集団的インテリジェンス

Raiznetの中核的な目的の1つは、生のセンサーデータを実用的な農業知識へと変えることです — 個々の栽培者のためだけでなく、ネットワーク全体のために。

公開ネットワークに公開する各デバイスは、成長し続ける共有データセットに貢献します。何を、どこで、どのような条件で植え、結果はどうだったか。やがてこのデータセットは、各地域・各作物・各気候パターンにおいて何が有効かの集団的記憶になります。

インテリジェンス層（計画中）

インテリジェンス層は、既存のデータインフラの上に構築される将来のフェーズです。プロトコルやストレージモデルの変更を必要としません — データはすでにそこにあります。

ローカル推論（プライバシー保護）

自分のノードを動かす栽培者は、MCP対応の任意のLLM — Ollama によるローカルモデルを含む — を、サーバーのローカルエンドポイントに直接向けられます。モデルは次にアクセスできます。

• 完全なテレメトリ履歴（プライベートフィールドを含み、ローカルで復号）
• アクティブなSafra: 作物の種類、植え付け日、予想収穫
• 調整済みの理想範囲を持つCrop
• 過去の結果（yield_kg, harvested_at）

LLMがローカルデータだけで答えられる質問の例:

• 「私のレタスは先月と比べてどうですか?」
• 「pHが3日間上昇し続けています — 何を調整すべきですか?」
• 「直近4回の収穫に基づくと、この品種の私の平均収量はいくつですか?」
• 「現在の気温を踏まえると、ECの目標を調整すべきですか?」

データはローカルネットワークから出ません。推論は完全にオフラインです。

地域インテリジェンス（公開ネットワーク）

公開ネットワークに参加するノードは、同じH3地域・作物種別のすべてのデバイスにわたる集計データを照会できます。これにより次が可能になります。

• 文脈的ベンチマーキング: 「あなたのECは2.4 — あなたの地域のレタスの中央値は1.8です。」
• 異常検知: 地域パターンから大きく逸脱した読み取りをフラグし、センサーのドリフトと実際の作物ストレスを区別します。
• 収穫予測の精緻化: 類似条件の多くのSafraにわたる、推定 harvest_time_days と実際の差から学び、将来の推定を自動的に改善します。

作物の集団的キャリブレーション

ある地域の栽培者がCropの理想範囲の外で一貫して運用し、それでも良い yield_kg を達成しているなら、そのCropの範囲はその地域には適していない可能性が高いです。このシグナルは CropCatalog モデルに自然に流れ込みます。地域のキュレーター（協同組合、研究機関）が、観測された結果から導いたキャリブレーション済み範囲を持つ更新カタログを公開します。

ネットワークが知識を生み、キュレーターが公開し、栽培者がカタログを有効化します。中央の権威は決定しません。

MCPサーバー

計画中の @raiznet/mcp パッケージは、RaiznetのAPIをMCP（Model Context Protocol）サーバーとして公開し、MCP対応の任意のLLMクライアントがRaiznetのデータをネイティブに利用できるようにします。

ツール	説明
get_devices	このノードが知るデバイスを一覧
get_telemetry	デバイスの最近の読み取りを取得
get_safra	アクティブな植え付けロットと作物の詳細を取得
get_regional_stats	H3セルと作物種別の集計統計
get_crop	現在の条件に合わせて調整したCropの理想範囲

MCPサーバーは2つのモードで動作できます。

• ローカルモード（ローカルエンドポイント上）: プライベートフィールドを含む完全アクセス。所有者個人のLLMアシスタント向け。
• 公開モード（公開エンドポイント上）: 公開データへの読み取り専用アクセス。ネットワーク参加者や研究者向け。

学術研究と知識の出版

Raiznetは研究グレードのデータインフラとして設計されています。署名され改ざん耐性を持つデータ、精密なジオロケーション（H3）、構造化された作物結果（Safra）、オープンなプロトコルの組み合わせは、科学的作業にとって重要な性質を持つデータセットを生みます。すなわち、由来、再現性、ベンダーロックインのないアクセス可能性です。

計画中の将来の取り組みには次が含まれます。

• 研究連携: 匿名化・集計されたRaiznetデータセットを、大学、農業研究機関（Embrapaなど）、協同組合に提供し、査読付き誌や技術報告での出版に役立てます。
• ネットワーク上での内容公開: Material データモデルは、教育的・科学的な内容 — 栽培ガイド、現地調査結果、地域のベストプラクティス — を研究者が署名して、オフラインでアクセス可能な形でネットワーク経由で直接配布するために設計されています。
• オープンデータセットの公開: 公開ネットワークデータの定期的なスナップショットを、より広い研究コミュニティ向けにオープンライセンスで公開し、地域の気候適応、水耕の最適化、小規模食料システムのレジリエンスなどの研究を可能にします。

ゴールはフィードバックループです。栽培者がデータを生み、研究者が分析し、知見が改善されたCropとMaterialとしてネットワークに戻り、栽培者が恩恵を受けます。仲介者が価値を奪うことはありません。

なぜこれが重要か

農業の知識は歴史的に、独占的なプラットフォーム、小規模栽培者には手の届かない学術論文、あるいは個々の農学者の頭の中に閉じ込められてきました。Raiznetの構造 — オープンなプロトコル、ローカルファースト、データ主権、H3インデックス、結果の追跡 — は、その知識がネットワーク自体から立ち現れる条件を作ります。誰のものでもなく、すべての人が利用できます。

ノードを動かすことは、ネットワークのレジリエンスへの貢献にとどまりません。より良い食料の育て方についての、成長する集団的理解への貢献です。