浙江大学、メタのMuseに相当する個人用AI「nanoMuse」を公開 スマホとPCの画面を操作

　浙江大学（中国）の研究チームは、スマートフォンとPCの画面を操作できる個人用AIエージェント「nanoMuse」をオープンソースで公開し、設計と実装をまとめた技術報告をarXivに投稿した。著者はGuangyi Liu氏、Yong Liu氏、Jiangning Zhang氏。論文の提出は、日本時間の10月7日午前2時13分だった。

　nanoMuseは、米メタが9月8日に発表した個人向けAIエージェント「Muse」に相当するものを、オープンな形で実装したという。報告によると、Muse本体とサービス、モデルは非公開のままで、10月2日に公開されたのは対応機器を自作するためのSDKにとどまる。

　nanoMuseはGPL-3.0で公開され、Androidアプリ、iPhoneアプリ（TestFlight）、macOS／Windows／Linux向けのデスクトップアプリ、Webアプリ、端末同士をつなぐ中継サーバ「nanoMuse Cloud」で構成する。初回リリースは9月25日。論文は10月時点のバージョン0.1.40を対象とするが、GitHubによると、10月9日にバージョン1.0.0を公開した。

　設計の柱は、1人のエージェントが所有するすべての端末に存在し、スマホとPCで1つの会話を共有することだ。端末ごとにエージェントが動き、ほかの端末を道具として呼び出せる。「スマホで注文番号を探し、Macの表計算ソフトに入力する」といった作業を、1つの会話で進められるという。会話の共有に使う中継サーバは、誰でも運用できる。

　エージェントの全行動は、権限を判断する「Sentinel」を必ず経由する。記憶は利用者が読めるMarkdownファイルで、モデルは利用者が選ぶ。1台だけなら、自分のAPIキーを入れるだけでサーバは不要で、モデルへの通信以外に端末から出るものはないとしている。

　画面を操作する「Hands」は初期状態でオフで、Androidではスマホの画面、デスクトップではPCの画面を操作する。iPhoneは、iOSがアプリから別のアプリを操作することを認めていないため、画面操作には対応しない。

　報告は、パーソナルエージェントを5つの問いと3つの水平線で定義した。Androidアプリのダウンロードサイズは38MB、中継サーバはアイドル時のメモリが約85MBという。ベンチマークによる性能評価は含まない、設計中心の報告だ。