思考スケールが足りない：AIエージェントで食料システムを再構築する — コーディ・メネフィー（Firecrawl）
AAI Engineer
Computing/SoftwareSmall Business/StartupsEnvironment
Transcript
00:00:00皆さん、こんにちは。コーディです。まずこの写真を映したのですが、というのもこのジャケットが
00:00:20思ったほどウケていないんですよね。誰もジョークを理解してくれない。だから皆さんの目の前に
00:00:26見せつけようと思いまして。別にロゴだらけのスタジャンを着るのが好きなわけではありません。
00:00:30狙ってネタに走ってみただけです。改めまして
00:00:35コーディです。Firecrawlのグロースチームにおり、本日は皆さんに
00:00:40「視野が狭すぎる」という話をさせてもらいにきました。ですが本題に入る前に
00:00:45触れておかなければならない問題があります。Theoにトークのテーマをパクられたんです。彼が
00:00:501か月ほど前に『You Need to Think Bigger』という動画を公開したのですが
00:00:54言わせてください、僕がこのトークのタイトルを提出したのはTheoの動画より1か月も前です。
00:00:58僕がパクったんじゃない。彼がパクったんです。というわけで今日は
00:01:04農業について話します。ええ、文字通り農業のことです。具体的には畜産業、
00:01:10さらに言えばグラスフェッド（牧草飼育）畜産における
00:01:14放牧地ローテーションの自動化についてです。まさか今日ここで牛や草や
00:01:20農業について学ぶとは思っていなかったでしょうが、僕が登壇した以上学んでもらいます。まずは
00:01:25僕の経歴と、なぜ僕の話を聞く価値があるのかをお話しします。手短に言えば
00:01:30僕にはこのトークにふさわしい資格など何もありません。ですが全力で話させていただきます。
00:01:34ケンタッキー育ちで、肉体労働のバックグラウンドを持っています。
00:01:38バーテンダー、整備士、接客など色々やりました。農家だったことは一度もありません。
00:01:46その後、なんやかんやでエンジニアリングやソフトウェア開発の世界に入りました。
00:01:51実はソフトウェアエンジニアと名乗るのは気恥ずかしく、
00:01:56かなり抵抗があります。おこがましく感じてしまうのです。というのも皆さんが恐れる
00:01:59典型的な「バイブスコーダー」だからです。一日中AIエージェントを使い、構文は覚えておらず、
00:02:05プログラミング言語に習熟してもいませんが、週末にテキトーに形にすることはできます。
00:02:10現在はFirecrawlで働き、AIエージェント用のコンテキスト構築を行っています。
00:02:16エージェントがWebデータへアクセスするためのAPI群を提供しています。先ほど言った通りグロースチーム所属ですが、
00:02:21今日はもっと農業の話を踏み込んでしていきます。ですがその前に僕の数少ない実績をお見せします。
00:02:26これはテスラの上に七面鳥を載せて運んでいる本物の写真です。このせいで
00:02:33ガラスルーフには今もヒビが入っています。ナッシュビルの住宅街にある
00:02:38自宅で撮ったもので、本来は七面鳥の飼育が禁止されている地域です。ですが裏庭で10羽飼いました。
00:02:43自分で食べる家畜を実際に育てる感覚を知りたかったからです。
00:02:49率直に言って精神的にかなりキツい体験でした。これはテスラの屋根に
00:02:56積み込んでいるところで、ここから加工場まで3時間運転しました。途中でスーパーチャージャーに
00:03:01寄らなければならず、多くの人から写真を撮られました。分かったのは、
00:03:07屋根の上に七面鳥が詰まった巨大な風よけを載せると航続距離が著しく縮むということです。
00:03:13本当にヒヤヒヤするドライブでした。一時はエンジニアをやめて農家になろうとしたほどです。
00:03:21本気で鶏を飼いたかった。これは僕が考案した実際のパッケージ画像です。
00:03:26七面鳥を白い包装紙で包み、文字通り「e-e」という言葉を貼り付けたかった。刺激的だと思ったんです。
00:03:31買ってもらえると思ったのですが、農業で金を稼ぐのは実に難しいと気づきました。
00:03:36驚きですよね。僕には妻と2人の子供がいます。僕が農家ごっこをして
00:03:46鶏を育てるために家族に今の生活を捨てさせるわけにはいかないと思いました。そこで
00:03:51方向転換し、農業自体や自分が関心のある畜産システムを
00:03:57スケールさせる方法がないか探ることにしました。このトークで達成したいことは3つあります。
00:04:021つ目は、もっと大きなアイデアを追求するよう皆さんを納得させることです。こうしたカンファレンスや
00:04:07個々の場面で、僕たちは「ソフトウェア開発者のためのソフトウェアを作る人のための
00:04:12ソフトウェア」を作る話ばかりに時間を費やしがちです。
00:04:17「どこかの企業のSaaSソリューション用にまた別のMCPを作る」こと以外にも解決すべき問題はあると提起したいのです。
00:04:22そしてもう1つは、逃げられない観客の皆さんを利用することです。
00:04:27いつでもどこでも僕につかまったら最後、農業について熱弁されることになります。
00:04:32だから今ここにいます。そしてうまくいけば、Firecrawlで働きたくなるよう説得できるかもしれません。
00:04:39まず第一に、家畜は放牧地で育てるべきだと僕は信じています。動物は草の上で生きるべきです。
00:04:45その方が動物、消費者、農家、生態系にとって良いのです。必要とあらば
00:04:48それぞれのテーマでTEDトークができるほどです。なぜ動物を草の上で育てることが良いのか
00:04:53詳しく知りたい方は後で声をかけてください。ただ全員に説明する時間はありません。僕の言葉を
00:04:57信じてください。そこを起点としましょう。「動物は草の上で育てるべき」これが達成したいゴールです。
00:05:05反舎飼い派というわけではありません。そうせざるを得なかった理由は理解しています。ですが現在でも97%の牛が
00:05:11フィードロット（肥育場）で仕上げられており、放牧地で育てられるのは3%だけです。僕の意見ですが、もっと多くの動物を
00:05:17草の上で育てられるはずです。どうすれば放牧を増やせるかを解き明かしたいのです。ではなぜ
00:05:22放牧されていないのか？それは労働力がボトルネックだからです。草の上で育てるのは本当に大変なのです。
00:05:28正しく放牧を行うということは、絶えず動物を移動させることを意味します。これには莫大な労力がかかります。
00:05:35グラスフェッドビーフと聞いて、100エーカーの土地に100頭の牛を放し飼いにし、草を食べさせて
00:05:41年末に牛肉を出荷する、といった光景を想像するかもしれません。ですが実際はそんなに単純ではありません。
00:05:48牛の好きなように放牧させると、好みの草ばかりを食べて
00:05:51食べるべきでない草を残し、特定の場所を何度も踏み荒らすため、放牧地の質があっという間に低下します。その解決策が
00:05:58「回転放牧（ローテーショナル・グレイジング）」です。これは放牧地を個別の区画（パドック）に分け、
00:06:041日分の食料がある区画へ動物を毎日移動させる手法です。これにより特定のエリアを休ませつつ
00:06:10他のエリアで放牧を行うことができ、時間をかけて放牧地全体の生産性を高められます。しかしこれには
00:06:17とてつもない労力がかかります。動物を必要な頻度で適切に移動させるために、
00:06:25柵や動物、水場を移動させ、毎日管理し続けなければなりません。現在この問題に
00:06:33取り組もうとしているソリューションもいくつか存在します。最近ニュースでHalterという会社を目にしたかもしれません。
00:06:38ピーター・ティールが評価額20億ドルで投資した企業です。No Fenceという会社もあります。これらの
00:06:44企業は、GPS衛星と接続された首輪を動物に装着させることで
00:06:50仮想の境界線を描き、遠隔で動物を移動させられるようにしています。これは省力化に向けた
00:06:56素晴らしい一歩だと思いますが、どこに動物を移動させるべきかを知る必要があるという課題が残ります。
00:07:05正直に言って、これは学問として確立されたものではありません。毎日ただ機械的に
00:07:10放牧地を直線状に移動させて同じ場所へ回せばいいというわけではないのです。なぜなら草は
00:07:17毎日均一に育つわけではないからです。干ばつの状況や降水量、特定の
00:07:23区画が受けたダメージの程度などが影響します。現在このプロダクトは、農家が自ら放牧地へ向かい、
00:07:28自分の目で草の状態を確認して「次に移動させるべき最適な場所」を直感的に判断することを前提に販売されています。
00:07:33つまり課題は、農家が遠隔でも仮想フェンスの移動先を根拠に基づいて判断できるよう、
00:07:41「現場を見る農家の目」をいかに代替するかということです。これには他にも考慮すべき点があります。
00:07:48草の丈の高さを把握しなければならないという点です。草には成長サイクルがあります。
00:07:54短く刈り込みすぎると再生までに非常に長い時間がかかります。逆に伸ばしすぎると
00:07:59老いて苦くなり、動物が嫌がります。草の状態を保つべき理想的な「適齢期」があるのです。
00:08:04伸びすぎる前に食べさせつつ、短く食い荒らさせないようにする。
00:08:08動物を移動させ続け、定期的に同じ放牧地へ戻すことで
00:08:13草を最も成長に適した状態に保ち、常に最大限の生産性を維持する必要があります。
00:08:21これをつ実現するためのアプローチがいくつかあります。これらは僕なりの解決策であり、
00:08:26どうすれば実現できるか実際に考えて取り組んできた内容です。選択肢の1つは
00:08:31ドローンによるオルソモザイクマップです。ドローンの飛行を自動化できれば、
00:08:36放牧地の上空を飛ばして写真を大量に撮影し、農家が分析できる非常に高精度で高解像度な
00:08:41草の画像を得られます。しかしこの方法の課題は、農家にドローンの操縦を教えるための
00:08:48大幅なスキルアップが必要なことです。またドローンを目視内に保つ法律上の規制問題もあります。
00:08:52理想は完全自動飛行ですが、現在このような用途で自動運航ドローンを承認している法域は
00:08:56世界中のどこにもありません。そのため大きなボトルネックとなっています。
00:09:01画像の解像度や品質は非常に高いものの、これらのハードルをすべてクリアするのは
00:09:05難易度が高いと感じます。現在僕が一番気に入っているのは人工衛星を使う方法です。
00:09:11Planetという素晴らしい企業があり、1メートル四方の解像度で地球全体の写真を毎日
00:09:17撮影しています。しかし人工衛星は上空遥か彼方にあるため、
00:09:25情報に基づいた適切な判断を下すのに必要な一部の要素を把握するのは困難です。
00:09:31中央の写真は、ミズーリ・リンカーン大学で研究助手として働いている
00:09:35ミズーリ州の友人から送られてきたものです。木の横にトレイルカメラと
00:09:42計測器具を設置し、カメラの映像からその物体に対して草がどれくらい伸びているかを割り出すという発想です。
00:09:48その特定のおブジェに対する高さの参照点を作り、
00:09:54草がどれくらい再成長しているかを確認するのです。この問題と
00:09:59首輪の問題を解決できれば、このループの中心にLLMを組み込み、
00:10:07自律的な放牧運用の実現に向けた取り組みを進められる世界が開けます。
00:10:14つまり、LLMが毎日、家畜をどこに移動させるべきか最適な判断を下すのです。しかしこれは多変量
00:10:19ですが、これは多変
00:10:25昨日いた場所、明日の移動先、地域の干ばつ状況など
00:10:30農場全体の草の丈など、複数のデータを入力する必要があります。しかも、この判断は
00:10:36日々のレベルだけでなく、さまざまな相関関係を考慮して行う必要があります。
00:10:43特定の1頭にとって最適な場所、群れ全体にとって放牧地との関係で最適な場所、
00:10:49農場全体、さらには広域な生態系との関係での最適解を求めます。
00:10:55これらすべての要素が相互にフィードバックし合っており、全容を最適化できれば
00:11:00より生産性の高い農場となり、より狭い面積で多くの家畜を飼育できるようになります。これこそが
00:11:05フィードロット（肥育場）方式に対抗するためのスケール化であり、より少ない牧草地で多くの牛を育てる方法です。
00:11:12この問題をどう解決すべきでしょうか？いくつかの要素があります。このシステムを実現するには、
00:11:17主に3つの大きな障壁をクリアする必要があります。1つ目は知識ベースの構築です。
00:11:21これは私がFirecrawlや「OpenPasture」というオープンソースプロジェクトで
00:11:26主に取り組んでいる内容です。いつ、なぜ、どのように家畜を移動させるべきか、
00:11:32そのメリットなどの知識の多くは、主にYouTube動画の中に閉じ込められています。
00:11:38素晴らしい農家がたくさんいて、ミズーリ、テネシー、ケンタッキーなどで
00:11:42毎日家畜を移動させようと奮闘している頼もしい農家たちのチャンネルが山ほどあります。
00:11:48彼らは学んだことや、どの品種が最適か、牧草地の生物多様性のために
00:11:54どのマメ科植物を目指すべきかなどを教えてくれます。さまざまな要素が絡み合っているため、
00:11:59そうした知識ベースを構築する必要があります。Firecrawlは、私が実際にデータを
00:12:03収集するために使っているツールキットです。YouTube動画や研究論文をスクレイピングして
00:12:08アーカイブし、知識ベースを構築しています。そしてOpenPastureは、その情報を保存し、
00:12:13利用したいすべての農家がアクセスできるようにするためのリポジトリです。
00:12:18次に解決すべきは、可視化レイヤーです。農家が普段、牧草地を目視する
00:12:24直感から得ている草に関する情報には、把握すべき多くの要素があります。
00:12:28家畜の現在地、移動先、移動させたい場所に関して突き止めるべき主な2つの要素は、
00:12:34バイオマス（消費可能な葉の量がどれだけあるか）と、
00:12:40長期的なその放牧地の生物多様性です。特定の区画を過剰に
00:12:46放牧しすぎると、特定の寒冷型草本、温暖型草本、
00:12:52マメ科植物などに偏り始めてしまいます。理想的には、牛が十分な栄養を得られるよう、
00:12:58牛に必要な栄養を確実に摂取させ、干し草や銅、
00:13:03アルミニウムなどを補給する必要をなくすためです。牧草自体から主要栄養素や微量栄養素をすべて摂取できるのが理想で、
00:13:10そうなれば完全に手のかからないシステムになります。そして3つ目は、ジオフェンス関連企業についてです。
00:13:19NoFenceやHalterなどの技術開発には感謝しつつも、
00:13:24強い意見の違いがあります。彼らのソフトウェアを使うには専用首輪の購入が必須で、
00:13:29自作ソフトウェアをその首輪に接続できない点です。ビジネス上の理由は理解できますが、
00:13:34業界全体としては非常に厄介な問題です。私はソフトウェア層で革新を起こし、
00:13:39自作のLLMが予測したGPS位置情報をこれらの首輪に送信したいのです。
00:13:45正直に言うと、既存ソフトウェアの性能に満足していませんし、もっと良いものが作れると考えているため、
00:13:49彼らのソフトウェアに頼りたくありません。ですから、この講演の目的の一部は、
00:13:55会場の皆さんへの呼びかけでもあります。誰か私に首輪を作ってください。特許もAPIも
00:14:02オープンである必要があります。既存の市販パーツを組み合わせられるような解決策が理想的です。
00:14:08農家は創意工夫が得意で、自分で道具を修理するのを好みます。
00:14:13John Deere問題のような「修理する権利」への共感も強いです。そのため、この問題に取り組む方への要望は、
00:14:19特許とAPIを公開した首輪を設計し、ソフトウェアで競争して最適化できるようにすることです。
00:14:23次に興味深い話として、これは反芻動物だけに留まらないという点があります。
00:14:31反芻動物とは、牛、羊、ヤギなどの動物分類のことです。
00:14:36草を噛み、反芻胃と呼ばれる器官で消化します。
00:14:43しかし、この放牧回転に複数種を組み合わせることで、さらなる利益が得られます。
00:14:48これはPasture Birdという会社で、私がこの構想に夢中になる大きなきっかけとなりました。
00:14:53彼らは通常の鶏小屋に大きな車輪を取り付け、移動を自動化し、
00:14:5924時間ごとに放牧地を少しずつ移動させるようにしました。
00:15:05鶏でこれを行う科学的な理由は、鶏が栄養の大部分を
00:15:08草から得ているわけではないからです。鶏は完全な草食ではなく雑食なので、穀物飼料で補う必要があります。
00:15:13そのため、鶏小屋を草地の上で少しずつ進め、育つための豊かな土地を与えることができます。
00:15:22フンに含まれる窒素は、草自体の肥料として機能します。
00:15:30さらに、反芻動物と鶏を組み合わせることで追加のメリットが生まれます。
00:15:34最初に反芻動物を走らせて草の頂部を食べさせ、その後に鶏がついてきて
00:15:39フンの中の寄生虫をつついて食べます。農場全体の寄生虫の負荷が減り、
00:15:45家畜の健康維持に必要な薬剤費を削減できます。長期的に見れば、
00:15:50より堅牢な繁殖用個体群が育ち、人為的介入を減らして
00:15:56草を食べさせて肉にするだけの強い動物が得られます。今回の講演から
00:16:04持ち帰ってほしい1つ目の点は、単なる二者択一ではなく多変量解析を必要とする
00:16:09現実世界の大きな物理的問題を見つけ出し、解決すべきだということです。
00:16:17決定論的な解決策が存在しない問題は世の中にたくさんあります。多くのエンジニアが
00:16:22LLMを決定論的なプロセスに変える方法について語っていますが、
00:16:27決定論的アルゴリズムでは解決できない問題も多いというのが私の主張です。これもその一つです。
00:16:33これは多変量解析であり、移動すべき絶対的な「次の最適パドック」は存在しません。
00:16:38移動先として最適と思われる推測があるだけです。そのような
00:16:44マルチデータ入力システムの中央にLLMを配置し、データを推論させて
00:16:49人間が確認または拒否できる提案を出せれば、こうしたシステムを拡張し始めることができます。
00:16:55現在は農家の労働力や意思決定能力の限界によって大きく制限されていますが、
00:17:02これらの問題を解決すれば、すべての動物を放牧で育てられるよう事業を拡大するツールを提供できます。
00:17:08そして最後の点は、これらの課題解決に力を貸してほしいということです。
00:17:13一番の課題は、エージェントに必要なコンテキストを与え、データを収集・パッケージ化し、
00:17:19LLMが推論できる形で提示することです。
00:17:24それこそがFirecrawlで行っていることです。思考の枠を広げてください。Firecrawlは
00:17:29AI向けのコンテキスト層を構築する場所であり、ぜひ一緒に作り上げましょう。採用中です。
00:17:34現在募集中の求人一覧はこちらです。ウェブサイトをご覧ください。自分に合う職種を見つけて
00:17:39ご連絡ください。ウェブからデータを取得して複雑な問題を解決し、
00:17:44そのデータをコンテキストとしてAIエージェントに提示する方法を追求する仲間を増やしたいと考えています。
00:17:50そうすれば世界をもっと良くできるはずです。私の名前はコーディです。Open Pasturesは私のオープンソースプロジェクトで、
00:17:57Firecrawlが普段の仕事場です。SNSアカウントはこちらです。この後も少し残りますので、
00:18:02動物や牛、鳥など、何でも気軽に話しに来てください。本日はお越しいただきありがとうございました。
Community Posts
No posts yet. Be the first to write about this video!
Write about this video