この記事の著者は、夜中に何度も目が覚める問題を抱えていました。しかも厄介なのは、「何に起こされたのか」がわからないこと。
これ、すごくわかります。人間って眠りから起きかけの状態だと、音の正体をちゃんと掴む前に刺激だけ残って、気づいたら終わっているんですよね。雷みたいに繰り返す音でもなければ、犯人はだいたい謎のままです。
問題は、原因がわからないと対策も打ちようがないことです。
「外の騒音かな？」「隣の部屋かな？」「それとも家の中？」と推測だけで動くと、カーテンを変えたり、マットレスを替えたり、的外れな投資になりがちです。ここが地味に痛い。著者の言う「guessing tends to be expensive」はかなり真実だと思います。
著者は、夜中の騒音と睡眠状態を照らし合わせるためのツールを作りました。ざっくり言うと、こういう仕組みです。
ここがかなり賢いです。
単に「ずっと録音する」ではなく、「寝ているときだけ」「しきい値を超える大きな音だけ」を拾うようにしている。つまり、全部を記録するのではなく、あとで見返す価値がある部分だけを残す設計です。
これは個人向けツールとしてかなり筋がいいと思います。
全部の音を保存していたら、たぶん地獄です。フリーザーブーンというか、エアコンの音というか、生活音の海に溺れますからね。
この話のいちばん重要なポイントは、AIに「答え」を出させたわけではないことです。
AIがやったのは、
といった「作るための補助」です。
一方で、実際に何の音だったかの判定は、人間がやっているそうです。
つまりAIは「ドアの音だ」「食器だ」「バイクだ」と直接ラベリングする役ではなく、「その音を聞くべき瞬間を見つける役」です。
これ、かなり本質的だと思います。
AIに全部やらせるより、人間が判断したい部分だけを切り出して、そこにたどり着く手間をAIで減らす。この発想は、個人開発では特に強いです。
しかも著者は、コードをあえて深く読まずに、結果をテストしてフィードバックする形で進めています。さらに、ブラウザのスクリーンショットをAIに取らせて確認させたり、Raspberry Pi に SSH で入らせて直接試させたりもしたとのこと。
このあたりは、かなり「AI時代の開発」っぽいです。
昔なら、ここまで手を動かすには気合いも時間も必要でした。でも今は、週末の気分次第で「まあ作ってみるか」が成立する。これは本当に世界が変わった感じがあります。
完成した web app では、1日のデータがまるで音楽編集ソフトのように並びます。
この見せ方がとてもいいです。
普通のログって、時系列でズラズラ並ぶだけで疲れるんですが、著者のアプリは「同じ瞬間に何が起きていたか」が一目でわかる。しかも、睡眠ステージの切り替わりや覚醒っぽい箇所が赤く強調されていて、そこを起点に音声を再生できる。
個人的には、この「赤い箇所から入る」という設計がすごくうまいと思いました。
情報を全部見せるのではなく、まず見るべき場所を教える。これは、データ分析ツールとして非常に実用的です。
実際に使ってみると、原因はかなりはっきりしてきたそうです。
主な犯人は、
いや、これはかなりリアルです。
騒音って、思っている以上に「どこから来たか」がわかりにくいんですよね。壁や窓を通ると音の性質が変わるので、脳が簡単にだまされる。だからこそ、データで確認できるのは強いです。
原因がわかれば対策も打てます。著者は、
といった対応をしたそうです。
この最後の「会話で解決した」は地味に大事で、技術で全部解決する話ではないところが良いです。
むしろ、データで事実を共有できるから、相手にも納得してもらいやすくなる。ここは個人的にかなり重要な学びだと思います。
技術的には、Raspberry Pi が音をずっと録っているのではなく、リングバッファ（直近の短い音をメモリに貯める仕組み）を使っています。
音が大きくなった瞬間だけ、前後数秒つきで保存する。しかも、常時録音ではなく Home Assistant 経由で有効化されたときだけ動く。
さらに、
という構成です。
ここで感心するのは、すべてを一体化させず、役割を分けていることです。
録音担当、睡眠データ担当、家のセンサー担当、表示担当が分かれていて、それを timeline にまとめる。個人開発でも、こういう分業の考え方はすごく大事だと思います。
著者自身も言っている通り、AIが「問題を解決した」のではありません。
AIが、問題を解決するための道具を作るコストを下げたのです。
ここがいちばん面白いところです。
以前なら「ちょっと便利そうだけど、作るのが大変だからやめとこう」で終わっていたものが、今は「週末でいけるかも」に変わっている。これは個人の生活改善にとってかなり大きい変化です。
しかも、このタイプのツールは大げさな製品にならなくていい。
著者にとって必要なのは、世の中に売るサービスではなく、自分の睡眠を改善するための十分な可視化でした。だからこそ、AIで雑に速く作る価値があるんです。
著者は、今後やってみたいことも挙げています。
どれも確かに便利そうです。
特に「似た音をまとめる」は面白いですね。音の分類って一見AI向きですが、この人はまず「人間が確認するための土台」を作った。そこから先に機械学習を足すのは、かなり自然な順番だと思います。
このブログ記事、派手さはないのにかなり好きです。
なぜかというと、AIの話を「未来のすごいこと」ではなく、生活の中の小さな不快を潰す実用品として描いているからです。
しかも、問題の立て方が良い。
この流れがすごく地に足がついています。
個人的には、こういう「地味だけど効く」AI活用こそ、今後どんどん増えるんじゃないかと思います。
「AIで何かを生成する」より、「AIで自分の生活を観察しやすくする」。
こっちのほうが、ずっと人間に優しい使い方ではないでしょうか。
参考: I Let AI Build a Tool to Help Me Figure Out What Was Waking Me Up at Night
