https://www.knightli.com/ja/tags/dreaming/ Recent content in Dreaming on KnightLiブログ Hugo -- gohugo.io ja Sun, 12 Apr 2026 12:41:34 +0800 https://www.knightli.com/ja/2026/04/12/openclaw-dreaming-machine-dreams-humans-lose-sleep/ Sun, 12 Apr 2026 12:41:34 +0800 https://www.knightli.com/ja/2026/04/12/openclaw-dreaming-machine-dreams-humans-lose-sleep/ <p>大規模モデルの長期記憶は常に問題でした。コンテキストが蓄積すればするほど、情報が混乱しやすくなります。知的なエージェントはすべてを覚えているように見えますが、実際には、何が重要で、何が忘れるべきかを判断することがますます困難になります。</p> <p>4 月 5 日、OpenClaw は新バージョンの実験機能「Dreaming」を開始しました。これは派手な名前ではなく、人間の睡眠プロセスを模倣する一連のバックグラウンド記憶構成メカニズムです。目標は非常に単純で、知的エージェントが目覚めた後により正確に記憶できるようにすることです。</p> <h2 id="01-睡眠アルゴリズム記憶整理を3段階に分ける">01 睡眠アルゴリズム：記憶整理を3段階に分ける </h2><p>夢を見ることは単にインデックスを作成することではなく、人間の睡眠中のさまざまな機能に対応して、記憶を 3 つの論理的な段階に編成します。</p> <p>浅い睡眠: システムは最初に最近の会話と思い出の記録をスキャンし、重複の削除と予備的なスクリーニングを実行して、候補コンテンツを生成します。この段階では、一時的な保存のみが実行され、コア メモリ ファイル <code>MEMORY.md</code> は直接変更されません。</p> <p>ディープ スリープ: システムは、ルールに従って価値の高い情報のフィルタリングを開始します。最低の評価、最低のリコール数、最低の固有クエリ数を満たす情報のみが次のステップに進みます。書き込む前に、最新のログが再度比較され、古い内容が削除されます。最後に、結果は <code>MEMORY.md</code> に追加され、ディープ スリープの概要が <code>DREAMS.md</code> に残ります。</p> <p>急速眼球運動段階 (REM): 記憶が定着した後、システムはさらに短期の行動追跡を分析し、異なる情報間の潜在的なつながりを探し、パターンの要約と反映内容を生成します。この部分は、エージェントが複雑なタスクを処理するときに全体の状況をより簡単に把握できるように、専用の REM ブロックに書き込まれます。</p> <p>マシン自体の記憶整理メカニズムに加えて、Dreaming は人間の読書により適した「夢日記」も生成します。素材がある程度溜まるとバックグラウンドサブエージェントがデフォルトモデルを呼び出して<code>DREAMS.md</code>に簡潔な記述を追加します。</p> <h2 id="02-採点の仕組み何を残し何を忘れるべきかを決める">02 採点の仕組み：何を残し、何を忘れるべきかを決める </h2><p>夢を見るための鍵は「整理する」だけではなく「ふるい分ける」ことです。 OpenClaw は、大規模なフルスケール ストレージを使用し続ける代わりに、重み付けされたスコアリング メカニズムを使用して、どの情報を長期記憶に入れる価値があるかを判断します。</p> <p>このメカニズムは主に次の 6 つの次元に注目します。</p> <ul> <li>関連性の重み (30%): 情報が検索されたときに役立つかどうかを測定します。</li> <li>頻度重み付け (24%): ある情報が繰り返し言及された回数をカウントします。</li> <li>クエリの多様性 (15%): さまざまな質問やシナリオにわたってそれが現れるかどうかを確認します。</li> <li>適時性の重み (15%): より新しい情報に高い優先度を与えます。</li> <li>統合の重み (10%): 情報が複数の日に渡って安定して表示されるかどうかを確認します。</li> <li>コンセプトの豊富さ (6%): その背後にある関連コンセプトが十分に充実しているかどうかを判断します。</li> </ul> <p>これは、システムが長期記憶にすべてを詰め込むのではなく、繰り返し表示され、問題を解決し、時代を超えた情報を保持することを優先することを意味します。</p> <h2 id="03-なぜクロードの夢の考えを人々に思い出させるのでしょうか">03 なぜクロードの「夢」の考えを人々に思い出させるのでしょうか? </h2><p>一部の開発者は、OpenClaw の Dreaming アップグレードの背後にあるアイデアが、Claude Code の漏洩コードに登場した KAIROS 自動ドリーミング メカニズムと非常によく似ていると信じています。以前は、<code>MEMORY.md</code> 全体の読み取りと書き込みを繰り返す方法では、後の段階でメモリ システムがますます肥大化する可能性がありました。一方、Dreaming はプロセスを浅い睡眠の統合、深い睡眠の固化、REM の関連付けに分割します。ロジックは明らかにより明確で、「最初に組織化し、次に沈殿させ、次に精製する」というアイデアに近くなります。</p> <p>神経科学の観点からこのデザインを肯定する人もいます。なぜなら、夢、浅い睡眠、深い睡眠、レムの概念は単なるランダムな名前ではなく、記憶を定着させるために明らかに人間の睡眠モデルから借用したものだからです。</p> <p>OpenClaw の既存の <code>IDENTITY.md</code>、<code>USER.md</code>、<code>HEARTBEAT.md</code> はすでにエージェントの個性、ユーザー コンテキスト、実行継続性を提供していますが、<code>DREAMS.md</code> が追加するのは「どの記憶を保持するか」を指定する機能です。</p> <h2 id="04-最も皮肉なシーン-機械は夢を見ることを学ぶが人間は眠れない">04 最も皮肉なシーン: 機械は夢を見ることを学ぶが、人間は眠れない </h2><p>Dreaming の本当の価値は、AI にすべてを記憶させることではなく、短期記憶を見直し、基礎となるパターンを抽出し、ノイズをフィルターする方法を学習させることです。本当に役立つエージェントは、モバイル ハード ドライブのように丸暗記するのではなく、ユーザーの好み、目標、背景をますます理解する必要があります。</p> <p>工学的な観点から見ると、このメカニズムの最も注目すべき点は、それが神秘的ではないということです。これはブラック ボックス マジックではなく、ステージ、しきい値、反映、および忘却ルールを備えた一連のバックグラウンド プロセスです。この設計により、AI の記憶メカニズムが、単なる「コンテキストの無限のヒープ」ではなく、初めて「制御可能なシステム」のように見えます。</p> <p>しかし、それが全体を少し皮肉なものにしているのです。私たちは機械に人間のように夢を見る方法を教えるために多大なリソースを投資していますが、同時に多くの人々がこれらのますますスマート化するシステムに取って代わられるのではないかという恐怖で眠れなくなっています。</p>