AIは過去の自分と今を区別できるか

AIに自分自身のコンテクストや思考の癖を記憶させることができれば、毎回前提をゼロから説明する不毛な手間を減らすことができます。そんな期待から、私たちは日常の対話ログ、雑感メモ、過去の意思決定、失敗談、プロジェクトのドキュメントをナレッジベースとしてAIに蓄積する実験を続けてきました。

導入直後の効果は絶大でした。「以前この課題に対してどんなアプローチをとっていたか」「類似の判断をした後にどんな問題が生じたか」を即座に引き出せるようになり、AIとの対話のスタートラインが一段高くなったことを実感しました。

しかし、蓄積されるデータ量が増えるにつれて、ある根本的な疑問が浮上してきました。AIは本当に「私」という人間を深く理解し始めているのか。それとも単に過去のテキストデータベースを高速検索しているだけなのか。そして何より、過去と現在で私自身の価値観や判断基準が変わったとき、AIはどちらを「私らしさ」として優先するべきなのでしょうか。

単なる「データの全量投入」がもたらした混乱

初期の実験では、自己紹介、価値観のリスト、仕事の基本方針、過去の執筆物などを網羅した長いドキュメントを作成し、対話のたびにプロンプトのコンテクストとして読み込ませていました。参照データが少ないうちは、これでも十分に機能しました。言葉遣いや興味関心が共有され、文脈の説明に割く時間を大幅に削減できたからです。

ところが、蓄積データが一定量を超えると途端に破綻し始めました。目の前の議題とは関係のない古い情報までがコンテクストを圧迫し、過去の考えと現在の考えが等しい重みで並立してしまったのです。さらに、過去と現在で矛盾する意見を同時に読み込ませると、AIはどちらかを選ぶのではなく、両者を無難に平均化した中庸な回答を返してくることも判明しました。

過去の記録を大量に溜め込むことと、いま現在の意思決定に必要な「自分」を取り出せることはまったく別物です。

この失敗を経て、あらゆる情報を一度にコンテクストへ流し込むアプローチを捨てました。現在は、入力された問いに関連する記憶のみを動的に検索し、さらにはそれらの記憶同士の時系列や因果関係をトラッキングできる構造へと移行しています。

会話ログを「意思決定の構造体」として切り出す

日記や対話のログには、その時に起きた事実、感じた感情、選択した行動、そしてその後の結果が雑然と混ざり合っています。単純なキーワード検索で似た言葉を抽出できても、それらの要素を結ぶ因果関係が抜け落ちていれば、当時の判断の真意を再現することはできません。

そこで現在私たちは、過去の重要な判断を単なるテキストではなく、以下の4つの要素に構造化して保持しています。

たとえば「外部パートナーへの委託を見送った」という選択ログだけを見ると、一見すると単に「慎重で抱え込みがちな性格」と解釈されるかもしれません。しかし、当時の資金状況、納期までの時間、品質上の強い懸念、過去の失敗体験といった文脈が結びつくことで、その特定の状況下においては「コア業務への集中」という合理的な選択をしたのだと正しく読み解くことができます。

感情や違和感までログに残すのは、単に感情的な記録を残したいからではありません。客観的な条件が全く同じであっても、何に違和感を覚え、何を守ろうとして葛藤したのかの中にこそ、その人独自の価値観や美学が最も強く現れるからです。

「最新版への統一」が奪ってしまう、変化のプロセス

過去の記録が増えて整理が難しくなった際、同じテーマに関する発言をすべて最新の意見に統合し、古い記録を上書き消去してみたことがありました。確かにAIは現在の結論を即座に回答できるようになりましたが、代わりに「なぜその結論に至ったのか」という思考のアップデートのプロセスが完全に消滅してしまいました。

発言の日付と変更理由を履歴として残しておけば、「以前はスピードを最優先していたが、失敗を経て現在は保守性と品質を優先するようになった」という思考の変化を追跡できます。人間を固定的なプロフィールの集合体として捉えるのではなく、「変化し続けるプロセス」として扱うためには、この履歴の保持が不可欠です。

私たちは記憶の保持期間を、作業用の「短期記憶」、出来事と感情を結ぶ「エピソード記憶」、そして長期的に参照する「価値観・原則」の3つのレイヤーに分類しています。そして重要視しているのは、長期的な価値観であっても決して不変の絶対正義ではなく、時代や状況に応じて更新され得るという前提をシステムに組み込むことです。

正確に引用できても、理解したことにはならない

AIが過去の自分の文章や発言を寸分違わず引用してくると、あたかも自分のことを深く理解してくれているような錯覚を覚えます。しかし、引用の正確性と、人間の深い理解は全くの別物です。過去の判断パターンが見つかったからといって、前提条件が異なる現在の課題に対して、機械的に同じ結論を当てはめるのは正しくありません。

そのため現在では、AIが回答を生成する前に、以下のプロセスを自動的にステップ実行させるように設計しています。

1. 状況の比較: 過去の事例と現在の課題で、前提条件や制約の何が共通し、何が異なっているかを整理する。
2. 結果の評価: 過去の意思決定の後にどのような事象が起きたか（成功したのか失敗したのか）を確認する。
3. 価値観の更新チェック: 過去の判断以降に、本人の中で優先順位や考え方の変化があったかを照合する。
4. 不確実性の明確化: 現在の情報だけでは判断しきれない「未知の変数」がどこにあるかを洗い出す。

このステップを挟むことで、過去のログを単にコピペして模倣するような浅い回答が格段に減りました。少なくとも「過去の経験を現在の意思決定のための材料として扱う」という姿勢に近づけることができます。

個人の極私的な記憶を託すことの倫理と責任

実験が進み、AIに共有するコンテクストが深くなるにつれて、取り扱うデータの機密性と倫理的リスクも比例して高まっていきます。過去の失敗、個人的な感情、複雑な人間関係、未発表のプロダクト構想といったデータは、一般的なドキュメント以上にセンシティブなプライバシー情報です。

これらのデータに対して誰がアクセス権を持つのか。外部のモデルやクラウドサービスにどこまで送信してよいのか。間違って記録された内容をいかに訂正し、忘れたい過去の記憶を「完全に削除」できる保証をどう作るか。個人のローカルな実験を超えてチームやサービスへ展開するにあたっては、退会時のデータ破棄や持ち出しの仕組みを初期段階から厳密に設計しておく必要があります。

単にデータを溜め込む機能だけを作ってしまうと、人間の成長や変化を助けるパートナーどころか、過去の思考や失敗の枠組みにユーザーを縛り付け続ける「固定化の装置」と化してしまう危険性があります。データの可視化、修正権限、有効期限の設定、完全削除の機能は、検索の精度向上と同じくらい極めて重要な要素です。

私たちが実践している最小限の運用構造

現在、私たちは人間の全人格をAI上で完全にシミュレートしようという野心的なアプローチは取っていません。日々の気づきは「客観的事実」と「個人的な解釈」に分けて記録し、重要な意思決定のみを「状況・感情・決断・結果」の4要素で構造化して保持しています。AIが回答する際は関連する記憶のみをピンポイントで参照させ、過去と現在の記憶で矛盾が生じた場合は、AIが勝手に統合・消去するのではなく、「過去の考え」と「現在の考え」の双方を提示させるようにしています。

そして月に一度、本人自身が現在の方針と思考の変化を振り返り、記憶のメンテナンスを行う時間を設けています。目的は自分の精巧なクローン（分身）を作ることではなく、自分自身すら忘れかけていた過去の経験を掘り起こし、現在の意思決定をより豊かにするための「良質な対話し手」を育てることにあります。

数年分の思考ログから判断の傾向を学習したAIは、果たして本当にその人を理解していると言えるのか。それとも過去の思考の残像を精巧に再構成しているに過ぎないのか。まだ明確な答えは出ていません。

人間は矛盾を抱え、都合よく物事を忘れ、ある日突然それまでの考えを翻す生き物です。その不確実さや揺らぎこそが、人間の人格の本質でもあります。AIが「以前のあなたならこう判断していました」と示してくれることは、人間の探求や変化を後押しする追い風になるのか、それとも過去の自分という檻の中に引き戻す重しになるのか。

個人の記憶を扱う技術に必要なのは、単なる記憶容量の大きさではありません。人間の変化、矛盾、そして忘却すらも受け止めることができる柔軟な設計です。AIに自分を記憶させるという実験は、同時に「自分自身の何が受け継がれ、何が自由に変わってよいのか」という、人間の自己同一性そのものを問い直す営みでもあります。