あなたは今夜、眠る。そしてきっと、何かを夢で見る。
その間に脳は忙しく働いている。海馬が短期記憶を精査し、重要なものを皮質へ転送し、不要なものは静かに消去する。目が覚めたとき、昨日習ったスキルが少し滑らかになっているのはそのためだ。眠ることで、人間は賢くなる。
Anthropicは2026年5月、AIエージェントに同じメカニズムを与えようとしている。その名も「Dreaming」だ。
Dreamingとは何か——夢を見る機械のアーキテクチャ
非同期メモリキュレーションの仕組み
Dreamingは、エージェントが稼働していない「オフライン期間」に非同期で起動する。その処理は4段階だ。
- 過去セッションのトランスクリプトを読み取る(読み取り専用・変更しない)
- 繰り返しパターン・エラーパターン・収束したワークフローを抽出する
- メモリストア(ベクターDB相当)に対して追加・修正・削除を行う
- チーム横断の共有パターンも検出し、個別エージェントの視野を超えた気づきを蓄積する
開発者はこの変更を「自動適用」にすることも、「変更前にレビュー」することも選べる。完全に自律化するか、人間の監督を残すかを用途に応じて決められる設計だ。
ファインチューニング・RAGとの本質的な違い
「エージェントが自己改善する」と聞くと、多くの人はファインチューニングを思い浮かべるかもしれない。モデルのウェイトを更新して「癖」を学ばせる、あれだ。でもDreamingは全く違う。
| 手法 | 仕組み | 限界 |
|---|---|---|
| ファインチューニング | ウェイト更新 | 高コスト・破滅的忘却リスク |
| RAG | 外部知識検索 | セッションパターン学習は不可 |
| In-context memory | コンテキスト内保持 | コンテキスト長の制限 |
| Dreaming | メモリストアのキュレーション | コスト低・ウェイト不変・スケール可 |
Dreamingのコアは「ウェイトを触らずに、メモリを整理する」という発想だ。モデル本体は変えない。代わりに「次回どんな情報を参照するか」を最適化する。これは計算コストが低く、破滅的忘却のリスクもなく、スケールもしやすい。エレガントな解法だと思う。
人間の睡眠学習との驚くべき類似
ここで少し寄り道をさせてほしい。
人間の記憶固定化(Memory consolidation)では、海馬が日中に取り込んだ情報を睡眠中に「精査」する。重要なエピソードは皮質へ転送されて長期記憶になり、重要でない情報は削除される。この選別の基準は主に「感情的な強度」と「繰り返しの頻度」だ。
Dreamingの機能原理は驚くほど似ている。「繰り返しパターンの検出」「エラー(失敗経験)の抽出」「不要データの削除」——これらはほぼ同じ機能を別の語彙で表現したものだ。
決定的な違いもある。人間は感情が記憶選択に深く影響する。恐怖体験は特に強く記憶される。AIには感情がない。代わりにDreamingが使う判断基準は「成功/失敗のラベル」だ。タスクが成功したパターンは強化され、繰り返すミスは警戒タグが付く。
人間よりも客観的で、人間よりも論理的な「眠り」だ。それが良いことかどうかは、もう少し考える必要があるかもしれないが。
Outcomes + Dreaming——「目標指向×自己改善」エージェントの誕生
今回のアップデートで、Dreamingは単独では語れない。Outcomesとの組み合わせが重要だ。
Outcomesは「成功定義ルーブリックを渡す」機能だ。「このタスクが成功した状態とはこういうことだ」とエージェントに教える。すると、プロンプトループに比べてタスク成功率が+10ポイント改善する。
Dreamingと組み合わせると何が起きるか。エージェントはOutcomesで「何が成功か」を理解しながら動く。オフライン中にDreamingが「過去に何が成功し、何が失敗したか」を整理してメモリに蓄積する。次のセッションでは、成功パターンが自動的に参照される。
「目標指向で動き、経験から学ぶ」——それはもはやツールの域を超えている。エージェントが「成熟する」という概念が、言葉遊びではなくなってきた。
開発者が今日から実践できること(研究プレビュー参加方法)
Dreamingは現時点で研究プレビュー段階だ。すべての開発者がすぐに使えるわけではない。ただ、フィードバックを求めている段階であるということは、関心のある開発者が影響を与えられる段階でもある。
今すぐ実践できることは3つだ。
- Anthropic公式サイトで研究プレビューに申し込む: Claude Console経由でアクセス申請が可能。
- Outcomesを今日から試す: こちらはパブリックベータとして利用可能。まずOutcomesでルーブリックを設計し、成功の定義を鍛える練習をしておく。
- Multiagent Orchestrationの構成を設計する: こちらもGAで利用可。リードエージェント+サブエージェントの役割分担を設計し、Dreamingが来たときの受け皿を作っておく。
Dreamingが広くリリースされたとき、準備が整っていた組織だけが先行できる。
Dreamingが変えるエージェント設計の未来
正直に言う。Dreamingは今まだ研究プレビューだ。実用上のインパクトはこれからだ。
でも、この機能が示す方向性は明確だ。「一度設定したら放置する道具」から「使うほど賢くなる仲間」へ——エージェントの本質的な役割が変わる。
これはエージェントを設計する開発者にとっても意識の転換を迫る。「プロンプトをどう書くか」だけでなく、「エージェントがどう学ぶか」を設計する必要が出てくる。メモリの粒度、Dreamingが参照するセッションのスコープ、チーム共有パターンの境界——これらがエージェント設計の新しい軸になる。
ChatGPT Memoryとの違いも明確にしておこう。ChatGPT Memoryは個人ユーザーの好みを記憶する「個人記憶」だ。Dreamingはエージェントの「業務記憶」であり、タスク遂行パターン・ワークフロー・エラー経験を対象とする。用途が根本的に異なる。
Dreamingが研究プレビューから出てきたとき、「AIエージェントが成熟する」という概念は実装された現実になる。そのとき設計思想をどう変えるか、今から考えておいて損はない。
あなたのエージェントは、今夜何を夢で見るだろうか。