Perplexity、AI自律学習Brain発表

Perplexityは、AIエージェントの性能向上と自己改善を目的とした新しいワークメモリシステム「Brain」を発表しました。エージェント自身のPC操作タスクなどの成功・失敗パターンをコンテキストグラフとして蓄積・学習し、正答率の25%向上と処理コストの13%削減を達成しています。

1. エージェント指向へのメモリ転換

従来のAIメモリはユーザーの趣味嗜好を覚えることにフォーカスしていましたが、「Brain」はエージェント自身がPCを操作するツールを使って行った業務の作業履歴（Work Memory）を記録し、どの手順が成功し、どう修正されたかを記録する自己改善システムです。

2. 「LLM wiki」によるコンテキストグラフ構築

エージェントが実行したセッションログや外部システム接続結果、ユーザーからのフィードバックなどのデータを蓄積し、夜間に自動で情報を整理・更新する「LLM wiki」を構築します。このWiki形式のコンテキストグラフは、次回の実行時に自動で読み込まれ、過去の経験を踏まえた効率的な推論を実行します。再挑戦時の回答の正確性が25%向上、再現率が16%向上し、APIやトークンの無駄な消費を最適化することで処理コストを13%削減しました。

AIエージェントが実用性を備えるには、毎回最初から指示を出し直す実行から脱却し、前回の失敗や成功から学ぶ仕組みが必要です。Perplexityの「Brain」は自律的な経験学習をシステム化するものであり、長期的な業務フロー実行において重要な役割を果たします。現在、本機能は「Max」および「Enterprise Max」ユーザー向けに先行提供されています。