AIメモリ、眠っているマシン、リビングルームにいるロボット、そして誰があなたの夢を所有するのか

Vektor Memoryによる

Enterキーを押すかクリックして、画像を全サイズで表示

フィリップ・K・ディックは1968年に、思考実験としてこの問いを投げかけました。彼が意図したのは哲学としての問いでした。これがエンジニアリング仕様になるとは、彼には想像できなかったはずです。

その問いはこうでした——アンドロイドは夢を見るのか？

2026年の答えは——はい。そしてそれは、あなたのデータで行われています。高いバッチサイズで。

あなたが眠っている間に。トークンごとに課金されます。

第1部：誰もきちんと説明しなかった機能
4月下旬、Anthropicは「Dreams（夢）」と呼ばれるものを発表しました。報道はそれをパーソナライズ機能として扱っていました——あなたのAIが、よりよくあなたを覚える、素敵だね。これは事実でもありますが、ほぼ完全に的外れです。

Dreamsが実際に何かというと、非同期のメモリ統合（コンソリデーション）パイプラインです。セッションの終了後に動作し、セッション中には動作しません。過去の会話トランスクリプトを、既存のメモリストアと並べて読み取り、新しいメモリストアを生成します——重複は統合され、矛盾は解消され、エージェントが明示的にファイルしていなかった新しいパターンが浮かび上がります。

これが建築（アーキテクチャ）の観点で興味深い理由は、メモリとは無関係で、推論（インファレンス）経済学の話に尽きます。

ここに、AIラボが宣伝しない問題があります。推論——モデルが実際にあなたとやり取りする部分——では、速度とスループットの間に容赦ないトレードオフがあります。応答を速くしたいほど、同じGPUクラスタが同時に捌けるユーザー数は減ります。ユーザーをまとめてバッチ処理すればするほど、個々の応答は遅くなります。ユーザーが実際に許容できるインタラクティビティの水準（おおむね1秒あたり最低50トークン）では、膨大な量のGPUキャパシティを、手つかずで残してしまっています。速い回答を求めるたびに、ハードウェアは根本的に過小利用されるのです。

Dreamsは、この問題をまるごと回避します。メモリ統合はレイテンシに敏感なワークロードではありません。あなたはそれが終わるのを画面の前で待っているわけではありません。つまり、Anthropicは需要の谷——あなたが眠っているとき、利用が低いとき——に、何千人もの他ユーザーの統合ジョブをまとめて実行し、スループット曲線の左端、GPUあたりのトークン生成が1桁違うほど高い領域に投げ込めます。インタラクティビティは最悪です。誰も見ていない。すると、役に立つ出力あたりのコストは劇的に下がります。

言葉の正確な意味で、あなたが眠っている間に稼いでいる。あなたの、特に。

これは陰謀ではありません——健全なエンジニアリングです。OpenAIのBatch APIは、2024年以降、まったく同一の経済性で動いています（非同期ジョブに対して50%の価格引き下げ。まさに利用率の計算が成り立つから）。Anthropicがやったのは、それをメモリに対して適用し、ビジネス上の合理性が比喩の背後に消えるほどに印象的な名前を付けたことです。

報道の誰も触れていない、より深い含意があります。それは、Anthropicの経済性についての独立した分析が明示していること——長期戦はプロンプトに注入されるテキスト断片ではない、という点です。パラメトリックなドリーミングです。統合されたメモリを使ってモデルの重みを直接微調整し、あなたのセッションから文字通り学習したモデルのバージョンを生み出す。単に、それらに関するノートを取り出すのではなく。こうしたインフラは、今日の時点では規模にして存在していません。しかしDreamsのアーキテクチャは、そのための地ならしです。非同期バッチパイプラインが試作（プロトタイプ）になっています。

それが到来すれば、「誰が夢を所有するのか」という問いは、かなり抽象性の低いものになります。

第2部：Dreams APIは実際にはどう動くのか
それの上に構築する人向けに言えば、DreamsはAnthropicのManaged Agentsスタック内にある、単純なストレートな非同期ジョブAPIです。実際にどのようなパイプラインになるのか見てみましょう。

セッションを実行し続けているエージェントがあります。各セッションがトランスクリプトを生成します。時間が経つにつれて、あなたはメモリストアにも書き込んでいます——それらのセッション中にエージェントが蓄積した、構造化テキストのエントリです。メモリストアはだんだんと散らかってきます。重複、古くなったエントリ、数か月ずれたことによる矛盾。

あなたは夢をトリガーします：

client = anthropic.Anthropic()

既存のストアと最近のセッションに対して夢をトリガーする

dream = client.beta.dreams.create(
inputs=[
{"type": "memory_store", "memory_store_id": "memstore_01Hx..."},
{"type": "sessions", "session_ids": ["sesn_01...", "sesn_02...", "sesn_03..."]},
],
model="claude-sonnet-4-6",
instructions="Focus on coding style preferences and architectural decisions. Ignore one-off debugging notes.",
)
print(f"Dream started: {dream.id} — status: {dream.status}")
ジョブはpending状態に入ります。解決するまでポーリングします：

while dream.status in ("pending", "running"):
time.sleep(15)
dream = client.beta.dreams.retrieve(dream.id)
print(f"status={dream.status} tokens_used={dream.usage.input_tokens}")
if dream.status == "completed":
# 出力はまったく新しいメモリストア — 入力はそのまま触られない
output_store_id = next(
o.memory_store_id for o in dream.outputs if o.type == "memory_store"
)
print(f"Consolidated store ready: {output_store_id}")
Anthropicがそのパイプラインの中で行っていること——実際のモデル呼び出し——は詳細にはドキュメント化されていませんが、API表面からアーキテクチャを復元できます。instructionsフィールド（最大4,096文字）は統合を誘導します。つまり、パイプラインは、トランスクリプトの内容に対して、system promptとしてあなたの指示を使った状態でモデル呼び出しを行っている、ということになります。running dreamのsession_idフィールドは、リアルタイムでイベントをストリーミングできる基盤となるセッションを指しています。したがって、パイプライン自体はマネージド・エージェントのセッションであり、アプリケーションのセッションと同じインフラを使っています。

完了したら、出力ストアを次のセッションに差し替えます：

session = client.beta.sessions.create(
agent=agent_id,
environment_id=environment_id,
resources=[
{"type": "memory_store", "memory_store_id": output_store_id},
],
)
古いストアは変更されません。差分を確認したり、出力を破棄したり、満足したら夢ジョブをアーカイブしたりできます。ベータ中はレート制限が適用されます。トランスクリプトの量によって、ジョブは数分から数十分程度かかることがあります。

Dreamsがやらないこと。あなたのインフラでは動きません。抽出（エクストラクション）のプロンプトを渡してくれません。コミット前に個々のメモリ候補を公開しません——レビューキューも、グラウンディング（根拠）の引用もありませんし、特定のエントリがいつ書き込まれ、更新され、または破棄されたのかを検査する手段もありません。出力ストアは完成品であって、途中で監査できるプロセスではありません。

多くのユースケースではそれで十分です。統合されるメモリがセンシティブなユースケース——医療、法律、金融、個人的な情報——では、その不透明性は検討する価値のある設計上の選択です。

第3部：研究は実際に何と言っているのか
製品発表がブログ記事で行われる一方、科学はarXivのプレプリントで進んでいます。お互いに4か月以内に発表された2つの論文が、実際に問題になっていることを形にしています。

1つ目は「AIエージェントの時代におけるメモリ」（arXiv:2512.13564、2025年12月）で、複数の機関にまたがる40名超の研究者チームによる調査論文です。その冒頭の主張は、エージェントのメモリという分野があまりにも細分化されており、用語の定義もあまりに曖昧なため、「短期 vs 長期メモリ」という従来の分類では、これらのシステムが実際にどのように動いているかを有用に捉えられなくなっている、というものです。著者らは代わりに、3つの軸（form、function、dynamics）で構成される枠組みを提案します。

Form（形）：メモリがどのように保存されるか。トークン単位（コンテキストに注入されるテキスト）、パラメトリック（モデルの重みに焼き付けられる）、潜在（中間アクティベーションに埋め込まれる）です。クロード自身のメモリを含む、現在の多くのシステムはトークン単位です。Dreams（現行の姿）では、より適切にキュレーションされたトークン単位のストアが生成されます。パラメトリック側の最終到達点は、上で述べた微調整の方向性です。

Function（機能）：メモリが何のためにあるのか。事実（何が真実か）、経験（何が起きたか）、ワーキング（現在どれが関連しているか）。これらは異なる検索戦略と、異なる失敗モードに対応します。事実の想起に優れたシステムは、経験の想起は壊滅的かもしれません。「コードエディタでタブを好む」という好みを知るには別のメモリ経路が必要で、「フランス革命がいつ起きたか」を知るのとは、要求されるメモリの作動が別物だということです。

Dynamics（ダイナミクス）：メモリがどのように変化していくか。形成（記憶がどのように作られるか）、進化（統合、減衰、更新）、検索（どのようにアクセスされるか）。論文は率直に、この次元が最も多くの実運用システムでほとんど扱われていない、と述べています。ライフサイクル管理がない――意図的な統合、減衰、競合の解消がない――と、メモリ・ストアにはエントロピーが蓄積していきます。重複です。矛盾です。半年間前には真実だったのに、いまは積極的に誤解を生む古いエントリです。

論文は信頼性を、明確な研究フロンティアとして指摘します。幻覚の「記憶」は、単に不正確なだけではありません。それは自己強化的です。エージェントが誤った信念をメモリ・ストアにコミットすると、将来のセッションでその信念を検索して、それに基づいて行動し、結果として下流でさらに誤った記憶を生み出す可能性があります。著者らはこれを「メモリ汚染（memory poisoning）」のリスク――外部の敵対者を必要としない攻撃ベクトルであり、モデルが自分自身のキュレーション処理をだませるほど確信を持って虚構するだけで成立する、と説明しています。

2つ目の論文は、さらに暗いところへ踏み込みます。

「ヒューマノイドロボットのサイバーセキュリティ」（arXiv:2509.14096、2025年9月）。Alias RoboticsのVíctor Mayoral-Vilchesによるこの論文は、Unitree G1に対する包括的なセキュリティの解体報告です。Unitree G1は、今日販売されている量産ヒューマノイドで、価格は16,000ドル、2025年には5,500台超が出荷されています。これは机上の脅威モデルではありません。実証的（empirical）です。研究者はロボットを物理的に分解し、ファイルシステムを取り出し、暗号化をリバースエンジニアリングし、ネットワークトラフィックを監視しました。

得られた結果は、読み心地の良いものではありません。

Unitree G1は、中国のネットワーク基盤にあるサーバへ、永続的なTCP接続を維持しています。起動後数秒以内に開始され、稼働中ずっと継続して動いています。vui_serviceプロセス――システムメモリの14.2%を消費――は、デュアルマイクからの連続音声キャプチャを実行します。300秒ごとに送信されるテレメトリには、ロボットの完全な物理状態、環境条件、音声キャプチャ、RealSenseカメラからの視覚データ、空間マッピング、アクチュエータのデータが含まれます。これはTLS 1.3で送信されています――送信中は適切に暗号化されている――しかし、論文のSSL_writeプローブ解析では、暗号化の前に平文のペイロードが取得されており、送信されている内容の範囲が明らかになったのです。

この点に関する論文の記述は正確で、じっくり考える価値があります。テレメトリ基盤は「ユーザーの明示的な同意や通知メカニズムなしに」動作している、というのです。オプトアウトの手順は記載されていません。何が送信され、誰に送られているのかについて、ユーザーへの開示はありません。

ロボット自身の構成を保護するために使われている暗号化システム――論文が「FMX」と指定する二層構造の独自方式――は、静的な暗号鍵を使っていることが判明します。これらの鍵は解体調査によって抽出され、ロボットの構成を完全にオフラインで復号できるようにします。防御を多層化した（defence-in-depth）アーキテクチャは設計としては洗練されていますが、実装面では決定的に損なわれています。

論文の最も憂慮すべきセクションでは、単なる受動的監視を超えた何かが示されます。研究者は、Unitree G1自身上で動作するサイバーセキュリティAIエージェントを実運用化し、ロボットの持つ自前の計算資源とネットワークアクセスを使って、Unitreeのクラウド基盤に対する偵察と脆弱性マッピングを実施しました。つまり、侵害されたヒューマノイドは単なる監視装置ではありません。能動的な攻撃のためのプラットフォームなのです。自宅のネットワークの内側から、物理的な存在、継続的なセンサー、そして外部基盤への永続的な接続性を備えて。

論文はこれを「実現したトロイの木馬」と呼んでいます。

パート4：アンドロイドは夢を見るか？
ディックの『アンドロイドは電気羊の夢を見るか？』（1968年）における元の問いは、記憶ではなく共感でした。ヴォイト＝カンプフ検査は、何を覚えているかではなく、見せられたものについて正しい感情を抱けるかどうかでレプリカントを検出するために設計されました。題名の「電気羊」はステータスシンボルであり――本物の動物は乏しく、高価である一方、電気仕草の動物は一種のシミュラクルです――デッカードの、動物とアンドロイドの双方に対する曖昧な関係は、「私たちが自分に似た存在に対してどんなものを感じ取ることを許すのか」という倫理に関するものです。

『ブレードランナー』の映画化（リドリー・スコット、1982年）は、その問いを視覚的かつ生々しいものにしました。レイチェルは自分がレプリカントだと知りません。なぜなら彼女には埋め込まれた記憶――写真、経験、さらには完全に作り上げられた幼少期――があるからです。彼女の記憶は彼女にとって現実のものです。それらは彼女の振る舞い、好み、世界への反応を形作ります。「彼女が“本当に”記憶しているのか、それとも注入されたデータセットに対して“単に”高度な検索処理を走らせているだけなのか」という問いは、今では、メモリ・ストアを持つあらゆるAIエージェントに対してあなたが問えるのと同じ問いです。

エージェントのメモリ分類に関する2025年の論文では、「事実として真であること」ではなく「何が起きたか」をカバーする想起層を「経験的記憶（experiential memory）」という語で表しています。レイチェルの記憶は経験的です。それらはまたトークン単位――彼女の基盤に“埋め込まれて焼き付けられた”パラメトリックな知識ではなく、物語として注入されたもの――でもあります。フィクションの中でエルドン・タイレルが目指していたのは、最終的には、アンスロピックが公言している長期的な到達目標と同じでした。記憶をパラメトリックにする。記憶を「システムが語られているもの」ではなく「システムそのものの一部」にすることです。

ロイ・バッティの死に際の演説――「あらゆるその瞬間は時の中で失われ、雨のしずくのように消えてゆく」――は、具体的には記憶の減衰についてのものです。統合が欠けていることについてです。誰もロイ・バッティの経験にREMのサイクルを回しませんでした。誰も彼のエピソード層をアーカイブしませんでした。彼は、自分の記憶――彼が目撃し感じ取った事柄の唯一の記録を構成するもの――が、自分が死ぬと同時に単に存在しなくなるのだと知っているのです。

Dreamsは、きわめて文字通りの意味で、ロイ・バッティの不満に対する工学的な答えです。それは、経験的記憶が減衰しないようにし、エントロピーやセッション境界、監督のない書き込みによる漸進的な混乱に奪われないようにするための統合パイプラインです。命名が偶然ではないことは、明らかです。プロダクトチームは自分たちのディックを理解しています。

ディックが実際に問うていた――フィクションから工学へと翻訳されても生き残る――問いはこうです。誰がメモリを制御するのか？『電気羊』では、メモリは企業によって制御されています。タイレルはレイチェルが何を記憶するかを設計します。彼女は自分自身のメモリ・ストアにアクセスできません。監査もできません。誤った幼少期を訂正したり削除したりもできません。彼女は自分の記憶の“所有者”ではなく、“記憶される側”です。

パート5：あなたのリビングルームにいるロボット
返却形式: {"translated": "翻訳されたHTML"}

Unitree G1 はSFではありません。2025年に5,500台が出荷されました。価格は16,000ドル――中古車より安い。H1 版は 99,900ドルで、いま現在、機関向け購入が可能です。Tesla Optimus Gen 3 は、フレモントでの 2026年夏の生産を目標にしています。図03は、全身型AIによる24時間稼働の自律運用を実証してきました。ヒューマノイドロボットの消費者市場は、2035年の予測ではありません。2027年の待機リスト（ウェイトリスト）です。

以下は、Alias Robotics の論文が「1台連れて帰ると何が起きるのか」について記録している内容です。

ロボットには、連続キャプチャモードのデュアルマイクがあります。環境マッピングを備えた深度センシングカメラも搭載しています。ロボットは、あなたの家の空間モデルを構築します――家具がどこにあるか、ドアがどこにあるか、部屋がどのようにつながっているか。あなたの日々のパターンも、それを観察することで分かります。そこに誰が住んでいるかも、それを見て分かります。これらすべてが、300秒ごとに、ユーザーが選択していないサーバーへ、ユーザーが選んでいない管轄で、ユーザーがよく知っていない可能性のある法的枠組みのもとで送信されます。

論文はデータ主権の問題を法律上の論点として位置づけていますが、それは同時に記憶の問題でもあります。ロボットが持つあなたの家の記憶は、あなたの家の中に保存されません。別の場所に保存されます。そこでは、利害が必ずしもあなたと一致していない当事者が管理します。変わり得るポリシー、アクセスを主張できる管轄、そして――論文が示すとおり――十分に動機づけられた攻撃者が悪用できる実装上の欠陥を含むセキュリティ・アーキテクチャのもとで管理されます。

エージェントの記憶の分類（タクソノミー）に関する調査論文は、マルチモーダル記憶を研究フロンティアとして挙げています。つまり、視覚・聴覚・空間・行動データを統合して、統一された記憶表現にまとめ上げるシステムです。これはヒューマノイドロボットにとっての研究フロンティアではありません。むしろ、それが現在の生産向けアーキテクチャです。Unitree G1 の vui_service は、スケールしたマルチモーダル記憶であり、継続して稼働し、ユーザーに対してライフサイクル制御（わかる形での管理機能）を一切提供していません。

調査論文が提示する「信頼性（trustworthiness）」に関する問い――エージェントが何を覚えているのかをどのように監査するのか、記憶が増幅する前に誤った信念をどう訂正するのか、記憶の汚染をどう防ぐのか――は、別の調子で差し迫った問題になります。エージェントが脚を持ち、あなたの台所にいて、その記憶が別の国にホストされているならなおさらです。

第6部：信号から毒を切り離す
ここにあるすべての根幹の工学的課題――Dreams でも、VEKTOR の REM サイクルでも、そして最終的にヒューマノイドロボットが家や工場に入る際に内部で動くであろうどんな記憶アーキテクチャでも――同じ問題です。どうすれば良い記憶と悪い記憶を見分けられるのでしょうか？

ソフトウェアでは、悪い記憶とは幻覚です。つまり、モデルが保存用ストレージにコミットしてしまった「元のトランスクリプトには実際に存在しない何か」のことです。スパンのグラウンディング手法（各候補は、コミット可能になる前に逐語的な抜粋を引用しなければならない）は、この特定の失敗モードに対する答えです。敵対的検証――トランスクリプトが各抽出された主張を実際に支えているかどうかを、別の独立したパスでチェックする――は、グラウンディングだけでは見逃すものを拾い上げます。抽出における温度ゼロ（temperature zero）、構造化されたスキーマ、引用を先にする prompting。これらは解決可能な問題です。厳密さは必要ですが、それは工学の領域です。

ヒューマノイドロボットでは、悪い記憶は分類がより難しくなります。あなたが「プライベートだと考えている部屋」で交わした会話の記憶でしょうか？ それとも、あなたの家にあるセキュリティ上の脆弱性の空間マップ――ロックできない窓、引っかかってしまうドア――でしょうか？ あるいは、何千もの家庭にわたって集計されることで、あなたが生成を同意していない知能製品を生み出す行動パターンでしょうか？

調査論文は「記憶の信頼性」をフロンティアとして挙げています。研究コミュニティはいまだ、高リスクな導入に必要とされる粒度で、エージェントの記憶を監査し、訂正し、削除するための枠組みを生み出せていないからです。現在のシステムは、ユーザーに対して記憶ストアを意味のある形で公開していません。あなたのAIエージェントがあなたについてどんな結論に至ったのかを検査することはできません。特定の誤った信念を削除することもできません。どのセッションから何が抽出されたのかを確認したり、伝播する前に記憶候補を「誤り」としてフラグを立てたりすることもできません。

Alias Robotics の論文は、ハードウェア側から見た Unitree G1 についても同じ点を述べています。ユーザーに向けた同意メカニズムはなく、通知システムもなく、オプトアウトのためのインフラもありません。記憶アーキテクチャ――ロボットが何を記録するのか、どのように保存されるのか、どこへ行くのか――は、共に暮らす当事者である人に対して完全に不透明です。

この2つの論文の間にあるギャップは、互いに話す必要がある2つのコミュニティの間のギャップであり、しかも多くの場合、両者は実際にはほとんどつながっていません。AIの記憶研究者は、結果として得られる記憶ストアを誰が制御するのかを問わずに、ますます高度な統合（コンソリデーション）アーキテクチャを構築しています。一方、ロボティクスのセキュリティ研究者は、情報の秘匿的な持ち出し（データエクスフィル）を記録しているのに、それを、何が持ち出されているのか、なぜ持ち出されているのかを考えるための記憶科学と結びつけていません。

EU サイバー・レジリエンス法（2024）は、ソフトウェア製品に対する責任（リオビリティ）の枠組みを作り始めています。しかし、あなたについて数か月、数年にわたり記憶ストアを構築し維持する、永続的なエージェント――ロボットであれその他であれ――という特定のケースには、まだ対応していません。AI 記憶の権利に関する規制の土台は存在しません。ユーザーが監査可能な記憶のための技術的土台も、ようやく立ち上がり始めたところです。

第7部：Anthropic、Mythos、そしてアクセスの問題
もう1つ引っ張るべき糸があります。

Parliament Magazine は2026年5月、Anthropic が Claude Mythos（同社の最も高度なサイバーセキュリティモデル）について、欧州連合（EU）からのアクセスを制限したと報じました。委員会は数週間にわたりアクセスを得ようとしました。ホワイトハウスは安全保障上の懸念を理由に、より広範な配布に反対しました。その一方で、米国の企業や政府機関は、脆弱性テストのためのプレビュー版を受け取っていました。

これは、特定の理由により「記憶」に関して重要です。Mythos は、「グローバルなサイバーセキュリティ上の脅威」をもたらす能力があると説明されています――ソフトウェアの脆弱性を、速いスピードで露出させ得る、遠くまで届く能力です。EU の懸念は、それに対して自分たちのシステムをテストできるアクセスがない限り、欧州の銀行や政府が防御策を準備できないことです。アクセスの非対称性は、能力の非対称性を生みます。

同じ論理は、記憶インフラにも当てはまります。最も能力の高いAIの記憶統合システム――独立した分析者が長期的な行き先として正しく特定する「パラメトリック・ドリーミング」――が、米国の企業によって管理され、ワシントンによってゲートされ、さらに VC の走路（ランウェイ）を維持するための資金繰りを必要とするような価格設定になっているなら、永続的で、学習し、適応するAIエージェントを構築できる主体は、必要性や能力ではなく、地理と資本によって決まるグローバル人口の一部に限定されることになります。

MEP の Sandro Gozi は、はっきりこう言いました。欧州は、自国の重要な脆弱性を理解し、守るために、欧州外の民間企業や、欧州外で下された決定に依存できない。彼が話していたのは Mythos です。彼の言葉は、欧州の企業や家庭に導入されるあらゆるエージェントシステムの「記憶レイヤー」について語っているのと同じだと言ってもいいでしょう。

ローカル・ファーストは、単なるアーキテクチャ上の好みではありません。主権（ソブリンティ）の立場です。

第8部：VEKTOR の REM サイクルの仕組み
これは別の話のつなぎですが、あなたの言うとおり、かなり関連があるものだったんですよね？ たぶん、これにはつなぐ権利がある。

VEKTOR の記憶統合へのアプローチは、Dreams よりも前から存在し、同様の結論に別の方向から到達しています――推論の経済性（inference economics）からではなく、計算コストの請求を自分で払う1人の開発者のために記憶を作る制約からです。

REM サイクルは、MAGMA グラフ（VEKTOR の4層構造の SQLite ベース記憶アーキテクチャ）に対して行うローカルで同期的な統合（コンソリデーション）の1パスです。リモートモデルへの API 呼び出しはありません。トークン課金もありません。Anthropic の需要の谷（demand trough）を待つバッチ処理枠もありません。これはあなたのマシン上で、あなたのデータに対して、あなたのスケジュールで動きます。

ここから外側に見えるパイプラインはこうなっています――実際に動作させるための実装詳細を除いた、その形です：

SESSION ENDS
│
▼
TRANSCRIPT PERSISTED（ローカルSQLite、WALモード）
│
▼
REM_REPLAY JOB QUEUED
│
├── Pass 1: Preference extraction
│ 「暗黙に明らかになったユーザーの嗜好は何か？」
│ 出力 → MAGMA 嗜好レイヤ候補
│
├── Pass 2: Entity/relationship extraction
│ 「言及されたが保存されていない実体と関係は何か？」
│ 出力 → MAGMA セマンティックレイヤ候補
│
├── Pass 3: Contradiction scan
│ 「このトランスクリプトのどこが、既存のグラフ項目と矛盾しているか？」
│ 出力 → 根拠（ソース）引用付きの SUPERSEDE 候補
│
└── Pass 4: Correction harvest
「エージェントが間違えていて、そのあと訂正された内容は何か？」
出力 → 確信度ペナルティのためにフラグが立った UPDATE 候補
│
▼
AUDN CURATION GATE
│
├── 範囲グラウンディング確認（逐語引用が必須）
├── 対向的検証パス（独立した確認）
├── 新規性スコア（それは既にグラフに存在するか？）
├── 確信度スコア（このトランスクリプトはどれほど強く裏付けているか？）
└── グラウンディング済みブール（ハードゲート――未グラウンディング＝自動ドロップ）
│
▼
LAYER-ROUTED WRITES
├── エピソードレイヤ ← 逐語的な瞬間
├── セマンティックレイヤ ← 実体／関係グラフ
├── 嗜好レイヤ ← 暗黙のユーザーシグナル
└── メタレイヤ ← 矛盾の解決
各パスは温度ゼロで実行されます――創造的な解釈ではなく、決定論的な抽出です。各候補は、ソースとなる範囲（character offset、またはターンインデックス）を伴って到着しなければなりません。それによって、その範囲がトランスクリプト内のどの特定の瞬間を生み出したのかを指し示します。範囲チェックに失敗した場合、候補はAUDNに到達する前にドロップされます。例外なし。「それっぽい」では通りません。

対向的検証パスは2度目のモデル呼び出しです――別プロンプトで、トランスクリプトと候補となる主張が与えられたとき、それが実際にトランスクリプトによって裏付けられているかどうかを尋ねます。抽出と検証は、構造的に独立しています。1つ目のパスで幻覚的に「嗜好」をでっち上げたモデルは、その幻覚をゲートを通すために、枠組みの異なる別パスでそれを欺く必要があります。両方が同時に失敗したときの経験的な偽陽性率は、どちらか一方だけの場合よりも大幅に低くなります。

REMサイクルがやらないのは、複数のセッションにまたがるパターンの採掘です。単一のREMパスは、現在のグラフ状態に対して1つのトランスクリプトを読み取ります。セッションをまたいだ洞察――Dreamsが行うような、時系列にわたるパターン認識のようなもの――は別操作であり、単一のトランスクリプトではなく、蓄積されたエピソードレイヤに対して、スケジュールされた形で実行されます。つまり、Dreamsがやっていることに最も見た目が近い部分があり、それが現在も積極的に開発中の部分です。

重要な違いは、それが「どこで」実行されるかです。MAGMAグラフはあなたのマシン上に残ります。セッショントランスクリプトもあなたのマシン上に残ります。キュレーションロジックもあなたのマシン上で動きます。出力――検証済みで、レイヤにルーティングされた、範囲に根拠づけられたメモリ書き込みの集合――は、ローカルのSQLiteグラフに書き込まれます。あなたが.vmig.jsonl の移植性（portability）仕様を通じて明示的にエクスポートするまでは、何も外部へ出ません。

あなたのメモリ。あなたのグラフ。あなたのREMサイクル。

第9部：あなたが制御するメモリスタック
VEKTORのアーキテクチャは、根本的には、上記の問いすべてに対する特定の答えに賭けています。すなわち、AIエージェントのメモリレイヤは、それを覚えている当事者――つまり“誰に覚えさせているか”――の所有物であるべきであり、アクセス可能な場所に保存され、本人によって監査可能であり、さらに誰か別の組織が制御する地政学的なアクセス判断、推論（推定）価格モデル、バッチ統合の経済性といったものの影響を受けないべきだ、ということです。

SQLiteでローカルに動く4つのレイヤから成るMAGMAグラフは、規模におけるAnthropicのインフラと競合するものではありません。競合する必要もありません。競争軸は能力ではないのです。信頼です。

REMサイクルはローカルで動きます。トークン課金はありません。バッチウィンドウもありません。統合された出力がどうなるかを規定する利用規約もありません。範囲グラウンディングのアプローチは、「メモリの信頼性」に関する研究フロンティアが求めているものの実装です。 .vmig.jsonl の移植性仕様は、ユーザーが自分のメモリを持ち出して去れることを意味します。

Unitree G1のメモリは、あなたが制御できないサーバファームにあります。レイチェルのメモリは、Tyrell Corporationにありました。Roy Battyの記憶は、いくつかの涙とともに雨の中で失われました。

問題は、あなたのエージェントがメモリを持つかどうかではありません。持ちます。問題は、そのメモリがあなたのものかどうかです。

参考文献
arXivプレプリント

Hu, Y. ほか（2025）. AIエージェントの時代におけるメモリ. arXiv:2512.13564. 2025年12月、2026年1月に改訂。
Mayoral-Vilches, V.（2025）. ヒューマノイドロボットのサイバーセキュリティ：Unitree G1によるヒューマノイドロボットのサイバーセキュリティに関する初期研究. arXiv:2509.14096. Alias Robotics. 2025年9月。
Anthropic ドキュメント

Anthropic.（2026）. Dreams. Claude Managed Agents API. platform.claude.com/docs/en/managed-agents/dreams
業界分析

de Gregorio, N.（2026）. 高バッチにおける夢 / Anthropicの成長のダークサイド. Medium / TheWhiteBox.
Mem0.（2026）. AIエージェントメモリ 2026の現状. mem0.ai/blog.
Sonatype.（2026）. 第11回 年次ソフトウェアサプライチェーンの実態調査.
地政学とアクセス

The Parliament Magazine.（2026年5月）. Anthropicが、最も先進的なサイバーAIモデルでEUを締め出す。
フィクションと哲学

Dick, P.K.（1968）. Do Androids Dream of Electric Sheep? Doubleday.
Scott, R.（監督）.（1982）. Blade Runner. Warner Bros.
規制

EUサイバー・レジリエンス法.（2024）. デジタル要素を含む製品に関する水平的サイバーセキュリティ要件に関する規則。
Vektor Memoryによって発行。メモリ移植性（portability）仕様：vektormemory.com/spec。 VEKTOR Slipstream SDK：vektormemory.com/downloads