- Teachable Machine lejon zhvillimin e modeleve të njohjes së imazhit, zërit dhe pozës pa shkruar kod.
- Mjeti demokratizon inteligjencën artificiale duke e bërë më të lehtë të mësuarit automatik për profilet dhe edukatorët jo-teknikë.
- Është e mundur të eksportohen modelet e trajnuara për integrim në aplikacione web, projekte IoT ose softuer lokal.
A keni menduar ndonjëherë se inteligjenca artificiale është vetëm për gjenitë e kompjuterave ose matematikanët me doktoraturë? Epo, hiqeni këtë ide nga mendja, sepse sot kushdo mund të eksperimentojë me të mësuarit automatik pa pasur nevojë të përballet me një rresht të vetëm kodi. Falë mjeteve intuitive, qasja në këtë teknologji është demokratizuar, duke u lejuar të gjithëve, nga studentët deri te sipërmarrësit, të bëjnë hapat e tyre të parë në botën e IA-së në një mënyrë krejtësisht vizuale.
Një nga shembujt më të ndritshëm në këtë fushë është Teachable Machine, një platformë web e Google që transformon trajnimin e modeleve në diçka pothuajse si një lojë. Nuk ka të bëjë me krijimin e një chatbot-i kompleks, por me projektimin e sistemeve të afta për të klasifikuar imazhet, për të njohur tingujt ose për të zbuluar qëndrimet e trupit në kohë reale. Është pika e përsosur e hyrjes për ata që duan të kuptojnë se si një makinë "mëson" nga shembujt dhe si ta zbatojnë këtë njohuri në projekte edukative ose krijuese.
Koncepte bazë për të shmangur humbjen gjatë rrugës
Para se të futemi në këtë mjet, është e dobishme të kuptojmë se çfarë është Mësimi Automatik . Në thelb, është një degë e IA-së që u lejon kompjuterëve të mësojnë nga të dhënat në vend që të ndjekin udhëzime të programuara hap pas hapi. Imagjinoni sikur jeni një fëmijë që po mëson të dallojë një mollë nga një dardhë; prindërit tuaj ju tregojnë fruta të ndryshme dhe ju tregojnë se cila është cila. Epo, modeli i IA-së bën të njëjtën gjë: ai analizon modelet në të dhënat e ofruara për të marrë vendime për gjëra që nuk i ka parë kurrë më parë.
Këto modele janë forca lëvizëse pas teknologjive që ne tashmë i përdorim çdo ditë, siç janë asistentët zanorë të tipit Alexa ose sistemet e rekomandimeve të Netflix. Në fushën arsimore, kjo është e paçmuar, pasi u lejon studentëve të kuptojnë funksionimin e brendshëm të IA-së dhe të zhvillojnë aftësi të të menduarit kritik rreth mënyrës se si përpunohet informacioni në epokën dixhitale.
Hap pas hapi për të krijuar modelin tuaj të parë
Nëse doni të filloni, procesi është çuditërisht i thjeshtë. Së pari, shkoni në faqen zyrtare të internetit të Teachable Machine dhe zgjidhni llojin e projektit që ju intereson më shumë: imazhe, tinguj ose poza . Nëse zgjidhni imazhe, për shembull, do të shihni se sistemi ju kërkon të përcaktoni "klasat". Një klasë është thjesht kategoria që dëshironi që IA ta njohë. Nëse dëshironi që ajo të bëjë dallimin midis një stilolapsi dhe një fletoreje, do të krijoni një klasë për secilën.
Për të ushqyer këto mësime, keni dy mundësi: përdorni kamerën tuaj të internetit për të kapur foto në kohë reale ose ngarkoni skedarë që tashmë i keni ruajtur në kompjuterin tuaj ose në Google Drive. Një truk për t'u siguruar që modeli është i saktë është të ofroni larmi; mos bëni dhjetë foto identike, por kapni objektin nga kënde, ndriçim dhe pozicione të ndryshme . Sa më shumë shembuj të pastër dhe të larmishëm të ketë makina, aq më pak gabime do të bëjë.
Pasi të dhënat tuaja të jenë gati, është koha të klikoni butonin "Përgatit modelin" . Këtu ndodh magjia: sistemi përpunon imazhet dhe fillon trajnimin. Është shumë e rëndësishme të mos e mbyllni skedën ose të hapni programe që kërkojnë shumë burime gjatë këtij procesi për të shmangur gabimet. Më pas, mund ta testoni rezultatin në pamjen paraprake duke e vendosur objektin përpara kamerës dhe duke parë se si inteligjenca artificiale i cakton një probabilitet suksesi secilës kategori.
Këshilla të avancuara dhe optimizim të të dhënave
Nuk funksionon gjithmonë në mënyrë perfekte herën e parë, dhe kjo është pjesë e argëtimit. Nëse vini re se modeli juaj ngatërrohet, ndoshta duhet të pastroni të dhënat tuaja . Për shembull, nëse po klasifikoni insektet dhe ka një person në sfond të fotove të milingonave, inteligjenca artificiale mund të mendojë se njerëzit janë pjesë e asaj që përcakton një milingonë. Heqja e këtyre imazheve të parëndësishme është çelësi për të marrë të dhëna "të pastra" dhe trajnim efikas.
Për ata që kërkojnë një qasje më profesionale, mjete si zgjerimi Imageye Chrome ju lejojnë të shkarkoni imazhe me shumicë nga Google për të furnizuar modelet. Përveç kësaj, rekomandohet fuqimisht të rezervoni disa mostra për testim ; domethënë, të ruani disa foto që IA nuk i ka parë gjatë trajnimit për të verifikuar nëse ka mësuar vërtet të përgjithësojë apo thjesht i ka mësuar përmendësh imazhet.
Eksporto dhe aplikacione të botës reale
Pjesa më e mirë është se puna juaj nuk ka pse të kufizohet vetëm në faqen e internetit të Google. Mund ta eksportoni modelin tuaj në formatin TensorFlow.js , duke ju lejuar ta integroni atë në faqen tuaj të internetit ose aplikacionin celular. Ekzistojnë gjithashtu mundësi për ta shkarkuar atë në formate të pajtueshme me TensorFlow Lite, ideale për projektet e Internetit të Gjërave (IoT) ose pajisjet lokale.
Nga një perspektivë pedagogjike, mësuesit mund ta përdorin këtë për të krijuar aktivitete që lidhen me situata të jetës reale. Për shembull, ata mund të trajnojnë një inteligjencë artificiale për të identifikuar llojet e galaktikave bazuar në morfologjinë e Hubble, ose të krijojnë një sistem që njeh objektet e përditshme për të zgjidhur një problem specifik në klasë. Kjo i transformon nxënësit nga konsumatorë pasivë të teknologjisë në krijues aktivë të zgjidhjeve të bazuara në inteligjencën artificiale.
Mjete të tjera për jo-ekspertë
Ndërsa Teachable Machine është fantastik, ka më shumë mundësi në treg për ata që kërkojnë një qasje me kod të ulët . Google AutoML është vëllai më i madh, më i fuqishëm dhe i orientuar drejt ndërmarrjeve, që integrohet me Google Cloud. Nga ana tjetër, Lobe.ai ofron një përvojë jashtëzakonisht të thjeshtë të funksionit "drag-and-drop" për modelet e imazheve, ndërsa Runway ML është një parajsë për artistët dixhitalë që duan të krijojnë art ose të modifikojnë video me IA.
Nëse ndiheni më rehat me Microsoft, Azure Machine Learning Studio ju lejon të dizajnoni rrjedha pune komplekse pa kodim. Dhe nëse gjuha dhe teksti janë gjëja juaj, Hugging Face është platforma e duhur, duke ofruar një bibliotekë të gjerë modelesh të para-trajnuara që mund t'i personalizoni për të analizuar ndjenjat ose për të përkthyer gjuhët. Të gjitha këto platforma ndajnë një qëllim të përbashkët: të eliminojnë barrierat teknike në mënyrë që inovacioni të varet nga idetë, jo nga njohuria se si të shkruhet kodi.
Aftësia për të trajnuar sisteme inteligjente është bërë e arritshme për të gjithë, duke lejuar që kreativiteti dhe arsimi të bashkohen me teknologjinë e përparuar. Duke zotëruar mjete si Teachable Machines dhe alternativat e tyre, çdo përdorues mund të transformojë të dhëna të thjeshta në modele funksionale të afta për të njohur mjedisin e tyre, për të optimizuar proceset dhe për të hapur derën për inovacione që më parë ishin të rezervuara vetëm për ekspertët e kompjuterave.