Naučite računar da prepoznaje slike, zvuke i pokrete (bez kodiranja!)

Treniranje ML modela nije lako za prosečnog korisnika. Mašinsko učenje i veštačka inteligencija su relativno nove oblasti sa kojima se većina korisnika računara nije bavila. Naravno, ne zanima svakoga programiranje, ali ni to ne bi trebalo da spreči pojedince da se upuste u ove vode. Zbog toga je Google pokrenuo projekat „Teachable Machine„.

Šta je ML?

U bukvalnom prevodu to znači „Treniranje mašine“, odnosno treniranje računara da nešto prepozna. Recimo možete „nahraniti“ model sa stotinama slika jabuke, pustiti algoritam da odradi svoje, i kasnije će moći da prepozna bilo koju jabuku. Više o ML pročitajte ovde.

Šta je Teachable Machine?

Radi o veb aplikaciji koja ima veoma lep i moderan dizajn, a kreirana je tako da svako ko zna da koristi tastaturu i miša može kreirati svoj ML model.

Ovaj projekat je kreiran tako da svako, čak i oni koji nisu imali dodira sa programiranjem, ili ih nisu ni zanimali računari, mogu kreirati svoj ML model i kasnije koristiti u nekim svojim projektima.

Dakle, kao što sam napisao u pasusu o ML, morate „nahraniti“ model slikama nečega kako bi „naučio“ kako to nešto izgleda u više varijacija. Ova aplikacija je ceo taj proces pojednostavila i približila ML krajnjim korisnicima.

Ono što je još olakšano je to što korisnik ne mora učiti model od nule šta je kontura, šta je boja, životinja, pas… već ga može samo naučiti kako izgleda neki konkretan pas, ili nešto peto. To je moguće zahvaljujući Google-ovom velikom modelu koji je već „naučio“ kako sve na svetu izgleda pa vi možete od svega toga „uzeti“ ono što vama treba (kako izgleda vaš pas recimo).

Pa tako možete recimo preko veb kamere snimiti nekoliko slika sebe, svog psa i mačke, pustiti aplikaciju da „nauči“, i zatim testirati da li dobro prepoznaje šta se nalazi na kameri u nekom trenutku.

Pored toga što možete ternirati model sa slikama, možete ga trenirati i sa pokretima i zvukom. Na primer, možete ga istrenirati da prepoznaje kada uradite čučanj pa da izbroji ili koju vrstu muzike svirate.

Uputstvo

1) Otvorite sajt projekta – link

2) Izaberite da li želite da trenirate model pomoću slika, zvuka ili pokreta

3) Dodajte fajlove za treniranje u svaku klasu (možete dodati preko veb kamere ili izabrati iz računara)

4) Kliknite „Train model„

5) Testirajte!

Kada testirate svoj model i budete zadovoljni rezultatima, možete ga izvesti i dalje koristiti u svojim projektima. Lepe primere možete pronaći na zvaničnom sajtu projekta.

Napredno

Kada otvorite alat primetićete da se u prvom koraku nalaze nekakve klase. To služi ukoliko želite da trenirate model sa više objekata, zvuka ili pokreta. Recimo, možete mu poslati snimke jabuke, kruške i višnje. Svaku voćku smestite u jednu klasu. Kasnije kada budete testirali videćete koliko procenata je model siguran koja voćka se nalazi na ekranu u nekom trenutku.

Ako otvorite napredne opcije kod drugog koraka (Training) videćete podešavanja za epohe, količinu i stopu učenja. To su fina podešavanja modela za učenje i preporučujem vam da ostavite podrazumevano. Ovo možete podešavati tek kada shvatite kako ML zaista radi i budete želeli da fino podesite rezultate. Ako imate dosta više klasa ove opcije vam mogu pomoći da napravite precizniji model.

Svoj istrenirani model možete koristiti u nekim svojim projektima, a zvanično su podržani TensorFlow, ML5js, p5.js, Coral.ai, Framer i Node.js.