内部クラス・モデルとは汎用人工知能への計算論的アプローチの1つで、知識を持つ内部と外部環境の相互作用による確率過程を想定する。内部は知識に相当するマルチ・エージェントで構成され、その情報処理は以下に従う。1)入力された複数の特徴量を毎時点、パターンとして記録し新規エージェントとする、2)記録の際に空間的な位置情報と過去方向の時点の遅れをエージェントの要素に付加する、3)エージェントはその多くの要素が入力されると発火し1時点遅らせた全要素を入力としてフィードバックする、4)エージェントの要素数と、エージェントの総数の上限に基づいて要素とエージェントは確率的に削除される、5)ノイズ干渉と呼ぶ外部環境の仮説によって知識を獲得する。全ての知識は時系列エピソードとして表現されるが、音声情報や空間図形が具体的にどのように表現されるかを本稿では考察する。