hippocampal memory indexing theory: 想起は再生ではなく再構成である

[!NOTE] TL;DR: hippocampal memory indexing theory が主張するのは、海馬が思い出の内容を保存せず、what / where / when を束ねる圧縮された疎なインデックスだけを保持するということだ。想起は readout ではなく、新皮質の生成ネットワークによる decompression である。2026年までの文献と、私自身の precuneus の fMRI 実験、そして HippoRAG の数値から、AI の記憶設計への含意までを整理する。

スマートフォンに3週間、画像を送り続けた話

被験者のスマートフォンに、毎日物体の画像を送り続けた時期がある。送信は3週間に及んだ(実のところ、先に飽きたのは私のほうだった)。被験者は自分の街でその画像を受け取り、眺めるだけ。数週間後、fMRI の中で「これ、どこで見た?」と尋ねると、正確な場所と時刻を答えられた者は少数だった。それにもかかわらず「鮮明に思い出せる」という主観的报告は消えなかった。

正確さと主観がずれる。このずれの解明に私は丸3年を費やし(Foudil, Plèche & Macaluso 2021、doi.org/10.1038/s41598-021-93960-9)、後にこの現象が hippocampal memory indexing theory の予測と重なることに気づいた。母にはいまだに研究内容を説明できていない。

単一の問い

私の問いは単純だ。想起は、どこかに保存された記録の読み出しか、それとも毎回つくられる再構成か。 H.M. の症例以降、海馬が新しい陳述記憶の形成に必須であることは確立している。しかし「必須である」と「保管庫である」は別の命題だ。海馬を手放した古い記憶が残る事実は、少なくとも保管庫の単純版を否定する。索引の理論はまさにここから始まる。

圧縮された足場としての海馬

初めにインデックスありき、である。表象は後からやってくる。Teyler と DiScenna が1986年に提案し、Teyler と Rudy が2007年に更新した hippocampal memory indexing theory の核心はこうだ。海馬は neocortical modules に分散する what / where / when の表象を指す、疎な結合トレースを保持する。内容そのものは新皮質にある。

図書館のカード目録が役に立つ。目録カードは本の本文を1文字も含まないが、棚の位置と請求記号を知っている。海馬のカードはさらに貧相で、複数の書架にまたがる結合だけを書き留める。そして取り出しの瞬間、本当の仕事をするのはカードではなく、本を組み立て直す書架の側だ。pattern completion は連合照合ではなく生成である。 最近の再検討(Cengiz & Güleç Süyen 2025、preprint)はこの機構を key-value アーキテクチャとして読み直している。鍵が記憶の住所を制御し、価値が新皮質に宿る。

flowchart LR
    A[体験<br>what / where / when] -->|圧縮| H[海馬インデックス<br>疎な結合トレース]
    H -->|検索キュー| G[新皮質の生成ネットワーク<br>パラメトリックな一般知識]
    G -->|pattern completion = decompression| R[再構成されたエピソード<br>主観的に「思い出した」]
    R -.->|スキーマの更新| G
    H -.->|replay による訓練| G

複数の粒度と、退場しない海馬

古い記憶ほど gist になって失われる、と誰もが想像する。2026年の証拠はその半分だけを認める。Tarder-Stoll、Sekeres、Levine、Moscovitch による Physiological Reviews の総説(2026年、106巻2号、841-889ページ)は、異なる粒度の表象が同時にトレースへエンコードされ、取り出し時の相対的重みが再生か再構成かを決めると論じる。記憶の変質は消失ではなく、重みの再配分なのだ。Ranganath と Ritchey(Annual Review of Psychology、2026年10月掲載)はこれを2つのモードへ整理した。schema に基づく推論を駆動する generative mode と、文脈の錨へ記憶を縛る contextual mode、どちらも動的な cortico-hippocampal 相互作用から生じる。

もう一つ、直観への反論がある。systems consolidation の標準理論は、海馬から新皮質への一方通行を予測する。Horner(Trends in Cognitive Sciences、2025年11月)の3次元 state space は、海馬由来と非海馬由来の再活性化への貢献が独立かつ加算的で、記憶はこの空間内の任意の点へ移動できると論じる。理論が一方通行の道を描く間に、証拠はどこでも歩ける地図を描いている。海馬は退場しない。

想起は decompression である

この素材を計算モデルに寄せ集めた仕事が、Spens と Burgess(Nature Communications、2026年、17巻、論文7971)だ。彼らのモデルでは、圧縮された海馬トレースが replay で新皮質の生成ネットワークを訓練し、想起はトレースの decompression として実行される。圧縮ファイルの比喩がそのまま当てはまる。zip は解凍器なしには無意味であり、海馬のトレースも生成器という解凍器を失えばノイズへ戻る。著者ら自身がこれを compression と consolidation を備えた RAG と表現している点に、私は注目したい。

方向は逆も走る。Kolibius、Josselyn、Hanslmayr(Trends in Cognitive Sciences、2025年)は、重なり合う経験を通じて index neuron の一部が concept neuron へ変化すると論じた。Albesa-González と Clopath(preprint、2025年)の回路モデルでは、意味知識がエピソードの符号化を逆方向から足場支えする。さらに Theves(同誌、2026年)は、索引づけが新規の皮質状態を生み出す可能性を前面に出す。つまり想像と抽象は、想起と同じ機構の別の実行であるかもしれない。

主観の座る場所

ここで自分の実験に戻る。2020年の映画課題(Foudil, Kwok & Macaluso、Journal of Neuroscience)では、被験者が同じ物語の出来事の時間順序を再生した。文脈条件が変わると precuneus の活動が変調し、同じ領域には文脈非依存の線形な時間距離の表象も共存していた。私の解釈では、precuneus は状況知識構造の中を探索する再構成機構を担う。

2024年の実験では、被験者は45分かけて仮想都市を探索し、翌日にスキャナの中で記憶を検査した。有効結合の解析が示したのは、precuneus が medial temporal cortex へ及ぼす影響こそが、記憶の主観的質を媒介するということだ(Foudil & Macaluso 2024)。含意は明快である。再構成ネットワークは海馬に閉じない。medial parietal cortex は生成側の構成員であり、想起は領域間の創発的な相互作用であって、どこかの巻物の読み下しではない。

工学への翻訳、そして境界線

AI 側で最も直截な翻訳は HippoRAG(NeurIPS 2024)だ。LLM で corpus を schemaless な知識グラフへ変換し、Personalized PageRank で探索する。multi-hop QA では最大約20ポイントの改善を示し、オンライン検索は反復手法に比べて10-30倍安く、6-13倍速い。全サポート文書を1回の検索で引き当てた質問の割合(AR@5)は、2WikiMultiHopQA で37.1%から75.7%へ跳ね上がる。

{
  "type": "bar",
  "data": {
    "labels": ["MuSiQue", "2WikiMultiHopQA", "HotpotQA", "平均"],
    "datasets": [
      { "label": "ColBERTv2", "data": [16.1, 37.1, 59.0, 37.4], "backgroundColor": ["#94a3b8"] },
      { "label": "HippoRAG", "data": [22.4, 75.7, 57.9, 52.0], "backgroundColor": ["#3b82f6"] }
    ]
  },
  "options": {
    "responsive": true,
    "plugins": { "title": { "display": true, "text": "全サポート文書を1回の検索で取得できた質問の割合 AR@5 (%)。出典: HippoRAG, NeurIPS 2024, Table 6" } },
    "scales": { "y": { "title": { "display": true, "text": "AR@5 (%)" } } }
  }
}

ただし公平に記す。HotpotQA では ColBERTv2 の59.0%に対して57.9%と、むしろ1ポイント悪い。知識統合の要求が低いベンチマークでは索引づけの恩恵が薄まる、というのが著者ら自身の分析だ。この負の結果を公表している点に、私は好感を持つ。

対応を表にまとめるとこうなる。

最後に、幻覚について。索引の語彙で言えば、幻覚は false pattern completion、つまり手がかりが誤った basin へ吸引される現象だ。問題は、生成器が残業を拒まないことにある。インデックスが緩ければ、空白を別の記憶で埋める。索引と生成の二重構成(explicit memory と parametric memory)を意図的に設計するかどうかは、エージェントの記憶設計の分かれ目になる。なお、逐語の保持を要求する content-addressable memory の問題は、インデックスでは解けない。これは分業である。pattern separation については、以前に別稿で詳しく書いた。

限界と、まだ試せていないこと

正直に限界を挙げたい。主なものは3つある。1) 私の fMRI 実験は相関的研究であり、被験者は数十名規模で、有効結合は因果の証明ではない。2) Horner 自身が明記するとおり、state space は機構の説明ではなく探索のための枠組みであり、Albesa-González & Clopath と Cengiz & Güleç Süyen は査読前の preprint である。3) RAG との対応には、replay を fine-tuning と同一視する部分など、アナロジーの強い箇所が残る。

HippoRAG の評価も静的な QA ベンチマークに限られ、継続的な記憶更新は問われていない。これは比較的簡単にテストできる。圧縮トレースから replay で生成器を更新するエージェント記憶を実装し、幻覚率を時間軸に沿って測定すればよいのだ。再構成の理論が設計指針として本当に役立つのかどうかは、その実験が最初の検証になるだろう。

より一般的に

より一般的に言えば、記憶システムの設計とは貯蔵の設計ではなく、再構成条件の設計である。保存は量の問題を扱い、再構成は質の問題を扱う。学習し続けながら自己を保たなければならないシステムは、エージェントであれ、そのうち海馬が何億年も前から抱えてきた同じ問題に到達する。私自身は、その問題の構造を fMRI の画面の向こうで3年間眺めていただけだ。だからこそ、AI 側の実装が楽しみでもある。この構造を自分のシステムに落とし込みたい場合は、SAMALGO の /services/ で相談できる。構想段階から関与するのが、いちばん面白い。