Perplexityが「記憶」機能を導入　モデルを切り替えても好みを引き継ぎ可能に

新しいチャットを立ち上げるたびに、食事の制限や愛用ブランド、仕事の前提条件をAIに説明し直すのは、地味にストレスのかかる作業でした。

Perplexityは11月26日、会話をまたいでユーザーの好みや重要事項を記憶するパーソナライズ機能とメモリ機能を発表しました。同社のComet AssistantをはじめとするAIアシスタントが、過去のやり取りを自動で整理し、文脈として引き継ぐようになります。

履歴を学習データにせず、専用ストアで管理する

LLMのコンテキストウィンドウは広がり続けていますが、依然として人間側が手動で前提を要約して伝える手間は残っていました。

Perplexityのアプローチは、ユーザーの履歴を単なる追加学習データとして扱うのではなく、独立したメモリ領域に構造化された好みとして安全に保存する形をとっています。

食事の好みやよく調べるキーワード、特定のブランドなどが記録され、質問の内容に応じて関連する文脈だけが直接呼び出されます。たとえばランニングシューズをおすすめしてもらう際、以前話した怪我の状況やマラソン出場の予定をアシスタントが踏まえた上で回答してくれます。

プライバシー管理も考慮されており、メモリ機能はいつでもオフにできるほか、シークレットモードでは自動的に無効化されます。データは暗号化され、モデル改善への利用を拒否する設定も用意されています。

モデルを切り替えても記憶が引き継がれる

今回の機能で特に注目すべきは、コンテキストのポータビリティです。

他の多くのプラットフォームでは、ユーザーの履歴や記憶はそのサービス独自の特定モデルに紐付いています。しかしPerplexityでは、プラットフォーム上で利用できるすべてのモデルを横断して記憶が維持されます。

複雑な分析には推論モデルを使い、ちょっとした調べ物には高速モデルを使うといったように、質問ごとにモデルを切り替えても同じ個人設定が反映されます。将来新しいモデルが登場しても、これまで育ててきたアシスタントの記憶をそのまま活用できます。

なぜ重要か

ユーザーにとって、検索型AIが一度きりの調べ物ツールから、本格的なパーソナルアシスタントへと一歩進んだ価値があります。日常的にリサーチや情報収集を行っている人なら、前提条件を繰り返し打ち込む無駄な時間を一気に削ることができます。一方で、過去の好みが固着して別の視点での検索結果が得にくくなる懸念もあるため、定期的に記憶の内容を見直す使い方が求められそうです。

業界全体から見ると、Perplexityは自社の立ち位置を巧みに活かした手を打ってきたと言えます。ChatGPTなどの単一エコシステムに記憶を閉じ込める競合に対し、モデルを問わず利用できる外部記憶層を提供することで、ユーザーをプラットフォーム側に強く引き留める仕組みを作りました。

基礎モデルの開発競争がどれだけ激化しても、ユーザーのパーソナライズ情報さえ自社レイヤーで保持していれば乗り換えを防げるため、アグリゲーターとしての非常に賢い防壁になると考えられます。