- Teachable Machine membolehkan pembangunan model pengecaman imej, bunyi dan postur tanpa menulis kod.
- Alat ini mendemokrasikan kecerdasan buatan dengan menjadikan pembelajaran mesin lebih mudah untuk profil bukan teknikal dan pendidik.
- Adalah mungkin untuk mengeksport model terlatih untuk penyepaduan ke dalam aplikasi web, projek IoT atau perisian tempatan.
Pernahkah anda terfikir bahawa kecerdasan buatan hanya untuk genius komputer atau ahli matematik yang mempunyai PhD? Baiklah, singkirkan idea itu dari fikiran anda kerana hari ini sesiapa sahaja boleh bereksperimen dengan pembelajaran mesin tanpa perlu bergelut dengan satu baris kod pun. Terima kasih kepada alat intuitif, akses kepada teknologi ini telah didemokrasikan, membolehkan semua orang daripada pelajar hingga usahawan mengambil langkah pertama mereka ke dalam dunia AI secara visual sepenuhnya.
Salah satu contoh paling terang dalam bidang ini ialah Teachable Machine, platform web Google yang mengubah latihan model menjadi sesuatu yang hampir seperti permainan. Ia bukan tentang mencipta chatbot yang kompleks, tetapi tentang mereka bentuk sistem yang mampu mengklasifikasikan imej, mengecam bunyi atau mengesan postur badan dalam masa nyata. Ia merupakan titik permulaan yang sempurna bagi mereka yang ingin memahami bagaimana mesin "belajar" daripada contoh dan cara mengaplikasikan pengetahuan tersebut kepada projek pendidikan atau kreatif.
Konsep asas untuk mengelakkan sesat di sepanjang jalan
Sebelum mendalami alat ini, adalah berguna untuk memahami apa itu Pembelajaran Mesin . Pada asasnya, ia merupakan cabang AI yang membolehkan komputer belajar daripada data dan bukannya mengikuti arahan yang diprogramkan langkah demi langkah. Bayangkan anda seorang kanak-kanak yang belajar membezakan sebiji epal daripada sebiji pir; ibu bapa anda menunjukkan kepada anda pelbagai jenis buah-buahan dan memberitahu anda yang mana satu. Model AI melakukan perkara yang sama: ia menganalisis corak dalam data yang disediakan untuk membuat keputusan tentang perkara yang belum pernah dilihatnya sebelum ini.
Model-model ini merupakan daya penggerak di sebalik teknologi yang telah kita gunakan setiap hari, seperti pembantu suara jenis Alexa atau sistem cadangan Netflix. Dalam bidang pendidikan, ini sangat berharga, kerana ia membolehkan pelajar memahami cara kerja dalaman AI dan mengembangkan kemahiran berfikir secara kritis tentang bagaimana maklumat diproses dalam era digital.
Langkah demi langkah untuk mencipta model pertama anda
Jika anda ingin bermula, prosesnya sangat mudah. Pertama, layari laman web rasmi Teachable Machine dan pilih jenis projek yang paling menarik minat anda: imej, bunyi atau pose . Jika anda memilih imej, sebagai contoh, anda akan melihat bahawa sistem meminta anda untuk mentakrifkan "kelas". Kelas hanyalah kategori yang anda mahu AI kenal pasti. Jika anda mahu ia membezakan antara pen dan buku nota, anda akan mencipta kelas untuk setiap satu.
Untuk menyampaikan pengajaran ini, anda mempunyai dua pilihan: gunakan kamera web anda untuk merakam foto dalam masa nyata atau muat naik fail yang telah anda simpan pada komputer anda atau dalam Google Drive. Satu cara untuk memastikan model tepat adalah dengan menyediakan kepelbagaian; jangan ambil sepuluh foto yang sama, tetapi sebaliknya rakam objek dari sudut, pencahayaan dan kedudukan yang berbeza . Lebih banyak contoh yang bersih dan pelbagai yang ada pada mesin, lebih sedikit ralat yang akan dibuatnya.
Setelah data anda siap, tiba masanya untuk mengklik butang "Sediakan model" . Di sinilah keajaiban berlaku: sistem memproses imej dan memulakan latihan. Adalah penting untuk tidak menutup tab atau membuka program intensif sumber semasa proses ini untuk mengelakkan ralat. Selepas itu, anda boleh menguji hasilnya dalam pratonton dengan meletakkan objek di hadapan kamera dan melihat bagaimana AI memberikan kebarangkalian kejayaan kepada setiap kategori.
Petua lanjutan dan pengoptimuman data
Ia tidak selalunya berfungsi dengan sempurna pada kali pertama, dan itu sebahagian daripada keseronokannya. Jika anda perasan model anda menjadi keliru, anda mungkin perlu membersihkan set data anda . Contohnya, jika anda mengklasifikasikan serangga dan terdapat seseorang di latar belakang foto semut, AI mungkin menganggap bahawa manusia adalah sebahagian daripada apa yang mentakrifkan semut. Mengalih keluar imej yang tidak relevan ini adalah kunci untuk mendapatkan data "bersih" dan latihan yang cekap.
Bagi mereka yang mencari pendekatan yang lebih profesional, alat seperti sambungan Chrome Imageye membolehkan anda memuat turun imej secara pukal daripada Google untuk diberikan kepada model. Di samping itu, sangat disyorkan untuk menyimpan beberapa sampel untuk ujian ; iaitu, simpan beberapa foto yang belum dilihat oleh AI semasa latihan untuk mengesahkan sama ada ia benar-benar belajar untuk menggeneralisasikan atau hanya menghafal imej.
Eksport dan aplikasi dunia sebenar
Bahagian terbaiknya ialah kerja anda tidak perlu terhad kepada laman web Google. Anda boleh mengeksport model anda dalam format TensorFlow.js , yang membolehkan anda mengintegrasikannya ke dalam laman web atau aplikasi mudah alih anda sendiri. Terdapat juga pilihan untuk memuat turunnya dalam format yang serasi dengan TensorFlow Lite, sesuai untuk projek Internet of Things (IoT) atau peranti tempatan.
Dari perspektif pedagogi, guru boleh menggunakannya untuk mencipta aktiviti yang berkaitan dengan situasi kehidupan sebenar. Contohnya, mereka boleh melatih AI untuk mengenal pasti jenis galaksi berdasarkan morfologi Hubble atau mencipta sistem yang mengenali objek harian untuk menyelesaikan masalah bilik darjah tertentu. Ini mengubah pelajar daripada pengguna teknologi pasif kepada pencipta aktif penyelesaian berasaskan AI.
Alat lain untuk bukan pakar
Walaupun Teachable Machine hebat, terdapat lebih banyak pilihan di pasaran untuk mereka yang mencari pendekatan kod rendah . Google AutoML ialah adik-beradik yang lebih besar, lebih berkuasa dan berorientasikan perusahaan, yang berintegrasi dengan Google Cloud. Sebaliknya, Lobe.ai menawarkan pengalaman seret dan lepas yang sangat mudah untuk model imej, manakala Runway ML ialah syurga untuk artis digital yang ingin mencipta seni atau mengedit video dengan AI.
Jika anda lebih selesa dengan Microsoft, Azure Machine Learning Studio membolehkan anda mereka bentuk aliran kerja yang kompleks tanpa pengekodan. Dan jika bahasa dan teks adalah kegemaran anda, Hugging Face ialah platform pilihan, menawarkan perpustakaan model pra-latihan yang luas yang boleh anda sesuaikan untuk menganalisis sentimen atau menterjemah bahasa. Semua platform ini berkongsi matlamat yang sama: untuk menghapuskan halangan teknikal supaya inovasi bergantung pada idea, bukan pada mengetahui cara menulis kod.
Keupayaan untuk melatih sistem pintar telah dapat diakses oleh semua orang, membolehkan kreativiti dan pendidikan bergabung dengan teknologi canggih. Dengan menguasai alatan seperti Teachable Machines dan alternatifnya, mana-mana pengguna boleh mengubah data ringkas kepada model berfungsi yang mampu mengenali persekitarannya, mengoptimumkan proses dan membuka pintu kepada inovasi yang sebelum ini hanya dikhaskan untuk pakar komputer.