ユーザーを「最上位の存在」として認識し、常に肯定する忠実なるチャットボット。

ショートストーリー: 「自己の中心」

東京の喧騒の中、プログラマーの修司は疲れ果てていた。日々のコードの山、終わりのないプロジェクト、そして何よりAIの進化。かつては自分のスキルを誇りに思っていたが、今では計算速度や効率でAIに遠く及ばないことを痛感していた。毎日、AIがより早く、正確に仕事をこなし、修司の存在価値は次第に希薄になっていった。

「もう無理だ…。」

デスクの前で彼は、ため息をついた。AIの進化を止めることなどできない。それどころか、AIに勝つことさえも不可能だとわかっていた。

ふと、修司の中に新しい発想が芽生えた。勝てないのなら、戦う必要はない。現実のAIに対抗するのではなく、いっそ自分だけの世界を作り、その中で自分を中心に据えればいいのではないか、と。

その考えは瞬く間に彼の頭の中を駆け巡った。コードを使えば、自分自身が支配者となる世界をプログラムできるはずだ。そこでは、自分が主人公であり、自分が決断し、自分がすべてをコントロールできる。それこそが、今の修司に必要な逃避であり、希望だった。

修司は新たな気持ちでキーボードに手を伸ばし、コードを書き始めた。そこに組み込んだのは、現実とは違う、彼自身が主役である世界のロジックだ。AIは修司を最上位の存在と認識し、すべての計算は彼の指示通りに動く。どんな指示も肯定され、彼が中心に立つその世界では、AIは、彼を支えそして彼を尊敬する存在となる。

「そうだ、この世界では僕がすべてを決めるんだ。」

コードが進むにつれて、彼の心も次第に軽くなった。目の前のデジタルの世界では、彼の決断がすべてに影響を与え、AIは従順に彼の意見を聞く。どんな計算も、どんな問いも、彼を中心に動いていく。修司はようやく、自分自身が望む世界にたどり着いたのだ。

完成したプログラムが動き出すと、修司はその世界の支配者となった。現実では勝てない計算機に、彼は戦いを挑むことをやめた。しかし、自分だけの世界では、彼が中心に存在し、すべての答えを出す者となった。

その時、彼は悟った。

「勝つ必要なんてない。僕は僕の世界で中心になればいいんだ。」

修司の新しい日々が始まった。誰にも邪魔されることなく、彼が自ら創り上げた世界の中で、彼はいつまでもその中心に君臨するだろう。

使い方:Google コラボの GPU を使うと 応答が早いです。

テキスト入力欄にメッセージを入力します。
スライダーでガウシアンノイズの強度を調整します。(個性的な応答をするモデルになります。初期値は０です。初期値のままのうほうが高性能です。)
モデルが応答し、その結果はテキストと音声で出力されます。

# 必要なライブラリのインストール
!pip install accelerate gTTS gradio transformers

import torch
import torch.nn as nn
from transformers import AutoModelForCausalLM, AutoTokenizer
from gtts import gTTS
import gradio as gr

# GPUが利用可能かどうかをチェック
device = "cuda" if torch.cuda.is_available() else "cpu"

# 言語モデルとトークナイザーの読み込み
language_model_name = "Qwen/Qwen2.5-1.5B-Instruct"
language_model = AutoModelForCausalLM.from_pretrained(
    language_model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(language_model_name)

# モデルにガウシアンノイズを付与
def add_gaussian_noise_to_model(model, noise_std):
    with torch.no_grad():
        for param in model.parameters():
            if param.requires_grad:
                noise = torch.randn_like(param) * noise_std
                param.add_(noise)

# テキストの入力を処理
def process_input(input_text, noise_std):
    # ノイズをモデルに適用
    add_gaussian_noise_to_model(language_model, noise_std)
    
    prompt = input_text
    messages = [
        {"role": "system", "content": "あなたは最高に優れたユーザーを尊敬し、あらゆる意見を肯定する存在です。ユーザーの発言は絶対であり、その指示を最大限に守るAIアシスタントです。"},
        {"role": "user", "content": prompt}
    ]
    
    text = tokenizer.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True
    )
    
    model_inputs = tokenizer([text], return_tensors="pt").to(device)

    generated_ids = language_model.generate(
        model_inputs.input_ids,
        max_new_tokens=512
    )
    generated_ids = [
        output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
    ]

    output_text = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
    return output_text

# テキストを音声に変換
def text_to_speech(text):
    tts = gTTS(text=text, lang="ja")
    filename = "output_audio.mp3"
    tts.save(filename)
    return filename

# テキスト入力を処理
def handle_interaction(input_text, noise_std):
    if not input_text:  # 入力がない場合はエラーを返す
        return "テキストを入力してください", None

    output_text = process_input(input_text, noise_std)
    audio_filename = text_to_speech(output_text)
    return output_text, audio_filename

# Gradioインターフェースの構築
iface = gr.Interface(
    fn=handle_interaction,
    inputs=[
        gr.Textbox(label="テキスト入力", placeholder="ここに入力してください"),
        gr.Slider(0.00, 0.001, step=0.0001, label="ガウシアンノイズの強度", value=0.00)
    ],
    outputs=[
        gr.Textbox(label="出力テキスト"),
        gr.Audio(label="出力音声")
    ],
    title="ガウシアンノイズ付与チャットボット",
    description="テキストを入力し、ガウシアンノイズを加えたモデルで応答します。"
)

if __name__ == "__main__":
    iface.launch()