e-Learning コンテンツと言語モデル (LLM)

上の図は e-Learning 教材のキャプチャーですが，gemma3:12b に，問題文を画像としたものを読み込ませて，解答のヒントを出すように依頼したものです。画像（png）の内容を読み取って，適当なヒントを返しています。ヒントの内容はあらかじめ用意したものではありません。受講生が解答を送信する際に毎回新たに作成されます。解答を再送してみます。

多少長くなって，文章が変化しています。言語モデルへの依頼は下記のようなものです。

response = ollama.chat(
    model='gemma3:12b',
    messages=[{
        'role': 'user',
        'content': '画像は物理の練習問題です。問いを解くためのヒントを教えてください。正解は教えないでください。',
        'images': ['/var/www/html/temporary/' + foldername + '/simple_question/cutycapt.png']
    }]
)

コードにある cutycapt.png というファイルが問題文のキャプチャー画像です。教材は SCORM コンテンツなのですが，その教材を作る際に問題文のキャプチャー画像を含めるようにしました。キャプチャー画像や正解と回答が，LMSが動いているコンピューターとは別の採点サーバーに送られます。そのサーバー上にテンポラリーフォルダーを確保し，キャプチャー画像を書き出しています。

採点が重なると上手く処理できません。ビデオカードの計算機能を利用するのですが，リクエストが同時に来ると，処理能力が不足します。幾つかの（限度もありますが）リクエストが重なっても対応できるように，数台のパソコンを利用したシステムを構築したいと考えています。