、次の問いである。
生成AIは、応答を作るときに何を参照しているのか。そして、何が強く作用しているのか。
この問いに立つと、生成AIの「記憶」は、ひとつの箱ではなく、複数の層が重なったものとして見えてくる。
1. 生成AIの記憶は、ひとつではない
生成AIの「記憶」と呼ばれているものは、少なくとも四つに分けられる。
第一に、モデル本体の重みがある。これは、大量のテキストを学習した結果として作られた、言葉や概念の反応傾向である。
第二に、現在の会話文脈がある。いま開いているチャットの履歴や、直近の指示が、応答を作るときの入力として使われる。
第三に、保存メモリがある。ChatGPTのMemory機能のように、ユーザーの好み、作業方針、継続的な関心などを、会話とは別に参照する仕組みである。
第四に、外部ツールや外部ファイルがある。Notion、Google Drive、Gmail、GitHub、Web検索、アップロードファイルなど、モデルの外側にある情報源である。
これらはすべて「覚えている」ように見える原因になる。しかし、それぞれ仕組みが違う。ここを混同すると、生成AIの挙動を誤解する。
2. モデル本体の記憶は「保存」ではなく「傾向」である
AIの本体には、学習によって身についた言葉の傾向がある。技術的にはこれを「モデル重み」と呼ぶが、ここでは「AIの中にしみこんだ言葉の傾き」と考えればよい。
LLMの場合、モデルの中に「フランスの首都＝パリ」というカードが一枚保存されているわけではない。大量のテキストを学習した結果として、「フランス」「首都」「は」という文脈が与えられたときに、「パリ」という語が出やすくなるような数値的構造が形成されている。
つまり、モデル本体の記憶は、データの保存というより、反応可能性の地形に近い。これは倉庫ではない。むしろ坂道である。ある言葉を置くと、次に出やすい言葉の方向へ転がっていく。その転がり方の癖が、学習によって作られている。
だから、生成AIは知識を「取り出している」というより、その場の文脈から「それらしい応答を生成している」。
3. 会話文脈は、思い出しているのではなく、読み直している
ChatGPTが直前の発言を踏まえて返してくるとき、私たちは「さっきのことを覚えている」と感じる。しかし、より正確には、モデルが内面的に会話を保持しているのではない。現在の応答を作るとき、過去の会話履歴や関連情報が、入力として渡されている。
つまり、覚えているというより、読み直している。人間は昨日の会話を自分の記憶から思い出す。生成AIは、必要な文脈をその都度入力として受け取り、その中から次の応答を作る。
会話が長くなるほど、入力される情報は増える。プロジェクト設定、過去の会話、ユーザーの直近指示、アップロードファイル、外部ツールの仕様が同時に入ってくることもある。すると問題は、「何を覚えているか」だけではなくなる。
どの文脈が、いまの応答に強く作用しているのか。
ここから、記憶の問題は、文脈の力学の問題へ変わっていく。
4. 保存メモリは、モデル本体とは別の参照情報である
ChatGPTには、ユーザーの好みや継続的な情報を保存・参照するMemory機能がある。これは、モデル本体の重みとは別の仕組みである。モデルそのものが、そのユーザー専用に毎回学習し直されているわけではない。
むしろ、応答を作るときに、保存されたユーザー情報が補助文脈として渡される、と考えた方が分かりやすい。ここでも、記憶は「どこかにしまわれた過去」ではない。記憶は、現在の応答を作るための条件として再投入される。
5. 外部ツールは、記憶ではなく行為可能性である
Notion、Google Drive、Gmail、GitHub、Slack、Dropbox、Web検索などは、モデル本体の記憶ではない。それらは、必要に応じて読みに行く場所であり、場合によっては書き込みに行く場所である。
こうした行為は、モデルの内部記憶から答えを出しているのではない。外部環境へアクセスし、その結果を現在の文脈に取り込んでいる。だから外部ツールは、記憶というより、行為可能性である。
ツールが存在すると、モデルは「使える」と判断する。ツール名が会話に何度も出ると、それが次の行動候補として浮上しやすくなる。ツール仕様が長ければ、それを読むこと自体が文脈を圧迫する。外部ツールは中立ではない。ツールは、生成AIの行動を誘導する経路でもある。
6. 生成AIの応答は「記憶の再生」ではなく「条件の合成」である
生成AIの応答は、保存された答えを取り出しているのではない。応答は、その場で合成されている。そこには、モデル本体の重み、現在の会話文脈、保存メモリ、カスタム指示やプロジェクト設定、外部ファイル、外部ツール、直近のユーザー指示が関わっている。
生成AIの記憶とは、現在の応答を生成するために再投入される条件群である。
なぜ、前に話したことを覚えているように見えるのか。なぜ、同じ指示をしても別の動きをするのか。なぜ、設定したはずのルールが、ときどき直近の文脈に負けるのか。なぜ、AIが余計なツールを呼びに行くことがあるのか。それらは、複数の条件が、その場で合成されているからである。
7. 使いこなすとは、記憶を信じることではない
生成AIを使うとき、人間はつい「覚えているか／忘れているか」で考えたくなる。しかし、実用上はそれだけでは足りない。
重要なのは、何がモデル本体に由来するのか、何が現在の会話文脈に由来するのか、何が保存メモリに由来するのか、何が外部ツールやファイルから来ているのか、何が直近の指示に引っ張られているのかを見分けることである。
生成AIを使いこなすとは、AIの記憶をただ信じることではない。どの条件が応答に作用しているのかを見分け、必要に応じて文脈を設計し直すことである。
中心フレーズ
生成AIの記憶とは、保存された過去ではなく、現在に再投入される条件である。