注意欠如・多動症（ADHD）のタスク開始障がいに対応するため、個人開発者が大規模言語モデルのファインチューニングを活用した支援ツールNeuroBaitを公開した。本プロジェクトは家庭環境で開発され、Hugging Face Spaces上で運用されている。既存のAI支援ツールが診断やタスクリストの提供に留まる傾向にあるのに対し、NeuroBaitは実行機能の麻痺状態にあるユーザーに対し、具体的な行動を促す短く温かい応答を生成することで、ドーパミンの放出を促しタスク開始のハードルを下げることを目的としている。 技術的な基盤にはGoogleのGemma-3-12B-itをベースモデルとして採用し、Unslothを用いた16ビットLoRAでファインチューニングを実施した。トレーニングはModal.comのH100 GPU環境で実行され、学習データは汎用的な生産性コンテンツではなく、実際のADHDにおける実行機能の障がい体験に基づいて構築された合成データを使用した。開発者はデータセットの品質がモデル規模よりも重要であることを実証し、ランタイムでは4ビット量子化されたモデルにアダプタを適用する構成で運用している。 ベースモデルのままでは依然として箇条書きや構造化された指示になりがちだが、ファインチューニング後のモデルは文脈を汲み取り、非構造化で流れるような自然言語で応答する。臨床用語や説教調を排除し、ユーザーを主体とした一人の具体的な行動提案に終始する設計は、実行機能の低下による着手難状態にあるユーザーに特に有効であることが確認されている。 開発者は本ツールの適用範囲はADHDに限定しないと指摘し、情報過多による精神的麻痺や日常的な着手難に直面するあらゆるユーザーに対して機能し得ると分析している。今後はモデル重みの公開、開発パイプラインのオープン化、英語とインドネシア語のバイリンガル対応を進める方針だ。さらに、ユーザーの実際のフィードバックを設計プロセスに統合し、コミュニティ主導で改善を続けていく計画を発表している。 詳細: https://huggingface.co/spaces/build-small-hackathon/NeuroBait