JA

AETERN AI · RESEARCH

研究

Aetern AIの研究は、パーソナルAIにおける長期記憶、ユーザー理解、アイデンティティの継続性、記憶のガバナンスを対象としています。本ページでは、当社の論文、主要な研究課題、関連文献を掲載しており、古典哲学から現代のAI記憶研究に至る代表的な研究を扱っています。パブリックドメインの文献は本サイトで全文を閲覧できます。「Commentary」はAetern AIによる解釈であり、著者の見解を示すものではありません。

各文献は英語で掲載しています。

論文 · PUBLICATIONS

  1. Memory, Outside the ModelAetern AI Research · November 2026Portability and User Control in Personal AIPosition paper
  2. How History Becomes a SelfAetern AI Research · November 2026Personality Formation and Cross-Model Continuity in Personal AIConceptual working paper

研究課題と文献 · QUESTIONS & LITERATURE

R.01 · 長期記憶

長期記憶はどのように保存・構造化・検索されるべきか。

数か月から数年に及ぶ対話記録を、どのように構造化・検索・更新するか。

  1. Theaetetus: The Wax Tablet and the Aviaryc. 369 BCPlato · Theaetetus, translated by Benjamin Jowett全文
  2. Confessions, Book X: The Fields and Spacious Palaces of Memoryc. 400Augustine of Hippo · Confessions, Book X, translated by E. B. Pusey全文
  3. Why there are complementary learning systems in the hippocampus and neocortex: Insights from the successes and failures of connectionist models of learning and memory1995James L. McClelland et al. · Psychological Review 102(3), 419–457
  4. Memory Networks2015Jason Weston et al. · ICLR 2015
  5. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks2020Patrick Lewis et al. · NeurIPS 2020
  6. Locating and Editing Factual Associations in GPT2022Kevin Meng et al. · NeurIPS 2022
  7. MemGPT: Towards LLMs as Operating Systems2023Charles Packer et al. · arXiv preprint

R.02 · ユーザー理解

ユーザーへの理解は元の表現からどのように形成され、どのように修正されるのか。

ユーザーの実際の発言から理解を導出し、新たな情報に応じてどのように修正するか。

  1. The construction of autobiographical memories in the self-memory system2000Martin A. Conway, Christopher W. Pleydell-Pearce · Psychological Review 107(2), 261–288
  2. Generative Agents: Interactive Simulacra of Human Behavior2023Joon Sung Park et al. · UIST 2023
  3. Reflexion: Language Agents with Verbal Reinforcement Learning2023Noah Shinn et al. · NeurIPS 2023
  4. Cognitive Architectures for Language Agents2024Theodore R. Sumers et al. · Transactions on Machine Learning Research (TMLR) 2024
  5. LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory2025Di Wu et al. · ICLR 2025

R.03 · アイデンティティの継続性

モデルの交代を越えて、AIのアイデンティティは何によって構成され、どのように継続するのか。

モデル・アプリケーション・デバイスが替わる際に何が継続すべきか、そしてそれをどう測定するか。

  1. Of Identity and Diversity1694John Locke · An Essay Concerning Human Understanding, Book II, Chapter XXVII (added in the second edition)全文
  2. Of Personal Identity1739David Hume · A Treatise of Human Nature, Book I, Part IV, Section VI全文
  3. Lessons From an App Update at Replika AI: Identity Discontinuity in Human-AI Relationships2024Julian De Freitas et al. · Harvard Business School Working Paper No. 25-018
  4. “Please, don’t kill the only model that still feels human”: Understanding the #Keep4o Backlash2026Huiqian Lai · CHI 2026

R.04 · 記憶のガバナンス

忘却・訂正・削除は、どのような仕組みに従うべきか。

追跡可能な出典、訂正可能な理解、検証可能な削除、そしてデータのポータビリティ。

  1. The seven sins of memory: Insights from psychology and cognitive neuroscience1999Daniel L. Schacter · American Psychologist 54(3), 182–203
  2. Machine Unlearning2021Lucas Bourtoule et al. · IEEE Symposium on Security and Privacy 2021
  3. MemoryBank: Enhancing Large Language Models with Long-Term Memory2024Wanjun Zhong et al. · AAAI 2024

研究手法 · METHODOLOGY

  1. 仕様のテスト化

    主要な設計上の制約を、自動検証可能なテストとして形式化する。

  2. 障害注入

    リリース前に意図的に欠陥を注入し、テストの検出能力を検証する。

  3. 公開ベンチマーク

    公開された長期記憶ベンチマークでシステムの能力を評価する。

  4. 継続性の検証

    事前に定めた基準に基づき、モデル交代前後の一貫性を比較する。