ICML 2026論文：画面操作AIの「記憶」を地図化するEAM、手順を覚えてトークンを約6分の1に節約

結論から言うと、パソコンやスマホの画面を操作するAIに「実行できる記憶」を持たせると、毎回いちから考えなくて済み、計算のムダを大きく減らせます。ICML 2026で発表されたポスター論文EAM（Executable Agentic Memory＝実行可能エージェントメモリ）は、その仕組みを示しました。

画面を見て操作する「GUIエージェント」は、ボタンを押す、入力するといった手順を毎回その場で考え直すため、時間も計算コストもかかります。EAMは、よく使う一連の手順を「知識グラフ（情報どうしのつながりを表す地図）」として覚え、画面操作を「自由に文章で考える」やり方から、「覚えた手順を探して実行する」やり方へ変えます。

記憶は、効率よく手順をたどって作る方法（状態をふまえた深さ優先探索や、似た動作のまとめ）で組み立て、さらに軽い評価モデルとモンテカルロ木探索という探索手法で、良い手順を選びます。論文によると、この方法でGPT-4oに比べてトークン（計算量）を約6分の1に減らしつつ、成果も向上したと報告されています。

私たちmanapickの読者に関係するのは、AIに画面操作を任せる「自動化」が、より速く安くなる方向に進んでいる点です。日々のくり返し作業をAIに任せたい人にとって、将来の実用化が期待できます。ただし研究段階で、すぐ製品に入るとは限りません。