YOLOを3週間触って、後から気付いた。「私が欲しかったのはハーネスだった」

「ハーネス」という言葉を最近よく見かけます。私はまだハーネス技術という、専門用語を何一つ解釈できていません。書籍を入手できていないし、フレームワークを調べたこともありません。

それでも、この3週間を振り返ると、「私が困っていたこと」は、ハーネスという考え方が解決しようとしている課題そのものだったようです。

動画から画像を切り出し、ビーバー博士が教師データを積み上げては、アノテーションを整える。

YOLOv8フレームワークを借りて、
学習し精度を確認する。

翌日は、また新しいデータを追加して、
runsのbest.ptを磨く

その繰り返しです。

鳩やスズメばかりが、脳裏に残像していました。ところが、本当に苦労したのはYOLOではありませんでした。毎回AIにプロジェクトフォルダの場所を説明すること。

venv を有効化すること。
Pythonの実行環境を維持すること。
アンブレラ、キャット、ヒューマンは検出不要。

（無料のLLMを使っているため）
途中でモデルやIDEを切り替えながら開発を続けること。

昨日まで使っていたAIが今日はいなくなり、
別のAIに同じ説明を繰り返すこと。

そこで私は、自然と「引き継ぎドキュメント」を作るようになりました。

プロジェクトの目的。ディレクトリ構成。現在の進捗。

学習済みモデル。次に実行するコマンド。注意点。

AIが代わっても、そこから仕事を続けられるように書き残したのです。

はじめは「引き継ぎメモ」のつもりでした。しかし今振り返ると、あれは単なるメモではありませんでした。

AIが変わっても、IDEが変わっても、昨日の続きを始められるようにするための「仕事の土台」でした。

これはハーネスなのか？

後から調べてみると、この考え方は、最近AIエージェントの世界で語られる「ハーネス」にかなり近いようです。

もしそうだとすれば、ハーネスとは新しい流行語ではありません。

AIが何日も、何週間も仕事を続けるために、人間が自然と作り始める仕組みなのかもしれません。

私はまだハーネスの専門家ではありません。これから書籍や実装を学んで答え合わせをしていこうと思います。

ここで一つだけ言えるのは、YOLOとアノテーションを学んだ3週間で、一番身に付いたのは物体検出ではありませんでした。

それが、私が今回の実習から得た一番大きな学びでした。

最近の私の記事は、最新のAIツールを紹介するものではありません。AIを使ってはいますが、AIを語る記事でもありません。

毎日の試行錯誤や失敗を積み重ねながら、
「AI時代には、どんな考え方や仕事の進め方が必要になるのか」を、自分自身で確かめている実験記録です。派手な成功談ではなく、一人の開発者が泥臭く積み上げた日記として、これからも残していこうと思います。

#LLM #ローカルAI #AIエージェント #馬具
#AI実験 #AI開発 #個人開発 #ハーネス