Das von [brenpoly] entwickelte Projekt zielt darauf ab, die Nutzung von Smartphones zu reduzieren, indem es menschliche Empathie und die Bindung an virtuelle Haustiere nutzt. Das ESP32-basierte Gerät ist in einem niedlichen 3D-gedruckten Gehäuse untergebracht; Reaktionen wie das Krankwerden abhängig von der Telefonnutzung sowie andere Verhaltensweisen virtueller Tiere laufen auf dem ESP32 mit fest codierten Abläufen. Ein lokal auf dem Telefon ausgeführtes LLM greift neben der Bildschirmzeit auch auf Benachrichtigungen zu. Dank des Whisper-Modells, das sich über Bluetooth mit dem Mikrofon im Gerät verbindet, kann der Nutzer den Inhalt oder eine Zusammenfassung von Benachrichtigungen erhalten, ohne auf sein Telefon zu schauen; auch Witze kann man vom Gerät verlangen. Das lokale Piper-Modell gibt dem Tier eine Stimme und ermutigt den Nutzer, das Telefon wegzulegen, wenn die Nutzungsgrenzen erreicht sind. Die Dateien des Projekts wurden auf GitHub veröffentlicht. Telefonständer und smarte Hüllen gehören ebenfalls zu den Alternativen, um die Telefonnutzung zu begrenzen.
Warum das wichtig ist
Das Projekt erweitert die Werkzeuge zur Reduzierung der Smartphone-Nutzung über Telefonständer und smarte Hüllen, die lediglich die Nutzungsdauer begrenzen, hin zu einer Schnittstelle, die mit dem Nutzer interagiert. Der Zugriff auf Benachrichtigungen und die sprachliche Antwort sollen den Bedarf verringern, auf den Bildschirm zu schauen, ohne das Telefon vollständig außer Betrieb zu setzen; daher versucht die Lösung, das Verhalten von Nutzern zu verändern, die ihren Benachrichtigungsfluss aufrechterhalten möchten. Die gemeinsame Nutzung lokaler LLM-, Whisper- und Piper-Modelle schafft eine technische Struktur, in der die Funktionen zwischen der Telefonanwendung und dem ESP32-Gerät aufgeteilt sind; die fest codierten Reaktionen des Tiers bilden dabei die Verhaltensebene dieser Struktur. Offen bleibt, in welchem Maß diese Verhaltensweisen und die sprachlichen Anreize bei den Gewohnheiten verschiedener Nutzer zur Selbstbegrenzung Anklang finden; die auf GitHub veröffentlichten Dateien ermöglichen es jedoch, den Ansatz zu untersuchen.