得益于各种套件,今天的机器学习门槛越来越低。但 Google 显然不满足,新推出 Teachable Machine 专案,让用户无需程式设计就可用手机、平板、电脑等装置的镜头采集资料来机器学习。这专案是 Google 的 A.I. Experiment 一部分,来源码已公布在 Github。
简单的说,Teachable Machine 是一个基于浏览器的机器学习示范实验,用一个叫 Deeplearn.js 的程式库构建,网页开发者可编写一个简单的视觉汇入,并设定汇出和 3 个训练分类器,在浏览器训练新的神经网络。示范影片里 Google 没有详细说明更深的机器学习工作原理,但足以让大多数人对机器学习有最基础的概念。
如下图所示,网页中可呼叫镜头获得不少于 30 幅的影像资讯,作为训练的“汇入”;中间的学习框包括 3 个分类器,用 Green、Purple、Orange 表示,机器透过你做的动作学习,进而“学会”辨识相应动作;最后是汇出部分,分类器根据不同汇入,按照训练结果分类出最右侧的结果。
首先训练 Green 分类器,如图所示,训练者抬起手,按下“Train Green”按钮,镜头自动生成一个包含若干个抬手图的训练集。我们可以看到,分类器可 100% 辨识抬手的动作并与猫关联。
类似可训练其他分类器,例如放下手训练 Purple 分类器并对应到狗的汇出。
然后我们就可以开始调戏机器了:如果你半举手,机器认为你有 64% 可能是抬手,35% 可能是不抬手,对应仍然汇出猫;
如果举另一只手呢?机器虽然没有见过你举另一只手的图,但还是能 100% 确定应该汇出猫。
汇出可设定为图片、音档或语音,开发者可方便地将这些汇出调换成自己需要的素材。
对机器学习一无所知的读者来说,该实验可直觉地展示机器学习的基本概念。这专案执行在基于 Java 的 deeplearn.js 框架,可在大多数硬件(据回馈目前不支援 iPad Pro)大多数浏览器顺畅执行。
完整的影片在这:
看了那么多,你是否已迫不及待想试一下?感兴趣的读者可在 Github 检视来源码,自己动手试一下。
(本文由 雷锋网 授权转载;首图来源:Teachable Machine)
延伸阅读:
- 翻转人类未来的 AI 科技:机器学习与深度学习
- 想成为机器学习工程师?这份自学指南值得你收藏