- Teachable Machine 允許在不編寫程式碼的情況下開發影像、聲音和姿態辨識模型。
- 該工具使非技術人員和教育工作者更容易學習機器學習，從而實現了人工智慧的普及化。
- 可以將訓練好的模型匯出，以便整合到 Web 應用程式、物聯網專案或本地軟體中。
你是否曾經認為人工智慧只是電腦天才或擁有博士學位的數學家的專屬領域？現在，這種想法完全過時了。任何人都可以體驗機器學習，而無需編寫任何程式碼。由於直觀易用的工具，這項技術已經普及，從學生到創業者，每個人都能以完全視覺化的方式邁入人工智慧的世界。
該領域最傑出的例子之一是Google的Teachable Machine，這是一個將模型訓練變成類似遊戲體驗的網路平台。它並非旨在創建複雜的聊天機器人，而是設計能夠即時對影像進行分類、識別聲音或偵測身體姿勢的系統。對於那些想要了解機器如何從範例中「學習」以及如何將這些知識應用於教育或創意專案的人來說，Teachable Machine是一個完美的入門平台。
避免迷路的基本概念
在深入了解工具之前，先來了解機器學習的概念很有幫助。簡而言之，它是人工智慧的一個分支，它使電腦能夠從資料中學習，而不是按部就班地執行預先設定的程式指令。想像一下，你還是個孩子，正在學習區分蘋果和梨子；你的父母會給你看各種水果，並告訴你哪個是哪個。人工智慧模型也做著同樣的事情：它分析所提供的資料中的模式，從而對從未見過的事物做出判斷。
這些模型是我們日常使用的技術背後的驅動力，例如 Alexa 之類的語音助理或 Netflix 的推薦系統。在教育領域，這尤其寶貴，因為它能幫助學生了解人工智慧的運作原理，並培養他們在數位時代處理資訊的批判性思考能力。
一步一步創建你的第一個模型
如果您想開始使用，過程出奇地簡單。首先，請造訪 Teachable Machine 的官方網站，選擇您最感興趣的項目類型：圖像、聲音或姿勢。例如，如果您選擇圖像，系統會要求您定義「類別」。類別是您希望 AI 識別的類別。如果您希望它區分鋼筆和筆記本，則需要分別為它們建立一個類別。
為了提供這些課程素材，你有兩個選擇：使用網路攝影機即時拍攝照片，或上傳你已儲存在電腦或 Google 雲端硬碟中的檔案。確保模型準確的關鍵在於提供多樣化的素材；不要拍攝十張完全相同的照片，而是從不同的角度、光線和位置拍攝物體。機器擁有的清晰且多樣化的樣本越多，它犯的錯誤就越少。
資料準備就緒後，就可以點選「準備模型」按鈕了。接下來就是關鍵步驟：系統會處理影像並開始訓練。在此過程中，切勿關閉標籤頁或開啟佔用大量資源的程序，以免發生錯誤。訓練完成後，您可以將物體放在相機前，在預覽中測試結果，看看人工智慧如何為每個類別分配成功機率。
進階技巧和數據優化
第一次嘗試並非總是能完美成功，而這正是樂趣所在。如果你發現模型出現混亂，很可能需要清理資料集。例如，如果你正在對昆蟲進行分類，而螞蟻照片的背景中出現了人，人工智慧可能會誤認為人也是螞蟻的特徵之一。移除這些無關影像是獲得「乾淨」資料和高效訓練的關鍵。
對於追求更專業方法的用戶，可以使用 Imageye Chrome 擴充功能等工具從 Google 批次下載圖片來訓練模型。此外，強烈建議預留一些樣本用於測試；也就是說，保存一些 AI 在訓練過程中未見過的照片，以驗證它是否真正學會了泛化，還是僅僅記住了這些圖像。
出口和實際應用
最棒的是，你的工作不必局限於谷歌的網站。你可以將模型匯出為 TensorFlow.js 格式，從而將其整合到你自己的網站或行動應用程式中。此外，你也可以選擇下載與 TensorFlow Lite 相容的格式，非常適合物聯網 (IoT)專案或本地裝置。
從教學角度來看，教師可以利用這項技術設計與現實生活情境相關的活動。例如，他們可以訓練人工智慧系統，根據哈伯望遠鏡觀測到的星系形態來識別星系類型，或創建一個能夠識別日常物品的系統來解決特定的課堂問題。這可以將學生從被動的技術消費者轉變為積極的人工智慧解決方案創造者。
其他面向非專業人士的工具
儘管 Teachable Machine 非常出色，但對於那些尋求低程式碼方案的用戶來說，市面上還有更多選擇。 Google AutoML是其功能更強大、更面向企業級的升級版，可與 Google Cloud 無縫整合。另一方面，Lobe.ai為圖像模型提供了極其簡單的拖放體驗，而Runway ML則是數位藝術家的理想之選，他們可以利用 AI 進行藝術創作或影片編輯。
如果您更習慣使用微軟的產品，Azure 機器學習工作室可以讓您無需編寫程式碼即可設計複雜的工作流程。如果您對語言和文字感興趣，Hugging Face是您的理想之選，它提供龐大的預訓練模型庫，您可以自訂這些模型來分析情緒或翻譯語言。所有這些平台都有一個共同的目標：消除技術壁壘，讓創新取決於創意，而不是程式碼編寫能力。
訓練智慧系統的能力已惠及所有人，使創造力和教育與尖端科技融合。透過掌握可教機器及其替代方案等工具，任何使用者都可以將簡單的資料轉化為功能模型，這些模型能夠識別環境、最佳化流程，並開啟以往只有電腦專家才能實現的創新之門。