اولین مدل هوش مصنوعی کودک: در ۲۰ دقیقه یک سیستم تشخیص تصویر بسازیم
پاسخ کوتاه: برای ساخت اولین مدل تصویر، دو دسته انتخاب کنید، برای هر دسته چندین نمونه متنوع جمع کنید، مدل را آموزش دهید و بعد با نمونههایی که قبلاً ندیده آزمایش کنید. مهمترین بخش پروژه «Train» نیست؛ تحلیل اشتباهها است.
پروژه: مداد یا ماژیک؟
دو شیء ساده و قابل دسترس انتخاب کنید. هدف این است که مدل از دوربین تشخیص دهد کدام شیء جلوی آن قرار گرفته است.
گام ۱: دو Class بسازید
در Teachable Machine یک Image Project باز کنید و دو کلاس تعریف کنید: «مداد» و «ماژیک».
گام ۲: نمونه جمع کنید
هر شیء را از زاویهها، فاصلهها و نورهای متفاوت نشان دهید. اگر همه تصاویر دقیقاً یکسان باشند، مدل ممکن است محیط را حفظ کند نه خود شیء را.
گام ۳: Train Model
دکمه آموزش را بزنید. ابزار مدل را داخل مرورگر آموزش میدهد. Teachable Machine برای بسیاری از پروژهها امکان کار روی دستگاه را فراهم میکند.
گام ۴: با نمونه جدید تست کنید
یک مداد جدید یا پسزمینه متفاوت امتحان کنید. درصد اطمینان را ببینید.
گام ۵: عمداً مدل را به اشتباه بیندازید
نور را کم کنید، بخشی از شیء را بپوشانید یا زاویه را عوض کنید. هر خطا یک سؤال علمی ایجاد میکند.
گام ۶: Dataset را بهتر کنید
اگر مدل در نور کم اشتباه میکند، نمونههای نور کم اضافه کنید. اگر پسزمینه را اشتباه میگیرد، پسزمینهها را متنوع کنید.
این پروژه چه مفاهیمی را آموزش میدهد؟
- Class و Label
- Training data
- Prediction
- Confidence
- Generalization
- Bias
یک آزمایش بسیار مهم درباره Bias
همه تصاویر «مداد» را روی میز سفید و همه «ماژیک»ها را روی میز تیره بگیرید. مدل ممکن است رنگ میز را یاد بگیرد. سپس جای پسزمینهها را عوض کنید. این آزمایش مفهوم Bias و Shortcut Learning را ملموس میکند.
نسخه پیشرفتهتر
سه کلاس اضافه کنید یا خروجی مدل را به یک صفحه وب/بازی متصل کنید. Teachable Machine مدلهای TensorFlow.js را برای استفاده در پروژههای دیگر قابل Export میکند.
FAQ
آیا این مدل واقعاً AI است؟
بله؛ مدل طبقهبندی واقعی است که از مثالها الگو یاد میگیرد.
چند تصویر لازم است؟
یک عدد جادویی وجود ندارد؛ تنوع نمونهها مهمتر از تکرار تصاویر تقریباً یکسان است.
آیا باید عکس کودک آپلود شود؟
برای این پروژه اصلاً لازم نیست. از اشیا استفاده کنید و حریم خصوصی را رعایت کنید.
منابع بینالمللی
مسیر یادگیری AI/KIDS در IHIM شیراز
در IHIM AI KIDS مسیر آموزش بر اساس سن، سطح و علاقه کودک تنظیم میشود و از درک مفاهیم به ساخت پروژه میرسد. برای انتخاب سطح مناسب، صفحه اصلی AI KIDS را ببینید.
این مقاله بخشی از مسیر یادگیری IHIM AI/KIDS است. مشاهده نقشه کامل Beginner → Builder → Creator → Project Lab → Portfolio | مشاهده پروژههای قابل ارائه و AI Portfolio