AI Library
自律的科学発見の時代
キム・ギョンジン, 弁護士
AI科学者とセルフドライビング・ラボ
AI科学者とセルフドライビング・ラボが、科学研究における主張の生成と検証をどのように変えつつあるのかを追います。文献に基づく発見、自然言語プロトコルからロボット命令への変換、マルチエージェント研究システム、閉ループ実験室、材料探索、検証ギャップ、証拠の連鎖、研究ハーネス、学術誌倫理、法的責任までを扱います。
AIライブラリ
デジタル主権の二重構造
欧州の脱パランティアとアメリカン・ビッグテックの鎖
金景珍（キム・ギョンジン）, 弁護士
欧州の情報機関と国防省が米パランティアの分析ツールを排除し始めた2026年の記録です。フランス国内治安総局とドイツ連邦憲法擁護庁、オランダ国防省の置き換え決定、米国の輸出規制が同盟国の人工知能アクセスをわずか3日で遮断した事件、CLOUD ActとFISA 702条がもたらした域外管轄の実態を扱っています。欧州連合のクラウド・AI開発法（CADA）が定めた4段階の主権保証レベルと主権理由による契約解除権、ユーロスタック構想と3,000億ユーロの投資障壁に至るまで、全5章15節と結論2節で整理しました。
[AI書房] 第11章 検索結合生成とセマンティックストア: 長期記憶の構築
Claude Code完全攻略
第3部
第11章 検索結合生成とセマンティックストア: 長期記憶の構築
金京鎮
導入
68ページの掃除機マニュアルPDFをClaude Codeに提示し、「フィルターの掃除方法を教えてください」と尋ねました。エージェントはしばらく検索を行った後、手順をテキストで提示しました。その下には、マニュアル内の分解図の画像も併せて表示されました。物理的な装置を扱う際、文章よりも図の方がはるかに明確であるという判断を、エージェント自身が下したのです。
68ページにわたる文書が、エージェントが一度に読み込む範囲にすべて収まることはできませんでしたが、どのようにして正確なページから正確な情報を見つけ出したのでしょうか。その秘密は、検索結合生成（Retrieval-Augmented Generation、検索増強生成）にあります。
検索増強生成とは何か
AIエージェントには生来の限界があります。学習データに含まれていない情報は知り得ません。自社の内部マニュアル、先週作成された議事録、今朝撮影された現場の写真 — これらのデータはモデルの訓練プロセスには存在しません。一度にすべての文書を読み込ませる方法もありますが、数十ページを超えると、モデルが処理できるトークンの上限に達してしまいます。
検索結合生成は、この問題を回避する構造です。3 つのステップで構成されています。
検索（Retrieval）— ユーザーの質問に関連する情報を外部データストアから検索します。文書全体を読むのではなく、質問に該当する断片のみを抽出します。
増強（Augmentation）— 検索された断片をエージェントのプロンプトに追加します。これにより、エージェントは以前は知らなかった情報を「直ちに読んだかのように」活用できるようになります。
生成（Generation）— 増強されたコンテキストに基づいて回答を生成します。エージェントの推論能力と外部データが結合されることで、単独では不可能なレベルの応答が得られます。
[図 11-1] 検索結合生成の 3 つのステップ：検索 → 増強 → 生成のフロー
例えるなら、開架試験のようなものです。学生（エージェント）がすべての教科書を暗記している必要はありません。試験中に必要なページを開いて参照できればよいのです。ただし、どのページを開くべきかを素早く判断する能力、そしてそのページの情報を自身の知識と結びつけて解答を構成する能力は、学生自身の役割です。
検索結合生成において、「どのページを開くか」を決定する技術が、まさに埋め込み（Embedding）です。
埋め込みの概念
埋め込みとは、テキストを数値ベクトル（Vector）に変換するプロセスです。「ベクトル」という言葉は数学的に聞こえるかもしれませんが、核心はシンプルです。文の意味を数値のリストとして表現するのです。
「コーヒーを一杯飲みたい」という文と「カフェラテを注文したい」という文は、使われている単語は異なります。しかし、意味は似ています。埋め込みモデル（Embedding Model）は、この二つの文を似たような数値ベクトルに変換します。一方、「今日の株式市場は下落した」という文は、全く異なるベクトルに変換されます。意味が異なるためです。
これらのベクトルを多次元空間に配置すると、意味が類似する文同士は近くに集まり、意味が異なる文同士は遠く離れます。これが意味的類似度（Semantic Similarity）に基づく検索の原理です。ユーザーが「フィルターの掃除方法」と質問すると、その質問をベクトルに変換し、事前に保存された文書断片のベクトルの中から最も近いものを探します。
キーワードが正確に一致していなくても、意味が通じれば検索されます。「ダストボックスの洗浄手順」と記載されていても、「フィルターの掃除方法」への回答として引き上げることができます。
[図 11-2] 埋め込み空間における類似文のクラスタリングの可視化
検索結合生成における埋め込みの役割を改めて整理すると以下のようになります。文書を小さな断片（チャンク、Chunk）に分割します。各断片を埋め込みモデルに通してベクトルに変換します。変換されたベクトルをデータベースに保存します。質問が入力されると、その質問もベクトルに変換します。保存されたベクトルの中から質問ベクトルと最も近いものを見つけ、エージェントに渡します。
Google Gemini のマルチモーダル埋め込みの活用
ここまではテキストに関するお話でした。しかし、現実のデータはテキストだけではありません。マニュアルには分解図があり、現場報告書には写真が添付され、教育資料には動画が含まれています。
GoogleがリリースしたGemini Embedding 2は、テキスト、画像、動画、音声をすべて同じベクトル空間に配置できるマルチモーダル埋め込みモデルです。
このモデルがもたらす変化を、具体的な事例で見ていきましょう。
掃除機マニュアルの事例 — 68ページのPDF全体を埋め込みます。テキストの断片だけでなく、ダイアグラムの画像もベクトルに変換されます。「フィルターの掃除方法」を質問すると、テキストの説明とともに該当するダイアグラムの画像が返されます。テキストだけでは把握しにくい部品の位置を画像で確認できます。
屋根修理業者の事例 — 過去の施工写真13枚を埋め込みます。各写真には、費用、所要期間、投入人員などのメタデータが紐付けられています。新しい屋根の写真をアップロードすると、類似する過去の施工事例5件が類似度スコアとともに返されます。見積もりの参考資料として活用できます。
[図 11-3] マルチモーダル埋め込み空間：テキスト、画像、動画が意味に基づいて配置された 2 次元視覚化
マルチモーダル埋め込みの真価は、異なる種類のデータが同じ空間に共存する点にあります。笑顔のポテトの写真は「食事」カテゴリに、ギターを弾く犬の動画は「エンターテインメント」カテゴリに、Claude Code の使用動画は「技術」カテゴリにそれぞれ配置されます。データの種類が異なっても、AI が意味を把握して正しい位置に配置します。すべてのデータが屋根の写真であれば、水害被害・老朽化・構造上の欠陥といった詳細カテゴリに自動的に分類されます。
現在の基準では、動画は 120 秒以内の MP4 または MOV ファイルをサポートしており、画像は 1 回のリクエストあたり最大 6 枚の PNG または JPEG を処理できます。オーディオもサポートされており、オーディオの場合は正確な説明メタデータを併せて提供することで検索精度が向上します。
Pinecone 意味ベースデータストレージ連携の実習
埋め込まれたベクトルはどこかに保存し、検索できる必要があります。その保存先が意味ベースデータストレージ（ベクトルデータベース）であり、Pinecone は最も広く使われている意味ベースデータストレージサービスのひとつです。
実習の全体の流れは以下の通りです。
1段階目：環境の準備
VS Codeで新しいフォルダを作成し、Claude Codeを開きます。Plan Modeに切り替えた後、エージェントに次のように指示します。
エージェントはプロジェクト構造を設計し、依存関係の一覧を整理して、段階的な計画を提示します。
3つのAPIキーが必要です。Pineconeはベクトルストアへのアクセス用、Geminiは埋め込みモデルの呼び出し用、OpenRouterはチャットモデル（回答生成用）として使用されます。Pineconeは無料のスタータープランから始められ、Gemini APIキーはGoogle AI Studioで取得でき、OpenRouterは複数のモデルを1つのAPIでアクセス可能にするサービスです。
2 段階：データ埋め込み
.env ファイルに 3 つのキーを入力して保存します。data フォルダには埋め込み対象のファイルを配置します。テキストファイル、画像、動画を混ぜて入れても構いません。エージェントに「データが準備できましたので、Pinecone に格納してください」と伝えると、エージェントが Pinecone 上にインデックスを生成し、各ファイルを埋め込んで保存します。
この過程でエージェントが行うのは、各ファイルのタイプを自動的に認識し、適切な埋め込み手法を適用することです。テキストはチャンクに分割して埋め込み、画像は視覚的な意味をベクトルに変換し、動画はフレームとオーディオを分析してベクトルに変換します。
[図 11-4] 実習パイプライン：元ファイル → 埋め込みモデル → Pinecone インデックス
3 段階：チャットインターフェースの構築
エージェントに「私のコンピュータで検証可能なチャットWebアプリを作成してください」と依頼します。エージェントはWebアプリケーションを構築し、ローカルホストで実行します。ブラウザで質問を入力すると、Pineconeから関連ベクトルを検索し、その結果に基づいて回答を生成します。
実際の検証で「ワークフロークライアントをどのように確保すればよいですか」と尋ねると、テキストファイルから関連内容を探して回答します。「ゴールデンレトリバーの動画を見せてください」と依頼すると、該当動画のメタデータを探し、インラインで動画を再生します。
ステップ4：反復改善
最初の結果が完璧でない場合があります。画像が返されない、動画の説明が不十分なことがあります。この場合、エージェントに問題を説明すると、メタデータを補強したりアプリを修正したりします。「動画により良い説明を付けて再度埋め込み直してください」と依頼すると、既存ベクトルを削除し、改善されたメタデータとともに新規保存します。
この一連のプロセスは30分以内で完了します。n8nのようなノーコードツールで同様のマルチモーダルベクトルストアを構築するには、数時間から数日かかる作業です。チャンキング戦略の設計、画像のキャプチャと保存方法の設定、検索結果のフォーマット化をすべて手動で構成する必要があるためです。Claude Codeは、これらのすべてを自然言語の指示のみで処理します。
検索結合生成がエージェントのワークフローにもたらす変化
検索結合生成を備えていないエージェントは、自身が学習した範囲内での回答しかできません。一度に読み込む範囲に含まれる情報しか参照せず、その外の世界は存在しないものとして扱われます。
検索結合生成を装備したエージェントは異なります。会社の68ページにわたるマニュアルを読むことも、数百枚の時代写真アーカイブを検索することも可能です。先月の会議録から特定の決定の文脈を見出すこともできます。エージェントの知識範囲は学習データの境界を超え、組織が保有するすべてのデータへと拡張されます。
エージェントのワークフローにおいて、検索結合生成は複数のシナリオで活用されます。
カスタマーサポートの自動化 — 製品マニュアルとFAQを埋め込み、顧客の質問に対して正確なページと画像を参照した回答を生成します。「以前に類似の問い合わせはありましたか？」という質問に対し、過去のチケット記録を検索して回答することも可能です。
内部知識管理 — チームのプロジェクト文書、意思決定ログ、ブランドガイドラインを埋め込みます。新規メンバーが「当社のロゴ使用規則は何ですか？」と尋ねれば、ブランドガイドラインから該当セクションを検索して回答します。
研究補助 — 論文、報告書、市場調査資料を埋め込みます。「この分野の最近の動向は何ですか？」と尋ねれば、関連資料を検索して要約を生成します。元出典と信頼度スコアを併せて提供するため、事実確認が可能です。
[図 11-5] 検索結合生成適用前後のエージェント知識範囲比較ダイアグラム
ここで重要なのは、専門性（Subject Matter Expertise）の役割です。検索結合生成パイプラインを構築する技術的能力よりも、どのようなデータをどのように記述するかが結果の品質を左右します。屋根修理の事例で見たように、写真に付与されるメタデータが貧弱であれば、検索結果も貧弱になります。
「この写真は 10 年前のアスファルトシングル屋根の雹被害事例であり、修理費用は 450 万円、所要期間は 3 日である」という説明を付した写真と、「屋根写真」とだけタグ付けされた写真では、検索の有用性は次元が異なります。
技術の実装能力の価値は低下しています。n8nで数日かかっていたパイプラインを、Claude Code は 30 分で構築する様子を目撃しました。JSON 本文の構成や HTTP リクエストの設定といった技術的な詳細は、エージェントが処理します。一方、プロセスを明確に説明する能力、データの意義を正確に記述する能力、隙間を発見して明示的に指摘する能力は、依然として人間の領域です。
エージェントに長期記憶を与えることは、データベースを接続する作業でした。では、エージェントに反復して実行できる熟練した技術を与える方法を見ていきましょう。一度教えれば、いつでも同じ品質で実行できる、再利用可能な行動様式です。
