機器學習

第一節

給學生重要概念機器學習是人工智慧,著重於訓練電腦從資料中學習,並根據經驗改進,而不是按照明確的程式碼運行作業。

以天氣為例說明天氣受那些特徵值影響,收集大理的資料,經整理後把它們輸入人工智慧的機器,人工智慧為產生1個數模型,並給予參數,這些參數是隨機給的,開始預測產出的數值離目標值有一段距離,電腦會調整參數再產生一數值,如果這個數值離目標值近,就往這個方向調整,如果產生的預設值離目標值比較遠就往另一方向調整(專業名詞稱梯度下降法)。

給學生人「不怕慢,只怕站」的學習概念,並解釋由於硬體技術的突飛猛進,雖然是嘗試錯誤學習,但人工智慧學習由於運算速度快,很快就算找到一套很好的運算模型

教師說明機器學習

操控政府資料開放平臺

操控政府資料開放平臺

簡介人工智慧簡易歷史沿格

介紹人工智慧的發展史,並跟學生說明我們只會講到其中幾項並加入一點實作。

資料收集

學生明瞭機器學習第1個步驗為收集有用的數據給人工智慧機器,所以介紹資料收集的方法,並讓學生實際操作從data.gov.tw(政府資料開放平臺)下載資料。

第二節課 人均所得

說明一下資料的收集後,接下來必需進行資料的整理,給同學1個觀念錯誤、極端值或重複的資料必需剔除,否則會垃圾進,訓練出來的模型也是垃圾。

特徵資料(特徵資料的討論師生互動

學生已建立人工智慧會自己尋找資料的特徵概念,本次上課進行一個活動,先介紹番茄的特徵有那些?再拿西瓜與蘋果的照片做例子。例如西瓜的特徵為顏色綠色、黃色,形狀為圓形,請同學回答蘋果有那些特徵?

融合本地的特色,介紹高美溼地的三種螃蟹,提供照片,以3人為1組請打字快的人坐中間,左右開啟圖片,3人共同把螃蟹的特徵寫出並回答。下圖為其中一組的答案。以這一組答案為例告知全班以影像的人工智慧前兩種人工智慧可以找得到特徵,而食物是一種資料的特徵,不在這次的討論範圍。

螃蟹特徵討論

螃蟹特徵討論

圖片分類

資料探勘

資料探勘有6種本次課程只說明分類及群集。給同學分類是事前給予類別的名稱,機器去找一些特徵,而群集是電腦只自己根據特徵分好群,再找人事後給予類別的名稱。

AI FOR OCEANS

到coed.org網頁操作5分鐘的分類,此分類只分魚和非魚兩種,在每張圖的分類過種中,教學生這就是事前給予類別的名稱,再將資料放到它屬於那種類別,機器再歸納特徵,找到一個演算法。接下來進行新資料的分類。

第三節

前一節課最後5分鐘,讓學生操作分類,這一節課先從課程的影片開始,該短片也是在解釋什麼是AI?它不是一行一行的指令指示機器該做什麼?而是給予機器大量的資料,讓機學習到規則後,新資料進來後,機器根據此規則運作,學生看完了影片更加深了什麼是人工智慧的概念。

第二段的課程讓學生思考AI如要學習判別是不是海洋生物該如何處理,學生已經能回答給新的資料,重新訓練AI機器就可以了,接下來用2分鐘的時間讓學生重新訓練,AI機器真的能做是不是海洋生物的判斷,最後給予學生重要的概念,AI機器能做麼事,訓練者給予的資料與如何分類是非常重要,好的數據與分類才能訓練出好的AI機器,為人類提供良好的服務。

第三段在說明AI人工智慧對社會的影響,AI人工智慧已經運用非常廣汜,從簡單的人臉辨識到精確的醫瞭療行為,都是運用的範疇,想想人工智慧製造者,如果不好好的訓練機器,如存在某種偏見將造成什麼災難,最後讓學生體驗AI人工智慧也可以用來偵測表情,它可以偵測喜怒哀樂,甚至連愚蠢都能偵測的出來,如果用來篩選人才也是不錯的選擇。

http://www.20q.net/網站,解說:先設定1件東要,與電腦互動中,電腦給您一些訊息(特徵),您回答該特徵的情況,電腦就能猜出您設定的東西,本次範例為大象,與電腦互動18題,電腦就猜出答案。先控制電腦操作權,請同學設定一件物品或生物,再開放給同學使用,同學此次的操作有的人很快就猜出來,有的人說這是一臺爛的AI機器,20題後還猜不出來,教師解釋:這臺AI機器其實已經很強大了,剛剛的海洋AI,只判斷是不是,這次要判別出這是什麼東西,而這個東西天馬行空,甚至是一種行為,所以每次都能成功比較難,現在同學第二次設定目標是一種行為,試一試機器是否能猜的出來?

觀看人工智慧短片

2分鐘操作辨識海洋生物AI機器

20個問題猜1件東西說明

teachablemachine網站介紹,它可做影像、聲音及姿勢的辨識,可以在電腦及手機使用,本次先介紹影像辨識,手機請選擇96*96解析度,進入影像辨識後,先給學生這種機器模型,就是所謂的監督式學習。要先給標籤(分類),再將資料輸入標籤的裏。做為下次機器學習的引導教學。

第四節

複習監督式學習的概念後,開始操作teachablemachine網頁,進入影像辨識網頁,教師進行如下圖解說監督式學習的第1個步驟為給標籤(分類),

第二步驟輸入要學習的資料,如下圖,強調一下現在進行的步驟為輸入大量的學習資料

第三步驟,進行機器學習,也就是開始訓練,講解機器會從我們給予於的資料擷取每個類別的特徴,如圖左邊為進行50個週期的特徵擷取,最後機器根據這些特徵計算出1個模型,用以判斷新的資料

第四步驟為輸入新的資料進行學習模型判斷,如圖當輸入新的資料為有戴口罩,其輸出有戴口罩、未戴口罩的機率及口罩未戴好的機率各是多少?

由上圖得知,輸出的準確率不是很高,所以機器模型必需調整,可以是資料給的不夠多,我們可以再增加各類別的資料量,也可以再增加類別的項目。

如下圖增加資料量後重新訓量,準確率就提高了,上課進行中找1個戴不同顏色口罩的同學進行測試,準確率一樣,跟學生說明本次的運算模型,應未包含顏色。

在資料量未增加的情況下,可以調整學習週期數量,也可以提高準確率,可以試著先調到100。

請同學開始實作前,因疫情期間,請同學不要判別口罩相關問題,同學請自行想一想您要判斷什機?例戰手心、手背、剪刀、石頭及布,但是請不要判別中指。

實作的過程中,學生想像力豐富,有判別滑鼠、鍵盤,有判別同學的臉孔,有的想判別臉部表情但被教師制止,不准脫口罩。

網路攝影機調整

進入teachable machine

訓練資料輸入

IMG_5976.MOV

第五節課

為了增加學生學習的興趣,進行了判別您像大明星嗎?判別您像那位同學?活動。時間的因素請每位男同學搜尋全城武照片後下載3張以上的照片到公共資料夾,女同學下載林志鈴的照片後上傳到公用資料來,請各組派1個人開啟teachable machine,用影像處理模式建立3個同學的名字作為類別,並再建立金城武或林志鈴類別,建立各類別的資料,利用webcam上傳資料時,請同學做出喜怒哀樂的表情。明星照片請從資料夾下載後上傳。

聽教師說明如何下載照片

同學下載明星照片

上傳資料到teachable machine

準備好類別後,開始進行200週期訓練,訓練好後各組同學到其它組判斷,您像別組的那一位同學或明星,接著請男同學到女同學這邊判斷,最後請一組同學到教師機進行判斷。判別像誰的時刻同學學皆以期待的眼神等待結果,結果出爐同學們哄堂大笑,是個不錯的寓教於樂的活動。

上傳類別資料.MOV
各組進行判斷.MOV
請同學判斷.MOV