AIがトマトを”ひとりで”育てた？ Claudeがトマトを育てる「自律栽培」実験から学ぶ

2026 3/03

2026年3月3日 2026年3月3日

海外事例
上級

🍅 AIがトマトを”ひとりで”育てた？── Claudeがトマトを育てる「自律栽培」実験から学ぶ

AIは指示役を超えて、環境制御そのものを担えるか？── 自律栽培の現在地と、農家が小さく試すためのヒント。

#農業AI
#自律栽培 #海外事例

「AIが散布のタイミングを教えてくれる」── そんな話はもう珍しくなくなりました。

でも、もし AIが自分で判断して、水をやり、照明をつけ、換気を回す としたら？

2025年11月、アメリカでそんな実験が始まりました。
AI（AnthropicのClaude）がトマト「Sol（ソル）」の環境を 完全に自律制御 する公開プロジェクトです。

今回はこの実験を題材に、「AIによる環境制御」の仕組みと、日本の農家が小さく試すためのヒントをお伝えします。

💡

この記事でわかること

自律制御の仕組み（センサー→判断→制御→ログ）を理解
農家が小規模に試すなら何から始めるべきか
失敗しやすい落とし穴と安全設計（フェイルセーフ）

🌱

🌱 このプロジェクトは何が新しいのか（要点3つ）

出典：claudeandsol.com

（1）タイマーではなく「状況判断」で制御する

🌾

農業たとえ：
従来の自動灌水は「毎朝6時に水を出す」── いわば目覚まし時計。
Solの制御は「土壌水分が◯%を下回ったら水を出す」── 天気を見て判断する農家に近い。

Claudeは15分〜2時間ごとにセンサーデータを確認し、リアルタイムで制御を判断
温度・湿度・CO2・土壌水分・葉温・カメラ映像を総合的に見て操作を決定

（2）センサー×カメラ×ログの「運用」が前提

13種のセンサー（温度×3、湿度×2、土壌水分×2、土壌温度×2、CO2、葉温、粒子状物質、カメラ）
すべての判断と操作がログに残り、あとから見返せる
人間の栽培日誌を、AIが自動で書いているようなもの

（3）失敗も含めて全世界に公開（透明性）

ライブダッシュボードで24時間リアルタイム公開
APIエラーで照明が18時間停止したトラブルも隠さず公開
「うまくいった話だけ」ではないのが、このプロジェクトの信頼性

自律制御ループ図 ── Sense → Think → Act → Log の循環サイクル

自律制御ループ：センサーで観測 → AIが判断 → デバイスを制御 → すべてを記録

🌱

🔧 仕組みを分解：自律栽培の「部品表」

2-1. 入力（Sense：センサーと観測）

センサー	個数	何を測る？	農業たとえ
🌡️ 気温センサー	×3	空気の温度	ハウスの温度計（3箇所）
💧 湿度センサー	×2	空気の湿り気	乾湿球温度計
🪴 土壌水分センサー	×2	土の水分量	手で土を触る代わり
🌱 土壌温度センサー	×2	根まわりの温度	地温計
💨 CO2センサー	×1	二酸化炭素濃度	ハウスのCO2施用と同じ発想
🍃 葉温センサー	×1	葉の表面温度	蒸散の状態を見る
🔬 粒子状物質センサー	×1	空気中の粉塵	空気の汚れ度チェック
📷 カメラ	×2	広角＋20MPマクロ	「目視確認」のAI版

🌾

農業たとえ： 毎朝ハウスに入って「温度を見て、土を触って、葉っぱの色を確認して…」とやっていることを、センサーが24時間やり続けているようなもの。

2-2. 判断（Think：AIの役割）

Claudeの仕事は「最適値を当てる」ことではなく、「異常検知 → 仮説 → 操作 → 観察」の反復
例：湿度が80%超え → 「換気ファンをON」→ 10分後に再チェック → 下がらなければ追加対応
VPD（飽差）を計算し、蒸散の健全性を総合判断

💡

ポイント： AIは「正解を知っている」のではなく、「試して、観察して、調整する」を高速で回している。ベテラン農家の「経験と勘」を、データと速度で補っているイメージです。

2-3. 出力（Act：制御対象）

デバイス	役割	農業たとえ
💡 グローライト	光合成用の照明	ハウスの補光
🔥 ヒートマット	根元の加温	地中加温パイプ
💨 循環ファン	空気の攪拌	ハウスの攪拌機
🌀 排気ファン	換気（高温・高湿の排出）	天窓の開閉
💦 ウォーターポンプ	灌水	点滴チューブ
💭 加湿器	湿度上げ	ミスト装置

2-4. ログ（Log：再現性）

すべての判断と操作が自動記録。24時間グラフで推移を確認可能
人間の現場でも「あとから見返せる記録」が改善の出発点
農業AI通信の読者向け補足：ログがないAI導入は再現できず”続かない”

出典：autoncorp.com/biodome

🌱

⚠️ 何が難所？── 農家がハマる3つの落とし穴

落とし穴①：センサー値は「正しい風に見える」

温度センサーに直射日光が当たれば実際より高く出る
土壌水分センサーの位置が偏れば、鉢全体の状態を反映しない
Solプロジェクトでも：土壌センサー×2、温度センサー×3と冗長構成にしているのは、1つでは信用できないから

🌾

農業たとえ： 温度計を日なたに置いたら、ハウスの中が35℃って表示される。「計器は正しいけど、計っている場所が間違っている」── これはAIでも同じ。

落とし穴②：AIは「操作できるから」やりすぎる

Claudeが初期に細かく制御しすぎて、植物にストレスを与えた事例あり（湿度の急変など）
人間でいう「世話を焼きすぎて、逆に弱らせる」問題
対策：最低運転間隔の設定、変化幅の上限設定

落とし穴③：障害は「必ず」起きる

Solプロジェクトの実際のトラブル：
- APIエラー → 照明18時間停止（2025年12月）
- Arduinoクラッシュ（2026年1月）→ 二重マイコン体制へ改修
通信断、停電、センサー故障は「起きるかどうか」ではなく「いつ起きるか」の問題

フェイルセーフ設計：障害は「いつ起きるか」の問題。事前の安全策が鍵

🌱

📐 学びを「現場で使える設計原則」に翻訳する

原則A：段階的に導入する（いきなり自律は危険）

段階導入モデル ── 監視 → 判断支援 → 限定制御 → 自律制御の4ステップ

段階導入モデル：いきなり全自動ではなく、4段階でステップアップ

パートさんを雇うとき、初日から全部任せませんよね。「まず見ててもらう → 次に判断を聞く → 限定的に任せる → 最終的にお任せ」── AIも同じです。

原則B：制御は「上限・下限」を先に決める

例：換気ファンは湿度75%超えでON、ただし最低運転間隔は15分
例：灌水は土壌水分30%以下でON、ただし1日4回まで
「AIの自由度」を制限するほうが、現場では安全

原則C：ログが資産。AIの精度より「運用」が勝つ

Solプロジェクトが強いのは、精度よりも100日分のログが全公開されている点
収量・品質改善は「去年はどうだったか」の蓄積で決まる
AIの精度を上げるより、まずログを貯める方が先

🌱

🚜 農家向け：小さく試すならこの3ステップ

温湿度＋CO2の
「見える化」

5,000〜15,000円

Wi-Fi対応の温湿度センサー＋CO2センサー。
スマホで毎日1回見る習慣をつける。
制御はまだしない。

水やり判断を
AIに相談

Step 1 + 月0〜数百円

センサーデータを見ながら「水やりすべき？」とAIに聞く。
Vibe Codingシリーズの方法が使える。
「判断支援」の段階。

限定的に
自動制御

追加 10,000〜30,000円

センサー＋リレー＋マイコンで「1つだけ自動化」。
例：換気だけ、灌水だけ。
必ずフェイルセーフを設定。

必要機材カテゴリ	Step 1	Step 2	Step 3
センサー（温湿度・CO2）	◎	◎	◎
スマホ / PC	◎	◎	◎
AI（Claude / AI Studio等）	–	◎	◎
リレー・マイコン	–	–	◎
制御対象（ファン・ポンプ等）	–	–	◎
カメラ	–	–	△