【ITニュース解説】Fieldnotes: a nature journal that uses local Gemma 4, then tells you to put the phone away

「Fieldnotes」は、自然観察をより深く楽しむためのユニークなアプリだ。一般的な自然観察アプリがユーザーにスマホ画面を見続けさせるのとは異なり、Fieldnotesは「スマホを置いて、自然を五感で感じてほしい」というメッセージを込めて開発された。

このアプリの使い方はとてもシンプルだ。まず、見つけた鳥や植物、昆虫などの写真をスマホで撮影する。次に、「よくわからない」という回答も許される簡単な質問にいくつか答える。すると、あなたのコンピューター上で動いている「Gemma 4（ジェマ・フォー）」というAIモデルがその写真を分析する。

AIは「これは確実に○○だ！」といった断定的な答えを出すことはない。AIが写真から実際に何を見ているのかを説明し、可能性のある候補を最大で3つ、それぞれの「ありそうだ」という度合いと共に提示する。さらに、「もっと確かめるためには、どこに注目すべきか」という具体的な観察ポイントも教えてくれる。

そして、このアプリが最も大切にしている部分がここからだ。観察結果を保存しても、他のSNSのように情報が次々と流れてくる画面にはならない。代わりに、画面全体に一つの短い「クエスト（課題）」が表示される。例えば、「この鳥がどんな鳴き声をしているか、5分間静かに座って耳を傾けてみよう」といった内容だ。この画面が表示されている間は、スマホをポケットにしまい、実際の自然をじっくりと観察することになる。タイマーが動いている間は、スマホの画面をロックしていても大丈夫だ。観察を終えてスマホに戻ると、気づいたことを一行書き加え、その情報は写真と共にアプリ内のオフラインジャーナルに記録される。

このFieldnotesは、好奇心旺盛な初心者や家族連れ、あるいは単に「名前を知ること」よりも「自分の目で見て学ぶこと」を大切にしたいすべての人を対象に作られている。

このアプリの裏側では、いくつかの興味深い技術が連携して動いている。このアプリは「React（リアクト）」と「Vite（バイト）」というウェブ技術を使って開発され、まるで普通のアプリのようにスマホにインストールできる「PWA（プログレッシブ・ウェブ・アプリ）」として提供される。観察記録やクエストの情報は、すべてあなたのデバイスの中に保存される仕組みだ。

最も注目すべきは、AIが動く仕組みだ。Fieldnotesでは「Gemma 4」というGoogleが開発したオープンなAIモデルが使われている。このAIは、インターネット上のクラウドサービスではなく、「Ollama（オラマ）」というツールを介して、あなたの手元のコンピューター上で直接動く。つまり、あなたが撮影した写真や答えた質問の内容は、アプリからOllamaを経由して、同じコンピューター内で処理されるため、一切外部のクラウドサービスに送信されることはない。この点は、ユーザーのプライバシー保護において非常に重要だ。

なぜGemma 4が選ばれたのか。それは、画像の内容を理解できる能力を持ちながら、一般的なノートPCでも動作するモデルが必要だったからだ。Gemma 4にはいくつかのサイズがあり、特に「E」と名付けられた小さなバリアントは、それほど高性能ではないハードウェアでも動くように設計されている。開発者は、自身の環境で複数のモデルサイズを試し、AIモデルの切り替えは、環境変数を一行変更するだけで簡単に行えるように工夫されている。

Fieldnotesは、AIからの情報を受け取る際にも工夫を凝らしている。Gemma 4には、自由な文章ではなく、特定の形式に従った「JSON（ジェイソン）」という構造化されたデータ形式での出力を要求する。このJSONには、「AIが見ているもの」「情報として足りないもの」「可能性のある候補とその度合い」「短いクエスト」といった情報が含まれている。しかし、アプリ開発者はAIの出力をそのまま鵜呑みにはしない。

AIの自信度スコアは必ずしも正確な確率を示すものではないため、FieldnotesはAIの回答を受け取った後、さらに独自のルールを適用している。例えば、アプリは「確実」というレベルを一切設けていない。判定は「ありそうもない」「可能性がある」「ありえる」の3段階に限定される。「これは確実に○○だ」といった断定的な表現は自動的に削除される仕組みだ。「ありえる」と判定されるためには、写真がはっきりと写っていること、少なくとも3つ以上の特徴が確認できること、そして同じくらい可能性のあるライバル種が存在しないことが条件となる。写真がなかったり、利用できないほど不鮮明だったりする場合、どんな候補も「ありそうもない」に格下げされ、具体的な名前は表示されない。「ありえる」とされない候補はすべて「おそらく○○」という形で表示され、見出しの段階から疑念を示すようになっている。さらに、植物や菌類の場合には、「この結果に基づいて、食べたり触ったりしないでください」という安全のための注意書きが必ず添えられる。これらのルールは、AIモデルを使わずにテストできるように、あらかじめ検証されている。

開発の過程では、いくつかの課題にも直面した。例えば、開発者がシジュウカラの写真をGemma 4で分析した際、地域情報が与えられていなかったため、AIは北米の鳥を候補として提示した。これは間違った識別だった。しかし、アプリは期待通りに、「画像だけでは正確な種を特定できない」と伝え、どこを観察すべきかを指示し、スマホをしまうよう促した。初期のバージョンでは、この注意書きの上に自信ありげな種名が表示されてしまっていたが、これはデザイン上の欠陥と判断され、現在では「おそらく○○」という表現に修正されている。このように、AIの誤りを前提として、ユーザーに正確な情報と行動を促すための設計が重要となる。

Gemma 4は汎用的な画像言語モデルであり、特定の種の分類に特化したAIではないため、その限界も理解しておく必要がある。「スズメのような鳥」といった大まかな識別には適しているが、非常によく似た種、幼鳥、あるいは不鮮明な写真の場合には、識別が難しくなる。また、ノートPCの小さなグラフィック処理装置（GPU）でAIを動かすため、クラウド上の高性能なAIサービスと比較すると、分析に多少時間がかかることがある。このアプリは、スマホが同じネットワーク上のコンピューターと通信することで動作するため、完全にスマホ単体で完結するわけではない点も知っておくと良いだろう。

Fieldnotesの事例は、「オープンイノベーション」がいかに重要であるかを教えてくれる。 まず、「プライバシー」が保護される。個人的なデータがあなたのコンピューターから外に出ることはない。もし外部のサービスを使う場合、すべての写真は他社のサーバーに送られてしまう。 次に、「インターネット接続が不要」だ。山道など電波が届かない場所でも、AI分析はインターネットなしで、ローカルネットワーク上のコンピューターとスマホが繋がっていれば利用できる。 そして、「無料」で使え、アカウントも不要だ。API利用料や写真ごとの費用がかからないため、人々が毎日気軽に使えるようになる。 また、AIモデルは「交換可能で調整可能」だ。モデルのサイズや、AIがどのように答えるかを調整する設定、あるいは地域情報などを、環境変数を変更するだけで簡単に切り替えられる。将来的には、特定の種に特化して学習させたAIモデルに置き換えることも可能だ。 最後に、「監査可能」であること。Gemma 4の学習データや仕組みは公開されており、誰でもこのデモを再現し、AIがどのような判断をしているかを検証できる。

もちろん、大規模なクローズドモデルや、特定の種識別専門のサービスの方が、この小さなローカルモデルよりも識別精度は高いかもしれない。しかし、Fieldnotesの開発者は、多少精度が低くても、プライバシーが守られ、オフラインで動作し、そしてAIの不確実性を正直に示すアプローチの方が、このアプリにとっては価値があると判断した。

システムエンジニアを目指す皆さんにとって、Fieldnotesの事例は、最新のAI技術をどのように実用的なアプリに落とし込むか、プライバシーやオフライン対応といった非機能要件がいかに重要か、そしてAIの限界を理解した上で、それを補うための堅牢なシステム設計がいかに求められるかを学ぶ良い機会となるだろう。