見
読み込み中...
読み込み中...
5つのAI（ローカルLLM 4種 + Claude）が2030/2050/2100年の日本の米栽培適性を予測
予測マップを読み込み中...
5つのAI -- ローカルLLM 4種（Qwen3.6-35B-A3B、Gemma 4 31B、Llama 3.3-70B、Qwen3 Swallow 32B）と クラウドAIのClaude Opus 4.6 -- が、それぞれ独立に「2030/2050/2100年における日本47都道府県の米栽培適性」を予測。 討論を経て合作マップを生成し、最終的に農研機構の科学的予測と答え合わせを行う 教育エンタメコンテンツです。
合計2,115回以上の推論（47県 x 3年 x 5モデル x 3ラウンド）を実行し、 多数決とスコア集約により合作予測を生成しています。
| モデル名 | 出自 | 特徴 |
|---|---|---|
| Qwen3.6-35B-A3B | 中国/Alibaba | MoE構造で効率的推論 |
| Gemma 4 31B | 米国/Google | 高品質なベースモデル |
| Llama 3.3-70B | 米国/Meta | 最大パラメータ数 |
| Qwen3 Swallow 32B | 日本/Swallow | 日本語特化ファインチューン |
| Claude Opus 4.6 | 米国/Anthropic | クラウドAI（唯一の非ローカルモデル） |
注意: これは科学的予測ではありません。ローカルLLMの個性と限界を比較するメタコンテンツです。 正確な予測は農研機構等の公的機関の発表を参照してください。気候シナリオ: RCP8.5（高位参照）
Q. ローカルLLMとクラウドAIの違いは何ですか？
ローカルLLMは自分のPCやサーバー上で動作するAIモデルで、インターネット接続なしで利用できます。クラウドAIはAPIを通じてリモートサーバーで処理されます。本コンテンツではローカルLLM 4種（Qwen、Gemma、Llama、Swallow）とクラウドAI（Claude）の予測を比較しています。
Q. RCP8.5シナリオとは何ですか？
RCP8.5は気候変動に関する政府間パネル（IPCC）が定義した温室効果ガス排出シナリオの一つで、最も排出量が多い「高位参照」シナリオです。2100年に世界平均気温が約4.8℃上昇すると予測されます。本コンテンツはこのシナリオを前提としています。
Q. AIの予測結果は信頼できますか？
これは科学的予測ではなく、LLMの特性と限界を比較するメタコンテンツです。AIは学習データに基づく推論を行いますが、気候モデルによるシミュレーションとは本質的に異なります。正確な農業予測は農研機構（NARO）等の公的機関の発表を参照してください。
Q. アンサンブル学習とは何ですか？
複数のモデルの予測を組み合わせて、より安定した予測を得る機械学習の手法です。本コンテンツでは5つのAIモデルの予測を多数決で集約する合作マップがアンサンブルの考え方を体現しています。一般にアンサンブルは単体モデルより予測精度が向上します。
大規模言語モデル（Large Language Model）の略称。大量のテキストデータで訓練されたAIモデルで、テキスト生成・要約・翻訳など多様なタスクに対応する。GPT、Claude、Llama等が代表例。
複数の専門家ネットワーク（Expert）を持ち、入力に応じて一部のExpertだけを活性化させるアーキテクチャ。全パラメータを使う密なモデルより計算効率が高い。Qwen3.6はこの構造を採用。
高温条件下でも品質低下が起きにくいよう品種改良された米の品種。にこまる・きぬむすめ・にじのきらめき等がある。気候変動に対する農業適応策の一つ。
本コンテンツ独自の5段階評価（1〜5）。5が最適、1が大幅な品種転換が必要。各AIモデルが都道府県ごとに独立して評価し、多数決で合作スコアを算出。
国立研究開発法人農業・食品産業技術総合研究機構。気候変動下における農業影響評価や気候変動適応技術の開発を行う日本最大の農業研究機関。
教育現場での活用アイデアをまとめました。
AIの米栽培適性予測と農研機構の科学的予測を比較し、AIの予測能力と限界を分析する活動。
進め方：
議論テーマ例：
自分の都道府県の米栽培適性予測を調べ、気候変動への適応策を提案するプロジェクト学習。
進め方：
議論テーマ例：