
脱クラウド宣言。GT 1030からRTX 5060 Tiへ。ローカルAIが農業を変える日
農業DX挑戦シリーズ #05
この記事は、個人農家がIoT・クラウド・生成AIを活用して独自のスマート農業システムを構築する過程を発信する「農業DX挑戦シリーズ」の第5弾です。
...と書きつつ、前回に引き続き本筋からちょっと脇道に逸れた話をします(笑)。
以前の記事でエオリカシステム(圃場管理システム)については簡単に触れましたが、データ分析基盤についてはまだ詳しく書けていません。前回の記事でも「次は自動化フローの詳細を書く」と予告しておきながら、今回も別の話題です、すみません。エオリカシステムも分析基盤も、どちらもバリバリ運用中なんですが、常にブラッシュアップを続けていて、なかなか「ここで区切ろう」というタイミングが来ない状況でして。必ずまとめるので、もう少しお待ちください。今回もちょっとした小話にお付き合いいただけたら嬉しいです。
前回の記事「作業日誌を書くのをやめたい」では、Notta MemoとWhisperを使った音声入力による自動化がいかに農作業のストレスを軽減するかについて書きました。
「喋るだけで記録が終わる」。この体験は革命的。
しかし、人間というのは贅沢なもので、便利になればなるほど、新たな不満が生まれてくるのです。
「...認識、ちょっと遅くない?」
「専門用語の誤変換、やっぱり多いな...」
今回は、その壁を打ち破るためにとある決断をした話です。
農業用PCの心臓部(GPU)を、枯れた技術の「GT 1030」から、最新鋭の「RTX 5060 Ti (16GB)」へと換装する。
これは単なるスペックアップではありません。「クラウドだけに頼らない、ローカルAI活用」への挑戦の狼煙(のろし)です。
1. なぜ「ローカルAI」なのか? 〜クラウドの限界〜
課題1: VRAM 2GBの絶望
これまで使用していたグラフィックボードは「NVIDIA GeForce GT 1030」。ビデオメモリ(VRAM)はわずか2GBでした。
Whisper(音声認識AI)を動かすには、このメモリ容量が致命的です。
Tiny/Baseモデル: 動く。しかし精度はお察し。
Smallモデル: ギリギリ。
Mediumモデル: VRAM不足でクラッシュするか、CPU処理に回されて激重。
Large-v3モデル: 夢のまた夢。
結果として、精度の低いSmallモデルで妥協するしかなく、「分枝(ぶんし)」が「文章」になったり、「飽差(ほうさ)」が「放射」になったりする誤変換に悩まされていました。
課題2: レスポンスとコスト
クラウドAPI(GeminiやOpenAI)を使えば精度は出ます。しかし、音声データをアップロードし、処理を待ち、結果を受け取る...さらに、毎日何十回も使うとなると、従量課金のコストもチリツモで無視できなくなってきます(まぁ今のうちは、無料枠でなんとかなってますが)。
「自分のPCの中で、一瞬で、無料で、あるていどの精度のAIを動かしたい」
そのために必要なピースは、今と比べて圧倒的なVRAM容量を持つGPUでした。
しかし、そのGPUを迎えるためには、もう一つの大きな壁を乗り越える必要があったのです。
2. 10年越しの「電源の壁」
GPUを換装しようとPCケースを開けたその時、すっかり忘れていたことを思い出しました。
今まで使っていた電源ユニット(Enhance 560W)には、最新のRTX 5060 Tiが求める「8ピン補助電源コネクタ」が存在しなかったのです。
それもそのはず。この電源は、私が高校時代に初めて自作PCを組んだ時のもの。2010年頃の遺産(レガシー)です。
SATA電源から変換アダプタを噛ませて無理やり動かす...一応可能ではあるみたいでしたが、まぁ買い替えるのが無難。
「事業の基盤となるシステムに、発火リスクのある不安定な電源を使うわけにはいかない」
そこで、GPUと共に電源ユニットも一新することを決断しました。選んだのは、最新規格 ATX 3.1 に準拠した MSI MAG A750GL PCIE5 (750W / 80PLUS GOLD)。
選定の決め手は「信頼性」です。
電源はPCの心臓部であり、最も重要なパーツの一つ。ここでケチると後で痛い目を見ます。ノーブランド品と比較しても価格差はそこまで大きくなかったので、それなら保証も長く付いている安心のMSIを選びました。
さらに嬉しかったのが、フルモジュラー式の設計。使わないケーブルは取り付けなくて済むので、PC内部がスッキリしました。エアフローも改善されて、24時間稼働させる農業サーバーにはありがたい。
ハイエンドGPUの発火トラブルが話題になる昨今、電源選びに妥協しないことは、何物にも代えがたい保険です。
「充電式エアダスター」を手に、PC内部に溜まった埃を吹き飛ばしながら、電源を取り付け、GPUを受け入れる準備も完了。

3. RTX 5060 Ti 16GB導入
こうして電源問題をクリアし、ついに本丸が登場します。
RTX 5060 Ti 16GB。
選定の理由はシンプルです。
「16GBのVRAMを搭載した、最もコスパの良いGPUだから」。
ローカルLLMやWhisper Large-v3を快適に動かすには、最低でも12GB、できれば16GBのVRAMが推奨されます。
ハイエンドのRTX 4090/5090は高すぎて畑の肥やしにもなりませんが、xx60番台の16GBモデルなら、農家のポケットマネー(という名の設備投資)でも手が届きます。
価格は10万円弱くらい。Amazonにて購入。
まさかゲーム目的以外でGPUを購入する日が来るとは、思っても見ませんでした。
これまで取り付けていたGT 1030とはサイズも高級っぽさも格段に違う。
働きに期待しつつ、DDUにて古いドライバを削除し、RTX 5060 Tiをセットアップ。さてどうなることやら


4. 実験結果:農業専門用語 vs 最強モデル
換装とセットアップが完了しました。
「GT 1030 (Mediumモデル)」vs「RTX 5060 Ti (Large-v3モデル)」の徹底比較ベンチマーク結果を報告します。
処理速度の比較
約2分間の音声データ(農業専門用語満載)を書き起こすのにかかった時間です。
GT 1030 (2GB) / Medium(CPU処理)
処理時間:約 151秒(基準)
RTX 5060 Ti (16GB) / Medium(CUDA)
処理時間:約 17秒(基準比 x8.9)
RTX 5060 Ti (16GB) / Large-v3(CUDA)
処理時間:約 26秒(基準比 x5.8)
圧倒的です。
これまで「処理待ち」で思考が途切れていたのが、コーヒーを一口飲む間に終わります。
何より、最高精度のLarge-v3を使っても30秒を切るという事実が、ローカルAIの実用性を証明しています。
精度の比較
肝心の「専門用語」の認識精度はどうだったでしょうか。
例文:
「A棟のトルコギキョウ、現在の**飽差(ほうさ)**が3.5g/m3。**蒸散(じょうさん)**を促すため... **MQTT(エムキューティーティー)**ブローカーのログを...」
Mediumモデル (旧環境):
飽差 → 放射 (×)
3.5g/m3 → 3.5g (単位欠落)
MQTT → M9TT (× 謎の文字列)
Llama 3 → ラマさん (△ かわいいけど違う)
Large-v3モデル (新環境):
飽差 → 飽差 (◎ 完全正解)
3.5g/m3 → 3.5g/m3 (◎ 単位まで完璧)
MQTT → MQTT (◎ アルファベット認識成功)
Llama 3 → Llama 3 (◎)
結論:Large-v3は「農業×IT」の専門用語に極めて強い。
文脈理解力が上がっているため、「ほうさ」という音が「放射」ではなく「飽差」である確率が高いことを、前後の「トルコギキョウ」「蒸散」という単語から推論できているようです。脱帽です。
新たな課題:ハルシネーション(幻覚)の出現
しかし、良いことばかりではありませんでした。Large-v3特有の「癖」が見つかりました。
無音区間やノイズだけの箇所で、誰も喋っていないのに勝手に文字を生成してしまうのです。
「視聴していただきありがとうございます」
「字幕:〇〇」
「(音楽)」
「放射性セシウム...」(!?)
これらはWhisperの学習データ(YouTube動画など)に含まれていた字幕データが、無音時に「幻覚」として現れてしまう現象だそうです。AI曰く。
特に「放射性セシウム」という単語が連呼された時はギョッとしましたが、これは福島県で農業をする私にとって、ある意味AIが「空気を読みすぎた」結果なのかもしれません(笑)。
対策:フィルターの実装
この「幻覚」は、特定のフレーズが繰り返される傾向があります。
そのため、書き起こし後のテキスト処理(Post-processing)で、シンプルなフィルターを実装しました。
# ハルシネーション除去フィルター:連続する同一フレーズを検出・削除
previous = ""
for segment in transcription:
if segment.text.strip() != previous:
output.append(segment)
previous = segment.text.strip()「同じフレーズが連続したら削除する」。これだけで、実用上問題ないレベルまで抑制できました。
ローカルAIは「入れたら終わり」ではなく、こうした「手懐け(チューニング)」を楽しむのも醍醐味の一つです。
5. 結論:ローカルAIは農業を変えるか?
答えは YES です。
爆速レスポンス: 思考を止めない。
最強のセキュリティ: データはPCから一歩も出ない。
定額・使い放題: 月額費も従量課金もなし。電気代だけ。
初期投資(GPU代と電源代で約10万円)は決して安くありません。しかし、これから毎日数年間、相棒として働き続けてくれることを考えれば、十分に元は取れると確信しています。
もちろん、「脱クラウド」と言っても、GeminiやClaudeのような高性能なクラウドLLMを捨てるつもりはありません。複雑な思考や高度な文章生成は、今のローカルGPUでは太刀打ちできない領域です。
でも、文字起こしや文章の整形、ちょっとした要約くらいなら、わざわざクラウドに投げなくてもいい。適材適所でローカルGPUを活用すれば、コストを抑えつつ、レスポンスも速い。
すべてをクラウドに頼るのではなく、手元でできることは手元でやる。
土を耕す農家が、デジタルの「適材適所」を実践する。そんな時代が来たのかも...なんて思ったり。
次のステップ:音声入力から「全自動作業記録」へ
GPU換装によって、文字起こしの精度と速度が劇的に向上しました。
これで、いよいよ本丸に挑む準備が整ったことになります。
次に目指すのは、音声入力から作業記録までの完全自動化。
ただスマホに話しかけるだけで、AIが話の内容を読み取り、内容に応じて処理を分岐させる仕組みです。栽培日誌の記録、作業時間の集計、新しいアイデアのメモ、仕事の指示出し...すべてが、喋るだけで自動的に完了する世界。
現在、鋭意実装中です。
ちなみに、この記事を書いた後にも動きがありました。自作のAIエージェント「OpenClaw」による業務自動化や、Claude Code(AIペアプログラミングツール)とローカルGPUを組み合わせたトークン削減運用も始めています。文字起こしだけでなく、ファイル検索や要約処理にもローカルGPUがフル稼働中。導入して本当に良かったと実感する日々です。この辺りの話も、いずれ記事にしたいと思います。
ここまで来て、ようやく「効率化」の本当の意味が見えてきた気がします。
どうなることやら。乞うご期待。
筆者について
福島県浪江町在住、34歳。2024年より切り花栽培を開始。理系出身の知識を活かし、IoTシステムを自作してスマート農業を実践中。屋号「Farm Eolica」にて、データドリブンな花卉栽培に挑戦している。
Homepage: https://farmeolica.com
Instagram: @farm_eolica
X (Twitter): @FarmEolica
note: https://note.com/farm_eolica