STREAM AIチャレンジ勉強会

2023.5 春日井泉高校

参照元

AIを知ろう

Google Teachable Machine実習

画像をリアルタイムに分類する機械学習モデルを作成してみよう。


Stretch3 https://stretch3.github.io/ を開く


拡張ブロックのボタンをクリック


TM2Scratchをクリック

動作確認


画像ラベル  ブロックのチェックをON


画像分類モデルURL  ブロックを取り出してクリック (このURLにはジャンケンの分類モデルが入っている)


インカメラ または アウトカメラ に グー チョキ― パー の手を撮影して分類結果を確認する。

 ※カメラ画像ではない方のカメラで分類してしまうバグが起きる場合がある。
両方のカメラに手を映して確認すること。

Google Teachable Machineで分類モデル作成


https://teachablemachine.withgoogle.com/ を開く


次の様に進む

使ってみる 画像プロジェクト 標準の画像モデル


次の様に分類モデルを作成する

3種類ほど分類対象を撮影

撮影枚数は50枚程度 いろいろなパターンになるように撮影する

モデルをトレーニングする

トレーニング完了後 分類を試す

モデルをエクスポートする

モデルをアップロードする

共有可能なリンク のURLをコピーする

Stretch3に分類モデルのURLをセット

画像分類モデルURL のブロックにコピーしたURLを貼り付ける

他のブロックと組み合わせて動作確認

例)

音楽ブロックを追加してジェスチャーで演奏

スケジュール

春日井泉高校

課題研究「AIチャレンジ」講座受講生11名 第3学年


5月26日(金)

13:00 現地到着後。水野先生と待ち合わせ

活動場所 普通教室 モニターあり HDMI

生徒端末 surface

13:20 5時間目

AI全般についての話題

chatGPTや生成系AIの話題

AIチャレンジのアイディア3件発表 生徒3チームプレゼン各 1,2分についてコメント

14:10 10分休憩

14:20 6時間目

Strech3でTM2Scratchの実習

武道館に移動 ドローン飛行・撮影体験会

15:00 終了目途(15:10 6時間目終了)


6月 春日井市デジタル推進課を訪問 地域の問題をヒアリング(SDGs)

メモ

生成系AI

LLM 大規模言語モデル

t2t

言語モデルの学習 概要

chatGPT / being chat

何を学習にりようしたか?

言語による能力差 学力

得意言語 英語 Python

学習時期

学習データの オプトイン オプトアウト

プロンプト

ハルシネーション


利用例

tool interface

code copilot

学習

汎化能力

過学習

パラメータ数

RLHF

alignment

fine-tuning

応用

API

chatGPT4 demo (plug-in)

Bard

LLaMA

マルチモーダル

CLIP


ディフュージョン系画像生成

t2i

i2i

Midjourney

Stable Diffusion

ネガティブプロンプト ポジティブプロンプト

NSFW 著作権

LoRA

controlNet

i2 3D

Transformer

Attention

音源分離


基盤モデル

Robotics  x AI

RoboCup


PEG