AIエージェントが急速に発展する背景の中で、「パーソナライズされたAI」はスローガンから具体的な実践へと移行している。有名なAI科学者 Andrej Karpathy が近日また Farzapedia について公に議論し、こうした「個人用Wiki」型の構造は、現時点で本当に実行可能な解決策が少数ながら存在する数少ない方法だと率直に述べた。
主流が「長く使えば使うほど、あなたのことを理解する」というブラックボックスの記憶を強調するのとは異なり、Farzapedia は個人データを構造化された知識へと変換し、AIが直接読み取り・理解・操作できるようにしている。これにより、パーソナルAIのためのより透明で制御可能な土台が築かれる。
Farzapedia の中核理念：AIに理解されうる個人用Wikipediaの構築
Farzapedia の鍵は、個人データを、構造が明確な一連の知識システムへと変換することにある。Markdownファイル、目次（index.md）、および相互リンクを通じて、ユーザーは自分だけの「Wikipedia」を作成できる。
このような構成の下では、AIエージェントは曖昧なコンテキストの記憶に依存しなくなる。代わりに、具体的なファイルを直接読み取って、さまざまなテーマ間の関連性を理解し、さらにはページをまたいだ引用や更新まで行える。
Karpathy は特に、この方法によってユーザーが AI がどの情報を把握しているかをはっきり理解でき、いつでも確認して修正できるため、過去にAIの記憶が見えなかった問題を解決できると強調した。
なぜこの方法はより実用的なのか？4つの重要な違い
既存のAIのパーソナライズ案と比べて、Farzapedia の優位性はより強力なモデルによるものではなく、データ構造の変更にある。
まず「顕在化」。すべての知識がWikiの形で存在するため、ユーザーは直接閲覧・編集でき、見えない内部記憶に頼る必要がない。
次に「データの主権」。すべてのファイルはローカルに保存され、単一のAIプラットフォームに縛られない。これにより、データがロックされることや、移行できないことを回避できる。
3つ目は「File over App」設計。データは Markdown や画像などの汎用形式で存在するため、さまざまなツールでそのまま利用できる。Obsidian からコマンドラインのツールまで、統合できる。
最後は「BYOAI」。ユーザーは同一の知識ベースに対して、異なるAIモデルを自由に選んで接続でき、さらに進んでオープンソースのモデルを微調整して、AIが重みのレベルで個人の知識を理解できるようにすることもできる。
RAGからWikiへ：パーソナルAIアーキテクチャの転換
Karpathy は、過去1年で流行した RAG（Retrieval-Augmented Generation）は情報検索能力を向上させたものの、多くは依然として「チャット履歴の拡張」のレベルにとどまっていると指摘した。
このやり方の本質は、依然として曖昧な検索であり、明確な構造がなく、維持・拡張もしづらい。
それに対して Farzapedia は、明確なファイル構造と内部リンクを採用している。これによりAIは、文章を読むように内容を理解し、さまざまなテーマ間に論理的な関係を構築できるため、利用可能性と正確性が大幅に高まる。
エージェント時代の新しいスキル：質問するだけでなく、知識を管理する
Karpathy は、この方法のハードルは一定のファイル管理と構造設計の能力が必要なことだとも認めている。
しかし AIエージェントの進歩に伴い、これらの作業は自動化されつつある。エージェントはデータの整理、記事の生成、リンクの維持を手伝い、ユーザーがコンテンツそのものに集中できるようにする。
彼は、「Agent をうまく活用すること」が鍵となる能力になると考えている。これらのツールは言語を理解できるだけでなく、コンピュータのシステムを操作することもでき、人とソフトウェアのやり取りの仕方を変えつつある。
この記事 Farzapedia の中核理念：AIに理解されうる個人用Wikipediaの構築、Karpathy が最も実用的なパーソナライズ案として指名 最初に登場したのは 鏈新聞 ABMedia。
