【ITニュース解説】The Gardening Assistant: Using Open-Weight AI to Get Out of the House 🌱

「The Gardening Assistant (TGA)」は、システム開発者がコンピューターの画面に向き合う時間を減らし、代わりに屋外での活動を促すために開発された、AIを活用した園芸プランニングアプリケーションである。私たちは日々の業務で画面を見つめる時間が非常に長く、便利なアプリやシステムを構築する一方で、現実世界での体験から遠ざかりがちである。このアプリは、AIがユーザーを画面に縛り付けるのではなく、むしろ画面から解放し、実世界での体験を豊かにするという逆転の発想から生まれた。

TGAの主な機能は、ユーザーの園芸条件、例えば庭の日当たり、庭のタイプ、個人の園芸経験、利用可能なスペースといった情報を基に、最適な植物を推薦することだ。単に植物のリストを提示するだけでなく、園芸初心者でも無理なく始められるよう、三つの具体的な植物の推薦、詳しい育て方、そして四週間にわたる実践的な屋外活動のチェックリストを提供する。このアプリの最も重要な点は、AIが推薦を生成した後にある。推薦される植物にはそれぞれ、枝の剪定やミントの葉を潰すといった実際に手を動かす屋外での体験が結びつけられている。毎週のチェックリストは、一回あたり15分から25分程度の屋外活動を推奨し、ガーデニングという活動を、無理なく継続できる習慣へと変えていくことを目的としている。

TGAは、ユーザーの環境に合わせた個別化された植物推薦に加え、水やりスケジュール、植物の成長サイクル、相性の良い植物の組み合わせといった実用的な栽培ガイドも提供する。「Touch Grass活動」と称される機能は、推薦された植物と実際に触れ合う感覚的な体験や作業を促す。四週間の行動計画に沿って週ごとのタスクを進め、その進捗を追跡することで、ユーザーは着実にガーデニングの習慣を身につけていくことができる。完了したタスクの進捗状況は、ユーザーのブラウザにローカルに保存されるため、安心して利用を続けられる。さらに、もしAIモデルが利用できない場合でも、代替の推薦エンジンが稼働し、ガーデニング計画の提案を継続する。このアプリの根本的な哲学は、「画面を見る時間はガーデニングの全体から見て最も短い部分であるべきだ」というシンプルな考え方に基づいている。

このアプリケーションの技術的な構造を見てみよう。TGAは、ユーザーインターフェースを担当するフロントエンド、データ処理やビジネスロジックを実行するバックエンド、知的な推薦を行うAIモデル、そして植物情報を蓄積する知識ベースで構成されている。フロントエンドは、React 19とViteという最新のウェブ技術を用いて構築されており、ユーザーが直感的に操作できるデザインが施されている。バックエンドは、Python言語とFastAPI、Pydanticというフレームワークで開発されており、フロントエンドから受け取ったユーザーの園芸条件を処理し、適切な情報を提供する役割を担う。

AIモデルとしては、Googleが公開しているオープンウェイトモデルのGemmaが採用されている。このGemmaは、Ollamaというツールを介して、ユーザー自身のコンピューター上でローカルに実行される仕組みになっている。これは、ユーザーの個人情報を外部のAIサービスに送信することなく、プライバシーを保護しつつ高度な推薦を実現するための重要な設計判断だ。知識ベースには、植物に関する詳細な情報、例えば日照条件、水やりの頻度、気候に関する注意点などが整理されたJSON形式のデータセットが格納されている。もしAIモデルが利用できない状況に陥っても、システムにはルールベースの推薦エンジンが組み込まれており、日照、スペース、園芸経験、庭のタイプなどの要素に基づいて適切な植物を推薦する代替機能が働く。ユーザーがアプリで生成した計画やタスクの進捗は、ブラウザのローカルストレージに保存され、再訪問時に過去の情報を利用できるようになっている。

AIモデルにGemmaが選ばれた理由としては、ユーザーの情報を外部の推論サービスに送ることなく、AIの恩恵を受けたいという開発者の意図がある。TGAでは、Gemmaモデルがユーザーのローカル環境で動作するため、庭のプロファイルや個人の習慣といった機密性の高い情報が外部に漏れる心配がない。Gemmaは、全てをゼロから生成するのではなく、厳選された植物の事実情報とユーザーの園芸条件を組み合わせて使うことで、より現実的で根拠に基づいたパーソナルな推薦を生み出すことが可能になっている。さらに、何らかの理由でOllamaを通じたAIモデルが動作しない場合でも、前述のルールベースの植物推薦エンジンが自動的にその役割を引き継ぎ、ユーザーがガーデニング計画を立て続けられるようにする。このようなハイブリッドなアプローチこそが、ガーデニングアシスタントがどんな状況でも有用であり続けるための鍵となる。AIモデルの接続が切れても、植物を植える計画を中断する必要はないのだ。

アプリの設計思想も非常に重要である。TGAは、ユーザーをアプリの画面に「引き留める」ことではなく、ユーザーが「行動を起こす」ことに重点を置いている。提供される四週間のチェックリストは、コンピューターから離れて実行できる具体的な一連のタスクをユーザーに提示する。進捗状況の追跡機能があるため、ユーザーは必要なときにアプリに戻ってガイダンスを得ることができるが、活動中ずっとオンラインである必要はない。結果として、AIは屋外での体験を計画する手助けをするが、実際の体験そのものは画面の外、現実世界で行われることになる。

このようなアプリケーションを開発できた背景には、「オープンイノベーション」という考え方が大きく寄与している。Gemmaのようなオープンウェイトモデルを利用することで、開発者はローカル環境でAIの推論を試したり、アプリケーションの内部構造を自由に調査したり、AIへの指示（プロンプト）をカスタマイズしたり、AIがどこでどのように推論を実行するかを選択する自由を得られる。TGAにとって、この自由は三つの実用的な利点をもたらした。一つ目は「プライバシーに対するより高い制御」である。庭のプロファイルには個人の住まいや屋外スペース、習慣に関する情報が含まれる可能性があるが、ローカルで推論を行うことで、これらの情報を外部に送信せずにパーソナルな推薦が可能となる。二つ目は「外部AIサービスへの依存の軽減」だ。ローカル推論は、主要な推薦機能のために有料のホスト型AIモデルのAPIを必要としない。ただし、これには適切なローカルハードウェアとAIモデルのインストールが必要となるため、ルールベースのフォールバックの存在が不可欠となる。三つ目は「より自由な実験の機会」だ。AIモデル、植物データセット、推薦エンジンはそれぞれ独立して開発・改善できる。開発者は植物データを調整したり、モデルの設定を変更したり、スコアリングルールを洗練させたりと、特定のサービスに縛られることなく改善に貢献できる。オープンイノベーションは単に無料で使えるというだけでなく、利用するテクノロジーを理解し、適応させ、その上に新たなものを構築できる能力を意味する。TGAは、この自由が何を可能にするかを示す小さな実例と言えるだろう。

TGAは、AIモデルによる補助的な推薦と、ルールベースのフォールバックを組み合わせることで、複雑な自律型エージェントに全てを任せるのではなく、推薦のプロセスをシンプルかつ理解しやすいものにしている。基本的な流れは、ユーザーの庭のプロファイル情報が、植物の事実データに基づき、Gemmaによる推論かルールベースのフォールバックを経て、パーソナルな計画と屋外行動チェックリストとして提示されるというものだ。これにより、AIの役割が明確になり、推薦の過程も検証しやすくなっている。

このプロジェクトでは主にGemmaの活用が中心だが、将来的には、手ぶらでガーデニング作業ができるように音声ナレーションをElevenLabsで提供したり、より正確な植え付け推薦のためにSerpApiでリアルタイムの霜日情報を調査したり、バックエンドの性能監視のためにSentry Agent Tracingを導入したりする計画もある。TGAを開発する経験は、AIが常に画面上の活動を増やす手助けをするのではなく、時にはコンピューターを閉じた後に何をすべきかを決める手助けこそが、その最良の活用方法であることを改めて示してくれた。このアプリは、人々が画面から離れ、実際に土に触れるきっかけを与えてくれるのだ。