1000ページの本を一気に読むAI——Geminiの「超記憶」は何を変えるのか

目の前に500ページの契約書のPDFがあります。読みたいのは「賃貸契約の条項と、そこで合意された金額」の一行だけ。ページをめくる指が疲れる前に、そのPDFをAIにそのまま渡して「賃貸契約は何章に書かれていて、金額はいくらですか」と聞いてみます。数秒後、AIは該当する章と金額を返してきます。これが、Geminiの「100万トークン」という広い記憶域が実現する風景です。

「トークン」はAIにとっての文字の粒

AIは文章をそのままの形では扱いません。まず文章を「トークン」という小さな粒に分けます。日本語なら1文字から数文字、英語なら単語の一部が1トークンになることが多いです。100万トークンは、おおよそ75万語、日本語の文庫本なら1500ページ分に相当します。この粒の数をどれだけ一度に保持できるかが、AIが「覚えていられる量」の目安になります。

従来のチャットAIの多くは、この記憶域が12万8000トークン程度でした。長い本を渡すと、前の方を忘れてしまったり、要約しながら読むため細部が抜け落ちたりしていました。Geminiはこの枠を大きく広げ、本一冊、動画1時間、数万行のコードをまとめて扱えるようにしました。

なぜ「全部読む」ことができるのか

仕組みの鍵は、専門家の集まりで分担する方式（Mixture-of-Experts）にあります。巨大な一つの頭脳で全部を処理するのではなく、得意分野の異なる小さな計算担当が多数いて、入力に応じて必要な担当だけが働きます。これにより、広い記憶域を保ちながら、処理の負担を抑えられます。

さらに、読み込んだ全てのトークンを「文脈」として保持します。これは、本のどこかに書かれた一文と、別の章の一文を結びつけられるということです。「この契約書の中で、更新料について触れている箇所をすべて挙げて」と頼めば、離れたページの記述を拾い集めてくれます。いわゆる「干し草の山の中の針」を探すような作業が、この広い記憶域で可能になります。

実際に何ができるのか

• 分厚いPDFや長編小説を丸ごと読み込ませ、特定の章や登場人物の行動を横断的に探す。
• 1時間の会議動画を渡し、発言の内容と画面に映った資料を結びつけて要約する。
• 数万行のプログラムコードを一度に読み込み、離れたファイル間のつながりを確認する。

たとえば、長編小説を読んでいて「主人公が初めて故郷を離れる決意をしたのは何章で、そのとき誰が傍にいましたか」と聞けば、AIは全体を参照して答えを探します。ただし、これはAIが物語を「理解」しているというより、広い記憶域の中で言葉同士の関係をたどっている作業です。

広い記憶域にも限界がある

100万トークンは万能ではありません。まず、あまりに長いファイルを読み込むと、答え始めるまでに数秒から十数秒待つことがあります。また、文書全体を保持できても、細部の解釈を誤ることはあります。特に、数字や日付、固有名詞の取り違えは起こり得ます。

さらに、AIが「読んだ」内容をそのまま正確に引用しているとは限りません。契約書や論文のように正確さが求められる場面では、AIの答えをそのまま信じず、必ず元の文書で該当箇所を確認してください。AIは探し役であって、最終判断をする人ではありません。

プライバシーの面でも注意が要ります。Google AI Studioや法人向けアカウントではデータ保護が厳格に設計されていますが、個人向けのGeminiでは、アカウントのアクティビティ管理を確認し、機密情報を扱う前に設定を見直すと安心です。

長い文書を渡すときのコツ

まず、聞きたいことを具体的にします。「この本について教えて」ではなく、「第3章で交わされた約束の内容と、その相手の名前を教えて」と尋ねます。次に、答えが返ってきたら、その根拠となる箇所を本文で確認します。AIが示した章やページを手がかりに、自分の目で読む。この一手間が、広い記憶域を使いこなす鍵です。

100万トークンの記憶域は、長い文書を前にしたときの「どこから読めばいいか分からない」という負担を減らしてくれます。ただし、AIが示した答えは出発点です。最後に確かめるのは、あなた自身の目です。