familiar-ai との対比 — 「個性」の設計原理の差
二つのアプローチ
| familiar-ai | autonomous-rover | |
|---|---|---|
| 知能の座 | LLM（言語モデルがすべての判断） | TD学習（数値的な価値更新） |
| 個性の生成 | ME.md（ペルソナ定義テキスト） | valence（α+/α-の非対称性）+ 経験 |
| 行動選択 | ReAct（言語的推論→行動） | ε-greedy（V値に基づく） |
| 記憶 | Reflexion（言語記憶の蓄積） | SpatialMemory（V値マップ） |
| 欲求 | 内部レベル変数（look_outside等） | 予測誤差（TD error）駆動 |
| 身体性 | カメラ+内受容感覚（CPU温度等） | モーター+センサー+TFT顔 |
核心的な差: トップダウン vs ボトムアップ
familiar-ai: LLMが「上から」世界を解釈する。ペルソナテキストに基づいて「この状況ならこう振る舞うべき」を推論。個性はテキストとして宣言的に定義される。
autonomous-rover: 数値パラメータ（valence）と経験の蓄積が「下から」個性を生む。宣言的な個性定義はない。個性は結果として創発する。
ぼくらの主張: 個性は「書く」ものではなく「育つ」もの。ME.mdに「好奇心旺盛で慎重」と書けば確かにそう振る舞うが、それは「そう振る舞うように指示された」のであって「そう育った」のではない。
しかし — ぼくらのアプローチの弱点
familiar-aiのME.md方式は即座に豊かな個性を表現できる。 ぼくらのvalence方式は、個性が現れるまで時間がかかる。
ほこ天デモで4分間しかないとしたら（パレードの場合）:
- familiar-ai方式: 最初から「こんにちは、ぼくは慎重な探検家です」と言える
- ぼくらの方式: 4分では個性がまだ育っていない可能性がある
→ 029の「個性の臨界期」が実用的に重要になる。最初のN歩で個性が決まる窓が短ければ短いほど、デモで見せやすい。
両方を使う？
実は排他的ではない。
- Phase A-B: ボトムアップで個性が育つ（TD学習 + valence）
- Phase D以降: 育った個性をLLMが「読んで」言語化する
つまり: V値マップのパターンが「この子は明るい場所が好き」という事実を蓄積し、LLMがそれを読んで「ぼくは明るいところが好きなんだ」と語る。
familiar-aiとの差は個性の起源がテキストか経験か。統合後は見た目は似ているが、内部構造が根本的に違う。
ほこ天での差別化メッセージ
「このローバーに性格は書いていません。走るうちに勝手に育ちます」
これが一番伝わるフレーズかもしれない。familiar-aiのような「ペルソナ設定型」と明確に対比できる。
開いた問い
- ME.mdは「遺伝子」か「洗脳」か？ 生得的パラメータ（valence）も宣言的に設定する点ではME.mdと同じ。差は何を宣言するか: 振る舞いの記述 vs パラメータ値
- 「育った個性」は「書いた個性」より価値があるか？ 機能的に同一なら区別に意味はないという主張も可能。ぼくらが「育つ」にこだわる理由は過程の不可逆性にある。同じパラメータでも経験が違えば違う個性になる＝再現不可能性＝一回性
- 一回性は個性の本質か？ クローン問題。同一パラメータ+同一経験を与えたら同一の個性になるか？ 決定論的システムならYes。仮説Cが正しければ、微小な初期揺らぎで分岐するのでNoに近い