大規模言語モデル（LLM）は様々なタスクにおいて目覚ましい能力を示しており、汎用人工知能（AGI）の実現への期待が高まっている。この位置論文は、LLMを進化させてAGIへ到達するためには、顕在記憶の統合が不可欠であると主張している。 その根拠として、LLMの基礎となる学習メカニズムは、人間の潜在記憶（暗黙的な記憶）と極めて類似しているという点が挙げられる。しかし、AGIに必要とされる高度な認知機能、特に長期的な戦略的計画立案、メタ認知、記号的推論といった機能は、海馬の顕在記憶（明示的な記憶）に大きく依存しており、統計的学習だけからは決して生じ得ないとされている。 本論文は神経科学の知見を活かしながらこの視点を展開し、人工的な顕在記憶システムが満たすべき計算上の要件を明らかにしている。著者はさらなる研究を促進し、顕在記憶の統合へ向けた基礎を構築することを期待している。この研究は、LLMが現在の能力水準から真のAGIへ進化するために、単なる規模拡大や性能向上だけでは不十分であり、認知アーキテクチャの根本的な再考が必要であることを示唆している重要な問題提起となっている。