- Teachable Machine 允许在不编写代码的情况下开发图像、声音和姿态识别模型。
- 该工具使非技术人员和教育工作者更容易学习机器学习，从而实现了人工智能的民主化。
- 可以将训练好的模型导出，以便集成到 Web 应用程序、物联网项目或本地软件中。
你是否曾认为人工智能只是计算机天才或拥有博士学位的数学家的专属领域？现在，这种想法完全过时了。任何人都可以体验机器学习，而无需编写任何代码。得益于直观易用的工具，这项技术已经普及，从学生到创业者，每个人都能以完全可视化的方式迈入人工智能的世界。
该领域最杰出的例子之一是谷歌的Teachable Machine，这是一个将模型训练变成类似游戏体验的网络平台。它并非旨在创建复杂的聊天机器人，而是设计能够实时对图像进行分类、识别声音或检测身体姿势的系统。对于那些想要了解机器如何从示例中“学习”以及如何将这些知识应用于教育或创意项目的人来说，Teachable Machine是一个完美的入门平台。
避免迷路的基本概念
在深入了解该工具之前，先来了解一下机器学习的概念很有帮助。简而言之，它是人工智能的一个分支，它使计算机能够从数据中学习，而不是按部就班地执行预先设定的程序指令。想象一下，你还是个孩子，正在学习区分苹果和梨；你的父母会给你看各种水果，并告诉你哪个是哪个。人工智能模型也做着同样的事情：它分析所提供的数据中的模式，从而对从未见过的事物做出判断。
这些模型是我们日常使用的技术背后的驱动力，例如 Alexa 之类的语音助手或 Netflix 的推荐系统。在教育领域，这尤其宝贵，因为它能帮助学生了解人工智能的运作原理，并培养他们在数字时代处理信息的批判性思维能力。
一步一步创建你的第一个模型
如果您想开始使用，过程出奇地简单。首先，访问 Teachable Machine 的官方网站，选择您最感兴趣的项目类型：图像、声音或姿势。例如，如果您选择图像，系统会要求您定义“类别”。类别就是您希望 AI 识别的类别。如果您希望它区分钢笔和笔记本，则需要分别为它们创建一个类别。
为了给这些课程提供素材，你有两种选择：使用网络摄像头实时拍摄照片，或者上传你已保存在电脑或 Google 云端硬盘中的文件。确保模型准确的关键在于提供多样化的素材；不要拍摄十张完全相同的照片，而是从不同的角度、光线和位置拍摄物体。机器拥有的清晰且多样化的样本越多，它犯的错误就越少。
数据准备就绪后，就可以点击“准备模型”按钮了。接下来就是关键步骤：系统会处理图像并开始训练。在此过程中，切勿关闭标签页或打开占用大量资源的程序，以免出现错误。训练完成后，您可以将物体放在摄像头前，在预览中测试结果，看看人工智能如何为每个类别分配成功概率。
高级技巧和数据优化
第一次尝试并非总能完美成功，而这正是乐趣所在。如果你发现模型出现混乱，很可能需要清理数据集。例如，如果你正在对昆虫进行分类，而蚂蚁照片的背景中出现了人，人工智能可能会误认为人也是蚂蚁的特征之一。移除这些无关图像是获得“干净”数据和高效训练的关键。
对于追求更专业方法的用户，可以使用 Imageye Chrome 扩展程序等工具从 Google 批量下载图片来训练模型。此外，强烈建议预留一些样本用于测试；也就是说，保存一些 AI 在训练过程中未见过的照片，以验证它是否真正学会了泛化，还是仅仅记住了这些图像。
出口和实际应用
最棒的是，你的工作不必局限于谷歌的网站。你可以将模型导出为 TensorFlow.js 格式，从而将其集成到你自己的网站或移动应用中。此外，你还可以选择下载与 TensorFlow Lite 兼容的格式，非常适合物联网 (IoT)项目或本地设备。
从教学角度来看，教师可以利用这项技术设计与现实生活情境相关的活动。例如，他们可以训练人工智能系统，根据哈勃望远镜观测到的星系形态来识别星系类型，或者创建一个能够识别日常物品的系统来解决特定的课堂问题。这可以将学生从被动的技术消费者转变为积极的人工智能解决方案创造者。
其他面向非专业人士的工具
尽管 Teachable Machine 非常出色，但对于那些寻求低代码方案的用户来说，市面上还有更多选择。Google AutoML是功能更强大、更面向企业级用户的同类产品，并且与 Google Cloud 集成。另一方面，Lobe.ai为图像模型提供了极其简单的拖放式体验，而Runway ML则是希望使用 AI 进行艺术创作或视频编辑的数字艺术家的理想之选。
如果您更习惯使用微软的产品，Azure 机器学习工作室可以让您无需编写代码即可设计复杂的工作流程。如果您对语言和文本感兴趣，Hugging Face是您的理想之选，它提供庞大的预训练模型库，您可以自定义这些模型来分析情感或翻译语言。所有这些平台都有一个共同的目标：消除技术壁垒，让创新取决于创意，而不是代码编写能力。
训练智能系统的能力已惠及所有人，使创造力和教育能够与尖端技术相融合。通过掌握诸如可教机器及其替代方案之类的工具，任何用户都可以将简单的数据转化为功能模型，这些模型能够识别环境、优化流程，并开启以往只有计算机专家才能实现的创新之门。