はじめに

近年，AI技術の進化により，個人の生活や仕事をサポートする新しいツールが続々と登場しています．その中でも，「Second Me」は，個人の記憶や思考を学習し，ユーザーの分身として機能するAIアシスタントとして注目を集めています．本記事では，「Second Me」の概要と，実際に使用してみた体験を共有します．

Second Meとは

「Second Me」は，ユーザー自身の記憶や思考パターンを学習し，個人の代理として機能するAIアバターを作成できるオープンソースプロジェクトです．ローカル環境で動作するため，個人データのプライバシーを保護しながら，ユーザーの知識や経験を反映したパーソナライズされたAIを育成できます．

主な特徴として，以下が挙げられます．

階層型メモリーモデル（HMM）：短期的なインタラクションから長期的な認知メモリーまで，三層のメモリ構造を持ち，ユーザーのパターンを迅速に認識し，適応・進化します．
Meアライメント：強化学習技術を基に，ユーザーのデータを深く個別化された理解に変換します．
完全なプライバシー：ローカル環境で動作し，個人データの完全な制御をユーザーに提供します．
Second Meプロトコル（SMP）：独立したAIエンティティが相互に学習し進化する分散型AIフレームワークで，各「自己」は完全な独立性を保ちながら，安全に他のエンティティと通信します．

お題

今回は，Second Meを用いて，「Second Me」を作成し，その有用性を検証します．

結果

「Second Me」をセットアップは用意でdocker composeで起動すれば動作しました(dockerで動作させる場合，動きは少し遅い)．自分の業務に関して問い合わせると，先週やったことなどを適切に回答してくれました．

セットアップ

私が普段やっている業務内容をテキスト形式でインプットします．また，QwenというモデルをローカルにダウンロードしてそこでFine-tuningを行ないます．embeddingにはOpen AIのEmbeddingモデルをAPI経由で利用します．

記憶の作り方

Memoriesをするにあたり，インプットとして与えたドキュメントを，LLMを用いて整理していきます．この過程では，想定質問を作成し，Q&Aのセットを作成したり，Graphragを用いて，ドキュメントからナレッジグラフを作成して，ドキュメントから得られる情報を上手く整理しています．

(Q&Aを作成中)

(内部で作成したGraph．可視化してみると以下のようになっていました．GraphragやGraphについてはこちらに有益な記事があります．)

(Training完了．大したドキュメントではないにも関わらず，およそ1時間かかりました．)

チャットで自身の業務内容を確認してみる

「私の業務内容はなにか？」尋ねたところ，それなりに回答されました．Fine-tuningされたモデルと作成したMemoriesを元に回答しているようです．

所感

「Second Me」を実際に使用してみて，以下の点が特に優れていると感じました．

パーソナライズ性：自分の行動や思考パターンを学習するため，一般的なタスク管理ツールよりも柔軟で適切なサポートを提供してくれます．
プライバシー保護：ローカル環境で動作するため，個人情報が外部に漏れる心配がなく，安心して使用できます．
進化するAI：使用すればするほど，AIが自分の特性を理解し，より適切なサポートを提供するようになります．

私の認識としては，この個人の特徴を記憶させる機構がSecond Meの肝であると理解しています(論文のタイトルもAI-native Memory 2.0: Second Meとなっているので)．アプリケーションも準備されており，この記憶の作成をUI上で簡単に実現できることが素晴らしいと感じました．ネットワーク上で他のユーザーとコミュニケーションを取ることができるなど，できることが拡張されており，さらなる発展が期待できます．

まとめ

「Second Me」は，個人の記憶や思考を学習し，ユーザーの分身として機能する革新的なAIアシスタントです．プライバシーを重視しながら，パーソナライズされたサポートを提供する点で非常に魅力的です．今後，さらなる機能拡張やユーザビリティの向上が期待されますので，引き続きウォッチします．
Githubのスター数も着実に伸びており，MCPとの連携によってますます注目が浴びると思われます．

参考

Second Me Paper
Second Me github