Teachable Machine 2.0 udvider maskinlæringsoplevelsen

Hvad, er det så nemt at forstå det grundlæggende i maskinlæring? Gode ​​nyheder fra Googles Teachable Machine-team. Tidligere, the Teachable Machine gav lektioner om, hvordan AI fungerer, men en ny 2.0 sætter dig i gang med at få din maskinlæringsmodel til at komme til live i apps, hjemmesider og mere.

En række websteder fik travlt i løbet af de sidste par dage med at sige, at Google opdaterede Teachable Machine-programmet for at give brugerne flere træningsværktøjer.

Bradly Shankar ind MobileSyrup.com talte om, hvad der er specielt ved 2.0. "Modeller kan uploades til onlinebrug eller gemmes til indbygget brug på enheden. Yderligere, AI-modeller kan nu trænes baseret på lyd og positurer, oven i de almindelige billeddata."

Ivan Mehta ind TNW på samme måde forklaret, hvad der var specielt. "Den tidligere version gav dig mulighed for at træne tre klasser gennem dit kamera. Den nye model, lader dig ikke kun definere mere end tre klasser, det giver dig også mulighed for at bruge billeder, lydklip, poseringsdata, eller dit eget datasæt til træningen."

Alt i alt, du kan træne AI-modeller ikke kun på billeder, men baseret på lyd og positurer.

"Teachable Machine 2.0:Making AI lettere for everyone" er en video, der blev lagt ud den 7. november. Videobeskeden var, at den nye 2.0 kunne gøre det både hurtigt og nemt at skabe machine learning-modeller til dine projekter, ingen kodning påkrævet. ""Du træner en computer til at genkende dine billeder, lyder, og poserer uden at skrive nogen maskinlæringskode. Derefter, bruge din model i dine egne projekter, websteder, apps, og mere."

Hvis nogle mennesker føler sig nervøse over, at arbejdet med maskinlæring ville være hen over hovedet på dem, holdet bag Teachable Machine vil gerne fjerne den frygt og erstatte den med entusiasme. "Maskinlæring er ret skræmmende at komme ind i, " sagde fortælleren. "Så vi har undret os. Hvad hvis det ikke var?"

Sig hej til Teachable Machine 2.0. De sætter sig for at gøre det nemmere for alle at skabe maskinlæringsmodeller. Cantaloupe orange. Skyggefuldt solrigt. Vand på Vand slukket. Teachable Machine lægger nu magten i dine hænder. Fortælleren får til sidst selskab af en medfortæller, der siger:"Så lad os sige, at du vil bygge en model ved at bruge et billede af dig og et billede af din hund." Du åbner siden, optag prøver af dig, og prøver af din hund. Klik på tog.

Du kan uploade din model, også, at hoste det online eller downloade det. Lærbar maskine er fleksibel; Teachable Machine-webstedet sagde, at det respekterer den måde, du arbejder på. Du kan bruge det helt "på enheden, uden webcam eller mikrofondata, der forlader din computer, " sagde siden.

Kyle Phillips, Google Creative Lab, skrev et blogindlæg om de nye muligheder den 7. november. Sådan virker det:Du kan bruge Teachable Machine til at genkende billeder, lyde eller positurer. "Upload dine egne billedfiler, eller fange dem live med en mikrofon eller webcam. Disse eksempler forbliver på enheden, forlader aldrig din computer, medmindre du vælger at gemme dit projekt på Google Drev." Teachable Machine fra Google Creative Lab går i gang med at træne en model baseret på de eksempler, du har givet.

Træningen foregår i din browser, han sagde; alt forbliver i din computer.

I videoen, oplægsholderen havde sagt, at "folk" allerede har prøvet det, det er, ved at bruge Teachable Machine i deres egne eksperimenter.

Phillips, i mellemtiden, rapporteret om konkrete sager.

Uddannelsesforsker Blakeley Payne og hendes team har brugt Teachable Machine som en del af et pensum, der lærer mellemskoleelever om AI gennem praktisk erfaring.

Steve Saling, fokuseret på tilgængelighedsteknologi, brugt det til at udforske kommunikation for mennesker med taleforringelse.

Yining Shi har brugt Teachable Machine med studerende i Interactive Telecommunications Program på NYU for at udforske dets potentiale for spildesign.

Tensorflow.js, et open source-bibliotek til maskinlæring fra Google, spiller en rolle i alt dette; det driver den model, du skaber. Som Teachable Machine-webstedet sagde, "De modeller, du laver med Teachable Machine, er rigtige Tensorflow.js-modeller, der fungerer overalt, hvor javascript kører, så de leger godt med værktøjer som Glitch, P5.js, Node.js og mere."

Hvis du stadig har brug for at overbevise, er det virkelig lige så nemt, som det ser ud og lyder, , dette vil hjælpe. Se en anden video, hvor du ser fortælleren fortælle om Teachable Machine 2.0.

Det Engadget dom? Jon Fingas vejede ind, med perspektiv. "Dette er helt klart ikke det mest sofistikerede AI-system, men det behøver det ikke at være. Det er stadig et pædagogisk værktøj i hjertet, og støtten til projekter gør det så meget mere nyttigt til at demonstrere AI-koncepter i den virkelige verden."

Så, hvilken version er bedre at bruge, den første eller denne seneste?

"I en nøddeskal, " sagde webstedet for Teachable Machine, "hvis du siger, en lærer, der bare gerne hurtigt vil demonstrere, hvordan maskinlæring fungerer og ikke behøver at gemme noget, brug den første version fra 2017. Hvis du vil gemme din model og oprette et arbejdsprojekt, brug den nyeste version."

© 2019 Science X Network