連載「自作AI育成日記」 第2回
連載AI活用2026-10-24約4分で読めます

【自作AI育成日記 #2】たった2週間で知識が4658件も増加!自分専用のAIを育てる仕組み

「自分専用のAIに、特定の知識だけを効率よく覚えさせたい」と考えたことはありませんか? 今回の実験では、毎日ニュースを読み込ませることで、AIの「脳内」に自分専用の知識ベースを構築しています。たった2週間で、知識の総数が前回から約5倍に跳ね上がった結果を詳しくお伝えします。

この記事で分かること
  • RAG(ラグ)という仕組みを使い、意味で検索可能な形で知識を蓄積
  • 毎日話題のAI記事の見出しを収集し、合計5580件の知識を保有
  • PCのCPUのみを活用することで、GPUの負荷を抑えつつ効率的に運用
  • 「ChatGPT」というキーワードから、関連性の高い見出しを自動で抽出
【自作AI育成日記 #2】たった2週間で知識が4658件も増加!自分専用のAIを育てる仕組み
Threadsに投稿した画像

自分専用の知識ベースを構築する「RAG」の仕組み

今回取り組んでいるのは、AIに特定の外部知識を学習(あるいは参照)させるための「RAG(Retrieval-Augmented Generation)」という仕組みの構築です。RAGとは、AIが回答を生成する際に、あらかじめ用意したデータベースから関連する情報を探し出し、それを元に回答を作る技術のことです。

この実験では、noteやZenn、Qiita、はてなブックマークといったプラットフォームで話題になっているAI関連の記事を見出し単位で収集しています。大事なのは、単にテキストを貯めるのではなく「意味で探せる形」にして保存している点です。

具体的には、bge-m3という「埋め込みモデル(文章をコンピューターが理解しやすい数値のベクトルに変換するモデル)」を使用しています。これにより、キーワードの一致だけでなく、内容の近さに基づいて知識を引き出すことが可能になります。

  • 情報の取捨選択:他人の記事の本文は保存せず、見出し・短い要約・リンクのみを蓄積
  • 計算資源の最適化:知識の検索(埋め込み)処理はPCのCPUだけで実行。GPUは文章を書くAIの処理用に空けておくことで、スムーズな動作を維持

たった2週間で4658件の知識を蓄積

2026年10月6日にこの育成を開始してから24日目。この2週間だけで、蓄積された知識は前回(922件)から4658件も増加し、合計5580件に達しました。

内訳を詳しく見ると、収集した知識の大部分を「話題の見出し(5456件)」が占めています。これに加えて、このブログの記事(44件)、自宅PCでの実測データ(23件)、このアカウントの過去の投稿(57件)を組み合わせることで、より多角的な知識ベースを構成しています。

  • 話題のキーワード(この2週間で特に多かったもの):
  • ChatGPT(85件)
  • Claude(77件)
  • Claude Code(61件)
  • エージェント(56件)
  • ローカルLLM(38件)

参考:モデルの大きさと速さ(実測)

生成速度(トークン/秒)GPUあり(RTX 4080)CPUのみgemma3:1bメモリ 0.9GB216.961.7gemma3:4bメモリ 2.8GB142.021.5gemma4:12b-it-q8_0メモリ 14.2GB43.54.6
このサイトの運営PC(Ryzen 7 9800X3D / メモリ31GB / RTX 4080(VRAM 16GB))で、同じ質問に答える速さを実測。測り方

実際に知識を引き出してみた結果

知識が溜まったので、実際に「ChatGPT」という言葉で関連する知識を引き出してみました。AIは、蓄積された膨大な見出しの中から、意味の近いものを自動で最大6件まで抽出します。

抽出された結果は以下の通りです。これらはすべて、蓄積された「話題の見出し」から自動で選ばれたものです。

・ChatGPTで英語アプリを作って学習をはじめた

・ChatGPTでExcel関数を作る方法|コピペで使える実例10選

・【2026年10月第2週】ChatGPT の Chat 欄が GPT-6 になり

このように、特定のテーマについてAIに質問した際、関連する最新のトピックや具体的な活用事例を瞬時に提示できるようになります。

  • ポイント👇:知識が増えるほど、AIが「より具体的で実用的な情報」を拾い上げられるようになります。

まとめと今後の展望

この実験の目的は、AIにただの知識を詰め込むことではなく、いかに「自分の仕事や興味に直結する情報」を効率よく整理し、AIに扱わせるかという点にあります。

現在はCPUのみで動かしているため、速度やリソースの面でも非常に現実的な運用ができています。次回は2週間後の第3回で、知識の増加がAIの回答精度にどのような変化をもたらすのかを報告します。

みなさんなら、自分専用のAIにどのような知識を覚えさせたいですか?仕事の効率化や、趣味の深掘りなど、ぜひ理想のAI像を教えてください。

👍 こんな人におすすめ
  • AIに自分の業務知識を学習させたい方
  • RAGの仕組みを具体的に知りたい方
  • ローカル環境でAIを効率的に動かしたい方
🤔 あまり関係ない人
  • GPUの高度なチューニングを求めるプロのエンジニア
  • AIの株価や企業動向を追いたい方

よくある質問

Q. なぜ本文を保存しないのですか?

公式の情報ではありませんが、他人の記事の全文を保存することは著作権等の観点から避け、見出しと要約、リンクのみを蓄積する方針をとっています。

Q. CPUだけで動かして遅くないですか?

今回の仕組みでは、知識の検索部分をCPUに任せているため、文章を書くためのGPUリソースを温存できるというメリットを優先しています。

この記事は、AIが情報源をもとに作成し、数字や型番を情報源と機械的に照合しています。誤りに気づいた方はThreadsで教えてください。

関連記事

新しいモデルの実測や解説を毎日投稿しています

Threadsでフォロー

以上、今日の実験ログでした。