AIエージェントは、知識を事前学習に依存しがちですが、実際の業務や未知の環境では 「その場で学び、適応する力」 が求められます。
本記事では、NeurIPS 2024 に採択された論文「Mars: Situated Inductive Reasoning in an Open-World Environment」を取り上げ、AIエージェントにおけるメモリ設計の考え方を検討します。
Marsの提案 ― 経験を「ルール」と「スキル」に変換する
論文では、環境Marsを提案し、AIエージェントの手法として、Skill LibraryとInduction from Reflection（IfR）でルール抽出＆活用を実施しています。その際、単に経験を記憶するのではなく、「抽象化」して再利用することに注目しています。
ルール（世界モデル）：経験から導かれる一般的な因果関係
スキル（成功パターン）：ゴール達成に有効だった手順
AIは「経験 → 抽象化 → 応用 → 失敗から修正 → 知識化」という学習サイクルを繰り返し、未知の状況でも柔軟に推論できるようになります。
Marsの学習サイクル
Marsが示すプロセスを例を交えて整理すると、次のようになります。
1. 経験の蓄積（生データ収集）
行動と結果を履歴に保存。
例：「石を掘った → ダイヤが出た」
2. 帰納（一般ルールの発見）
複数の経験から一般ルールを導出
例：「石を掘るとダイヤが得られる」
3. 計画（ゴールを分解して行動順序化）
ゴールを細かい手順に分け、ルールを組み込んで行動順序を作成
例：「木のつるはしを作る」→「木を集める」「石を集める」「作業台を作る」
4. 実行（行動とスキル化）
サブゴールごとにアクションを選択し、成功した手順は「スキル」として保存
5. 失敗 → 反省（失敗から仮説生成）
失敗時に「なぜか」を推論し、新しい仮説ルールを生成
例：「木を集められなかった → 斧が必要かもしれない」
6. 知識更新（スキルライブラリの成長）
成功したスキルも、失敗を修正した新ルールも蓄積し、次回以降に活用。
このサイクルにより、AIは「その場で学び直す」ことが可能になります。
業務用AIエージェントへの応用
Marsの枠組みは、ゲームやロボットだけでなく業務AIにも応用可能だと考えられます。
カスタマーサポートのチャットボットの例を元に考えてみます。
LLMは事前学習したデータに依存しており、特定の業務知識や暗黙知の理解には限界があります。本論文で提案された「経験から一般的なルールやスキルを抽出する仕組み」を活用すれば、業務有識者の頭の中にしかない暗黙知を形式知化し、再利用可能な知識として蓄積できると考えられます。
カスタマーサポートのチャットボットの例を元に考えてみます。
ルール抽出：対話ログから「暗黙知」を抽出し、FAQにないパターンを知識化
例：「商品Xは保証対象外」という繰り返し出てくる会話をルールに変換
スキル蓄積：成功した対応事例を「スキル」として再利用
例：クレーム対応で顧客満足度が高かった手順をベクトル検索で呼び出す
継続的更新：失敗対応も学習に反映し、次は改善された対応を提示
プロンプト例：
あなたはカスタマーサポートの知識管理AIです。与えられた対話ログから、既存FAQには記載されていないが顧客対応で繰り返し現れる「暗黙知パターン」を抽出し、知識化してください。出力は以下の形式で整理してください。1. 観察された顧客の質問・ニーズ（原文を要約）2. 背景にある共通ルール（抽象化）3. 対応に成功した手順（スキル化）4. 新規FAQ候補（顧客向けに書き換えたもの）
【既存FAQ】 {{faq_data}}【対話ログ】{{dialogue_log}}
こうすることで、単なる「過去ログ検索型のチャットボット」から、自律的に成長するアシスタントへ進化できます。
なお、一般的にRAGは、外部知識ベースから情報を検索して回答します。一方Marsは、内部に「世界モデル＋スキルライブラリ」を作り上げ、自己拡張的に学習する点が異なります。
RAG：必要な知識を外部から借りてくる。
Mars：経験を抽象化して内部に積み上げる。
おわりに
「Mars: Situated Inductive Reasoning in an Open-World Environment」は、環境との相互作用を通じてルールとスキルを記憶に蓄積するエージェント設計を示しました。
この「ルール＝世界モデル、スキル＝成功パターン」という枠組みは、業務シナリオにおいても暗黙知を形式知化し、成功知を再利用するメモリ設計として応用可能と考えます。
なお、Marsという手法は、以下の書籍の9章で知りました。評判通り素晴らしい書籍でした。
なお、Marsという手法は、以下の書籍の9章で知りました。評判通り素晴らしい書籍でした。
