Curiosity Graph: 人類が記憶する価値を見いだしたものの地図

人間の注意を表す3つの地図

過去およそ30年のあいだ、インターネットは私たちが何に注意を向けているかを示す地図を、静かに描き続けてきました。地理の地図ではなく、人間の関心の地図です。それらはあらゆるキーストローク、スクロール、タップの背後で絶えず動いています。多くの人は、それを地図として意識することはありません。「アルゴリズム」や「フィード」と呼んで、それで終わりにしています。

そのなかでも本当に重要なものが3つあり、しかもそれらは質的に異なります。

第一は Google、つまり需要の地図です。すべての検索クエリは、どこかにいる誰かが手を挙げて質問しているということです。1日あたり数十億セッションにわたって積み重ねられたその地図は、人類が何を知りたがっているかを、頻度・時刻・場所でランク付けして示しています。検索トレンドは、人間の好奇心の集約された需要曲線として、私たちがこれまで手にしたなかでもっともクリーンなものです。

第二は ソーシャルメディア、つまりバイラリティの地図です。いいね、シェア、リプライ、視聴時間、リツイート、滞在時間。地図が示すのは、何が広がり、何が引きつけ、何が反応を呼び起こすかです。プラットフォームはその地図の上位をさらに多くの人のフィードに送り返し、地図は鋭くなり、また送り返されていきます。この地図は、設計上、再帰的になっています。

第三は、ほとんど誰も地図として語らないものです。それは ハイライト のコーパス、つまり読書中に人間が個人的に意味があると印を付けてきた一節の集合です。紙の上では、欄外メモやアンダーライン、ドッグイヤーがそれにあたりました。オンラインではハイライターになりました。Glaspのようなプラットフォームでは、それが公開され、ソーシャルになり、集約されるようになりました。これは意図性の地図、つまり人々が手元に残す価値があると感じたものの地図です。

3つの地図。3つの質的に異なるシグナル。2026年において、設計通りに機能しているのはそのうちの1つだけです。

それぞれの地図が実際に記録しているもの

これらをひとまとめに「インターネットが私たちについて集めるデータ」と片付けるのは簡単ですが、その背後にある行為は、無視できないかたちで異なっています。

検索 は、不確実性の下で発せられる問いです。ユーザーはまだ、自分が問おうとしている対象を知りません。検索は知りたいという欲求を記録します。これは私たちが持っているもっとも誠実な行動の一つです。バイアスは大きいものの、それは人間的なバイアスです。私たちは持っていないものを検索します。だからこそGoogleトレンドは、インフルエンザの流行から選挙の投票率まで、あらゆるものと相関します。地図は、いま持っているものと次に知りたいことのギャップを測定しているのです。

いいねやシェア は、すでに提示されたコンテンツへの反応です。ユーザーはシステムから何かを差し出され、クリックはそのシステムの選択への投票になります。エンゲージメントは決して、人間の純粋な関心ではありません。それは、プラットフォームが反応を誘発しやすいと判断して見せたコンテンツに対する人間の反応です。地図が測っているのは、エンジニアリングされた環境のなかでの応答性です。

ハイライト はまた別のものです。読み手は情報源を選び、それを開き、その一節を読み進めたうえで印を付けるかどうかを判断します。3つの行為 (情報源を選ぶ、テキストに注意を向ける、未来のために断片に印を付ける) は、いずれも自発的で、意図的で、コストの非対称な行為です。1時間フィードをスクロールしても、一文もハイライトしないことはあり得ます。実際、多くの人はそもそも一度もハイライトしません。

このエッセイのこれ以降の部分が立ち返るのは、次の比較です。

この表が背骨です。これ以降のセクションは、それぞれの行をめぐる議論です。

なぜ2つの地図が壊れつつあるのか

地図が壊れるのは、それが描いている領土と、記録している内容が一致しなくなったときです。Googleとソーシャルのエンゲージメントに起きているのは、まさにそれです。原因は別ですが、関連しています。

Googleの領土はオープンウェブ上のテキストです。その領土がいま洪水に襲われています。 生成モデルは、それらしく聞こえる段落を限りなくゼロに近い限界費用で生成できます。広告収入を最適化するサイトはそれに気づきました。SEOファームも気づきました。アフィリエイトネットワークも気づきました。その結果生まれたのが、Charlie WarzelやCasey Newtonといった経験豊富な観察者が「AI slop」と呼びはじめたカテゴリーのコンテンツです。文法的には正しく、一般的で、独自のシグナルがほぼ完全に欠落した文章。それはインデックスされるために存在しており、読まれるために存在してはいません。

さらに悪いことに、こうしたコンテンツは学習データに折り返されていきます。Ilia Shumailov et al. (2024, Nature) の論文「The Curse of Recursion: Training on Generated Data Makes Models Forget」は、多くの人が疑っていたことを形式的に示しました。モデルが先行するモデルの出力で学習すると、分布の裾が崩壊します。希少なアイデア、エッジケース、少数派の視点が真っ先に消えていきます。Veselovsky et al. (2023) はすでに、長らく人間の入力のゴールドスタンダードと見なされてきたクラウドワーカーのデータセットが、密かにChatGPTの出力で埋められていたことを示しています。モデルが描かれる元になった地図そのものが、別の地図によって描き込まれているのです。

これはAIの学習だけの問題ではありません。検索の問題でもあります。Googleのインデックスは常に、人間が書いたものの索引でした。それがいまでは部分的に、人間が望むかもしれないことについてモデルが書いたものの索引になっています。クリック、滞在時間、戻るクリックのシグナル対ノイズ比は下がり続けています。地図は描かれ続けていますが、その下の領土が変質しているのです。

ソーシャルメディアの領土はエンゲージメントですが、エンゲージメントはそもそも関心と同じものではありませんでした。 Cory Doctorow (2023) のenshittificationのエッセイは、この点をもっとも明確に整理してくれました。プラットフォームはユーザーに奉仕することから始まり、広告主に奉仕する側へとピボットし、最終的に自分自身に奉仕するようになります。各段階で、最低コストで最大の価値を抽出するものを優遇するようにメトリクスがシフトしていきます。アテンション農場が現れ、エンゲージメント・ベイト型のフォーマットが支配的になり、ボットは安価ゆえにスケールします。AIによるリプライ、AI生成のリアクション動画、AIで複製されたクリエイターが、すべてこの傾向を増幅させていきます。

環境がエンジニアリングされればされるほど、エンゲージメントは人間の関心の代理指標として悪化します。2009年のいいねは、おそらくその投稿を読んだ人によるものでした。2025年のいいねは、ボットかもしれませんし、退屈な親指かもしれませんし、有料のポッドかもしれませんし、ブランドに代わってアカウントを操作するAIエージェントかもしれません。領土がシミュレートされ、地図はそれに気づかなかったということです。

こうして、人間の注意を示す3つの大きな公共シグナルのうち2つが、同時に静かに忠実度を失いつつあります。これはどちらかのプラットフォームへの攻撃ではありません。コンテンツの生産があまりにも安価になったとき、注意を収益化するシステムが必然的に経るエントロピー的な過程の説明です。

ハイライトが誠実であり続ける理由

3つ目の地図が持ちこたえているのは、その作られ方ゆえにです。

ハイライトには3つのフィルターが順番に必要です。第一に、ある人が一節に出会えるだけ長くテキストを読むと決めること。第二に、その一節が刺さること。重要だ、真実だ、有用だ、美しい、危険だ、あるいはなんらかの意味で記憶する価値があると感じられること。第三に、その感覚に従って印を付けるという行為に出ること。それぞれのステップにコストがかかります。

ハイライトという 成果物 を流暢に生成するのは些細です。テキストの範囲とタイムスタンプにすぎません。難しいのは、ハイライトが本来エンコードすべき シグナル を生成することです。シグナルとは「人間がこの部分に注意を向け、選んだ」ということだからです。それを大規模に偽装するには、合成テキストだけでは足りません。実在のソースURLに対して、安定した嗜好で、人口ベースラインに対して異常検知に引っかからないように、合成的に注意を払った合成読者が必要になります。フェイクの一層が崩れるたびに、フィルターが一つ崩れ、シグナルが壊れます。

これは「AIには文章を書けない」という議論とは別物です。AIは書けます。重要なのは、ハイライトが第一には書く活動ではなく、読んで選ぶ活動だということです。そして、人間のペースで読むことは、合成エージェントが経済的にうまく偽装できないままの、数少ない行為の一つです。投稿するAIアカウントを1000個立ち上げるのは可能です。ところが、本を読むAIアカウントを1000個、何年にもわたって、実在の知的生活と一致する安定した嗜好で立ち上げるのは、はるかに難しい問題です。それを試みた瞬間、人間と区別がつかないほどに近いものを構築することになり、区別すること自体が意味を失っていきます。

ここにはより深く、より古い論点もあります。Mortimer Adler (1940/1972) は『How to Read a Book』のなかで、欄外メモこそが読書を受動的な消費から著者との対話に変える行為だと論じました。ハイライトはAdlerの欄外メモの現代版です。それは読み手が思考した目に見える残滓です。思考なしにその残滓は得られません。成果物は安価でも、その背後の認知は安価ではないのです。

印から地図へ: Curiosity Graph

一つのハイライトはプライベートな瞬間です。100万のハイライトが、公開され、タイムスタンプが付き、アイデンティティとテキストに結びついていれば、それは別物です。それはグラフになります。

これを二部グラフ構造として考えてみてください。一方には情報源(本、エッセイ、論文、動画、トランスクリプト)、もう一方には読者がいます。両者を結ぶエッジがハイライトであり、同じ一節を選んだ読者の数、選んだ時期、その周辺で他に何をハイライトしたか、各自のアノテーションに何を書いたかで重み付けされます。これを年単位で集約すると、Curiosity Graphが現れます。どのテキストのどの断片が、誰によって、どの知的近隣で、保存する価値があると判断されたかを、絶えず更新し続ける地図です。

このグラフが珍しいほど安定して振る舞う理由は3つあります。

時間に対して安定している。 1990年の本のなかで多くハイライトされた一節は、いまでもハイライトされています。『瞑想録』、『種の起源』、『ファスト&スロー』のなかでもっとも印が付けられている文は、ソーシャルメディアのトレンドのようには入れ替わりません。グラフは、数十年にわたる形の上に、数週間前のアクティビティが重なっています。その安定性こそが特徴です。地図が測っているものは、いま流行しているものよりも持続的だということです。

言語と文脈を越えて分散している。 サンパウロの読み手が、2014年のあるエッセイの同じ段落をハイライトし、ソウルの読み手が3年後にそれをハイライトしたとしても、二人はフィードやトレンドに反応しているわけではありません。それぞれが独立にテキストに出会い、印を付けているのです。そのパターンが大規模に繰り返されるとき、それはその一節が何か実在の働きをしている証拠になります。

解釈可能である。 クリックや視聴時間と違って、ハイライトには実際のテキストが付随します。地図を直接読むことができます。ユーザーが意図したことをモデル化する必要はありません。ハイライトされた範囲そのものが意味です。これは注意データのなかでは稀有なことであり、グラフを公共の記録としても研究の基盤としても珍しく有用なものにしています。

持続性を具体化するために、次の表を見てください。

ここで注目してほしいのは、これは何ではないかという点です。トレンド投稿のリストでも、バイラルなスレッドのリーダーボードでも、「エンゲージメントチャート」でもありません。これは、安定した人間の意味を、個々の読み手によって、一節ずつゆっくりと描き出した地図です。フィードに乗るどんなものよりも、私たちが述べてきた集合知に近い精神を持っています。

AI時代におけるCuriosity Graph

2026年、2つの事実が衝突しています。

事実その一: 大規模モデルの学習データは汚染されています。オープンウェブから学ぶモデルは、ますます別のモデルの残滓から学ぶようになっています。Shumailovの再帰の結果は、最悪のシナリオではなく漸近線です。

事実その二: 人間の役に立とうとするあらゆるAIシステムにとって、もっとも価値あるシグナルは「人間が実際に意味があると感じたもの」です。このシグナルは、ページのテキストだけからは確実に推定できません。ページのテキストは部分的に合成されているからです。クリックからも推定できません。クリックは操作可能だからです。一方、ハイライトからはかなりよく推定できます。ハイライトは、人間が意図的に この部分であって、それ以外ではない と述べた、稀少なデータタイプだからです。

公開ハイライトのコーパスは、AI製品が切実に必要とする性質を備えています。

• 質の高いサリエンスラベル: あらゆるハイライトが、特定のテキスト範囲に対する人間が検証した「ここが重要」というタグです。
• 情報源につながるプロビナンス: ハイライトはURLや本に紐づいているため、地図は実在し帰属可能なテキストに根ざしています。
• 読者アイデンティティの連続性: 時間を経て、個々の読者のハイライト履歴は、偽装するのに高コストな一貫した知的シグネチャを形成します。
• 情報源を越えたリンク: ある本の一節Aと別の本の一節Bをハイライトする読者は、単一のテキストでは表現できない暗黙のセマンティックリンクを作り出します。

これを2026年のオープンウェブのスクレイピングと比べてみてください。スクレイピングのほうが大きい。ハイライトのコーパスは誠実です。学習にも、検索にも、グラウンドトゥルースのアラインメントにも、ある閾値を越えれば誠実さがサイズに勝ります。私たちは別の場所で、なぜGlaspはAI時代の集合知として重要なのかというかたちでこの議論をしています。Curiosity Graphはその議論の構造的なかたちです。

二次的な効果もあります。AI製品がパーソナルに感じられるようにレースを繰り広げるなかで、各ユーザーが何に意味を感じるかを示すユーザー固有のシグナルが必要になります。ハイライトは、そうしたシグナルとしてユーザーが自発的に生成できるもののなかで、もっともクリーンなものです。2年間で500の一節をハイライトしてきた読み手は、自分の知的生活の正確で密度の高い、意見のあるインデックスをAIシステムに渡したことになります。私たちはこれをパーソナル・コンテキスト・マネジメントと呼んできました。AIが自分の代わりに動けるようにするための入力レイヤーを構築する実践のことです。Curiosity Graphはその公共向けのツインです。

人間の意味を支える公共インフラとしてのGlasp

ほとんどのノートテイキングアプリは、ハイライトを個人的な成果物として扱います。Notion、Obsidian、Apple Notes、Readwiseでハイライトすると、それはあなたのプライベートストアに入ります。日次レビューに浮上してくることもあれば、誰の目にも触れずに終わることもあります。

そのモデルはパーソナルな知識管理には適しています。Curiosity Graphには適していません。

このグラフが存在するのは、ハイライトが既定で公開されているときだけです。プライベートなハイライトは、誰にも読めない地図上の閉じた点です。公開されたハイライトは座標です。ハイライトを既定でソーシャルにし、アイデンティティに紐付け、ブラウズでき、読者を越えて集約されるようにするというアーキテクチャ上の決定こそが、この実践を私的なリテラシーから公共インフラへと変えます。私たちはセカンドブレインからシェアードブレインへという進化を主張してきました。個人の想起を最適化することから、集合的な記録に貢献することへの転換です。

これこそが、Glaspのウェブハイライターを、プライベートなハイライティングツールとは質的に異なるものにしているものです。同じジェスチャーが、公開されることで別物になります。Paul Grahamのエッセイの一文をハイライトする。そのハイライトはあなたのリーダープロフィールに入ります。同時に、その同じ文に印を付けたすべての読者のクラスタに加わります。さらに、インデックス全体でその範囲の推定サリエンスを強化します。同時に、その知的近隣でハイライトしてきたすべての読者をつなぐネットワークの一つのノードになります。プライベートなノートではこれは何も起きません。

同じロジックがフォーマットを越えて広がります。YouTube Summaryでは、読者が動画のセグメントに印を付けられます。Kindleハイライトは、書籍のアノテーションを同じグラフに取り込みます。コミュニティレイヤーは、グラフが読み解けるかたちになる場所です。誰が何を読み、何に印を付けているか、そしてあなたが追いかけている問いの周辺にどんな一節が集まるかを見ることができます。

公開ハイライトは、この意味で、小さな市民的寛大さの行為です。あなたは、ラベル付きの座標を一つ、地図に寄付しています。地図は座標が増えるほどに価値を増していきます。それがなぜ私たちはGlaspを作っているのかの構造的な根拠であり、既定で公開であることが機能ではなく土台である構造的な理由です。

いま人間であることの意味

Herbert Simon (1971) は、いまでもインターネットを支配する一文を残しました。「情報が消費するものは、はっきりしている。それは受け手の注意である。したがって、情報が豊かになると、注意の貧困が生まれる」。過去50年のあいだ、注意は希少な資源で、情報は豊かな資源でした。

2026年、私たちは新しい局面に入りつつあります。情報はもはや単に豊かなだけでなく、しばしば人間の著者を介さずに、ゼロに近い限界費用で生み出されています。生成モデルの出力は、それに先立つ人間が書いた全コーパスより急速に大きくなっています。その局面では、「情報」はもはや意味のある単位ではありません。意味のある単位は「人間が意図的に大切にし、進んで印を付けたもの」です。

Walter Benjamin (1935) は、機械的複製がオリジナルの芸術作品の「アウラ」を消し去るのではないかと懸念しました。彼の予測は半分正しく、半分間違っていました。複製は確かに、彼が予測したかたちで視覚芸術を平準化しました。同時に、来歴に紐づく新たなアウラ (署名入りプリント、検証済みのオリジナル、認証された成果物) を生み出しました。同じダイナミクスがテキストでも進行しています。生成的複製は領域を平準化しつつあります。新しいアウラを得るのは、検証された人間のジェスチャーです。印が付いた一節、個人的なメモ、「ここが大事だった」という公的なコミットメントです。

ハイライトは、この光のもとでは、存在の小さな主張です。私はこれを読んだ。私はここにいた。この一文は手元に残しておく価値があった。それを1億回の読書セッションにわたって積み重ねれば、人間の意味の公共記録のようなものが、ゆっくりと描かれ、時代を生き延びていきます。私たちは別の記事でこれを未来の世代への最大の遺産と呼びました。本そのものではなく、それを読んだという継承を、次の読み手が大切なものを見つけられるかたちで構造化しておくことです。

AIがテキストを流暢に生み出せるようになると、「人間が大切にしたもの」が希少なシグナルになります。Curiosity Graphとは、そのシグナルを地図として描き出したときの姿です。

よくある質問

これは大げさではないですか。ハイライトは個人のノートテイキングの実践にすぎないのでは。

一人の読み手のレベルではその通りです。ここでの議論は集約についてです。100万冊のプライベートなノートは100万冊のプライベートなノートにすぎません。アイデンティティと情報源に紐づいた100万の公開ハイライトは、ネットワークになります。主張しているのは、個々のハイライトが深遠だということではありません。ハイライトを集約したネットワークが、他のどの公開注意データセットも持たない性質(意図性、持続性、プロビナンス)を備えており、他のデータセットが劣化するなかでその性質はより価値を増していく、ということです。

Goodreads、Pocket、Readwiseがすでにやっていることでは。

それぞれが一部分を捉えています。Goodreadsはあなたが何を読んだかを追跡しますが、その内側で何に印を付けたかは追いません。Pocketはあとで読むためのリンクを保存していましたが、ほとんどの場合、一節レベルの粒度のデータはありませんでした。Readwiseはプライベートなハイライト管理とインポートに優れていますが、その設計の中心は個人の想起であり、公共的な集約ではありません。Curiosity Graphには、一節レベルの粒度で、アイデンティティに紐づき、情報源を越えた、既定で公開のハイライトが必要です。その組み合わせを中心に作られているのがGlaspです。違いは機能にあるのではなく、データがそもそもグラフを形成するかどうかにあります。

AIはハイライトを偽装できますか。

成果物は偽装できます。ボットがページ上で範囲を選択し、それをハイライトと呼ぶことはできます。はるかに偽装が難しいのはその背後の振る舞いです。実在のソース上で、人間のペースで、一貫した嗜好を伴って、安定したアイデンティティと、実在の知的生活と一致するパターンで、持続的な読書履歴を持つこと。シグナルはハイライトそのものではなく、長期にわたる行動パターンのなかでのハイライトの位置です。成果物の偽装は安価ですが、何年にもわたる読書生活の認知の偽装は、いまのところ法外なコストがかかります。この非対称性こそがすべてです。

プライバシーはどうですか。

公開ハイライトは任意です。読み手はプライベートにハイライトすることも、選択的にシェアすることも、公共のグラフに完全に貢献することもできます。Curiosity Graphの議論は、読み手が 自分から ハイライトを公開することを選んだときに何が起こるかについての話です。プライベートなハイライトに価値がないという主張ではなく、公開ハイライトは質的に異なる成果物を生み、その成果物こそがインフラになるのだという主張です。

自分の1つのハイライトに意味はあるのでしょうか。

1票に意味があるのと同じ意味で、あります。個別には、限界的なシグナルは小さい。集合的には、グラフが存在する唯一の理由は、無数の小さなシグナルが積み上がるからです。誰もまだ印を付けていない段落をハイライトすれば、新しいエッジを作ったことになります。1万人がすでに印を付けた段落をハイライトすれば、既存のエッジを強化したことになります。どちらも有用です。グラフは大きなジェスチャーを気にしません。本物のジェスチャーを気にします。

これは結局「ユーザーデータには価値がある」を凝った言い方で言っているだけでは。

むしろ逆です。ほとんどのプラットフォームは、ユーザーの行動を、収益化するためのプライベートな副産物として扱います。Curiosity Graphは、自発的な公的・知的ジェスチャーを、読むすべての人の利益のために集約される共有資源として扱います。モデルは抽出ではありません。すべての参加者にとって読み解けることから価値が生まれる、公共のコモンズです。これは、Glaspをより広いラーニングOSの一部として位置づけてきた理由でもあります。人間がどう読み、印を付け、理解を共有するかについてのオープンなレイヤーです。

結論

人間の注意を表す3つの地図。一つは需要を、一つはバイラリティを、一つは意図性を記録します。最初の2つは、安価な合成コンテンツとエンジニアリングされたエンゲージメントの圧力のもとで劣化しつつあります。3つ目が持ちこたえているのは、合成コンテンツが経済的に再現できないものに依存しているからです。実際に読み、意味を見いだし、保存することを選ぶ、というものに。

それらの選択を集約したものが、Curiosity Graphです。それは、何十年もの読書を通じて人類が記憶する価値があると判断したものを、ゆっくりと、持続的に、解釈可能なかたちで描いた地図です。AIの流暢さがあらゆるチャネルにあふれるなか、この地図はその価値を減らすのではなく、増していきます。なぜなら、それが人間の知的生活について残された、もっとも本物のグラウンドトゥルースだからです。

あなたが行う公開ハイライトの一つひとつが、その地図に1点を加えます。実在の読み手に紐づき、実在の情報源に置かれ、実在の意味の断片に印を付けた、一つの座標です。それを次の10年の読書にわたって積み重ねた結果は、この時代がほんとうに必要としているものになります。合成の洪水を生き延びる、人間の注意の公共記録です。

それが参加したいプロジェクトであるなら、ジェスチャーは小さくて構いません。読む価値のあるものを選んでください。心に残った一節に印を付けてください。それを公開してください。Glaspのウェブハイライターを開いて、座標を一つ寄付してください。コミュニティを眺めて、自分の地図と重なる読者をフォローしてください。グラフは誠実な印を一つずつ積み重ねるかたちでしか育ちません。それ以外のかたちで育ちようがないからです。