エピソード記憶

neuroscienceaicognitive-science

「いつ・どこで・何を経験したか」の記憶。海馬が書き込みを担い、大脳皮質に長期保存される。LLM には原理的に存在せず、RAG やベクトル DB はこの代替技術にあたる。

海馬系の構造

領域機能
海馬 (hippocampus)新しい経験を長期記憶に符号化 (encoding)。再生 (retrieval) のインデックス
嗅内皮質 (entorhinal cortex)海馬への入力ゲート。空間と時間の格子表現 (grid cells)
歯状回 (dentate gyrus)パターン分離 — 似た記憶を区別して干渉を防ぐ
CA3パターン補完 — 部分的な手がかりから全体を復元
flowchart TB
    Exp["経験"] --> EC["嗅内皮質<br/>入力ゲート"]
    EC --> DG["歯状回<br/>パターン分離"]
    DG --> CA3["CA3<br/>パターン補完"]
    CA3 --> CA1["CA1<br/>出力"]
    CA1 --> Cortex["大脳皮質<br/>長期保存"]
    Cortex -->|"再生時"| CA3

記憶の固定化 (consolidation)

海馬は一時的なバッファであり、睡眠中のリプレイ（sharp-wave ripple）を通じて記憶を大脳皮質に移す。この過程が記憶の固定化。

LLM との対応

海馬の機能LLM代替技術ギャップ
経験の書き込み事前学習で凍結。推論時の「体験」は残らないRAG、長期メモリ外部ストレージへの明示的な書き込み。自動的な符号化ではない
パターン分離なしベクトル DB の距離計算似た記憶の干渉に弱い。embedding 空間での分離精度に依存
パターン補完in-context learning で部分的にfew-shot prompting手がかりからの想起ではなく、パターンマッチング
固定化なしfine-tuning推論中にリアルタイムで進行しない。事後的な別プロセス

なぜ RAG は海馬の代替として不完全か

  1. 受動的取得: RAG は明示的なクエリで検索する。海馬は文脈に応じて自動的に関連記憶を活性化する
  2. 符号化の不在: RAG のデータは事前に構造化して格納する必要がある。海馬は経験をそのまま書き込む
  3. 感情による重み付け: 海馬は扁桃体と連携し、感情的に重要な記憶を優先的に固定化する。RAG にはこの機構がない
  4. 時間的文脈: エピソード記憶は「いつ」の情報を持つ。ベクトル DB は意味的類似度のみ

関連

Graph

Backlinks