Machine learning voor dummies met de Teachable Machine

Jongen in blauwe zitzak met een koptelefoon op die naar zijn laptop lacht; hij probeert de Teachable Machine uit

Een eerste kennismaking met machine learning

Om machine learning te begrijpen hoef je niet langer meer in allerlei algoritmes, modellen en codes te duiken. De werking van machine learning wordt nu namelijk op eenvoudige wijze duidelijk gemaakt door de Teachable Machine. Deze tool is onlangs op de markt gebracht door Google, in samenwerking met bedrijven Støj en Use All Five. Je krijgt de mogelijkheid om de machine iets aan te leren, en daar leer jij weer van. ‘Live’ webcambeelden worden als input gebruikt en de machine reageert hier direct op door een bepaalde output te genereren. Je kunt er zelfs voor kiezen om je output in de vorm van een GIF, een muziekje of een geluid te laten verschijnen.

 

De Teachable Machine: hoe werkt het?

Dit klinkt heel leuk allemaal, maar hoe werkt dit precies? Het basisprincipe van de Teachable Machine is dat je deze kunt trainen. Dit doe je door bepaalde gebaren, gezichten, objecten of bewegingen te tonen voor jouw webcam. Dit is jouw ‘input’, en deze zie je links op het scherm. In het midden zijn er drie classificaties te zien; een groene, een oranje en een paarse. Als je de groene, oranje of paarse button indrukt, wordt de desbetreffende classificatie getraind. Er worden 30 verschillende ‘shots’ van jouw input opgeslagen in de desbetreffende classificatie. Helemaal rechts op het scherm krijg je direct de output van de machine te zien. En die output kan daadwerkelijk van alles zijn. Als jij voor de webcam bijvoorbeeld je handen omhoog doet en zo een classificatie traint, kan de output bijvoorbeeld een GIF zijn van een kitten die onschuldig zijn pootjes in de lucht steekt. Als jij met je vingers beweegt in de lucht, kan het geluid van een gitaar als output verschijnen. De output is dus de reactie van de machine op jouw input.

Je ziet hoe de Teachable machine in zijn werk gaat op een scherm

Een voorbeeld van de Teachable Machine

 

Drie outputs tegelijkertijd

Er zijn totaal drie classificaties. Dit houdt in dat je de machine totaal drie verschillende vormen van output tegelijkertijd kan aanleren op basis van jouw input. Als je bijvoorbeeld je hand omhoog doet krijg je een kat met de pootjes omhoog als output; als je vervolgens een raar gezicht trekt krijg je een hond die raar kijkt als output. Maar wat als je zowel je hand in de lucht steekt als een raar gezicht trekt? Dan krijgt de machine het moeilijk. De machine reageert verward en switcht continu tussen het beeld van de hond en de kat.

 

De achterliggende techniek

Deze tool laat iedereen op een grappige en praktische manier ervaren hoe machine learning werkt. Je kunt de machine live in de browser iets aanleren, zonder dat er codering nodig is. Je traint als het ware een neuraal netwerk en dit wordt gedaan zonder dat jouw input wordt opgeslagen op de server. Machine learning verwijst tenslotte naar het trainen van computers zonder direct iets te programmeren. Maar hoe kan de machine dan leren van jouw input? Dit kan met een zogenaamde ‘library code’: deeplearn.js. Machine learning is dus de beste manier om kunstmatige neurale netwerken te creëren die hetzelfde functioneren als het menselijk brein.

 

Van proberen kun je leren

Maar zo slim als het menselijk brein is de machine nog niet. De Teachable Machine doet namelijk niet altijd wat je voor ogen hebt. Dat is ook niet zo gek, als je naar de onderstaande fundamenten van machine learning kijkt:

  1. De machine leert van voorbeelden. Ze kijken, ze vinden en ze onthouden ze. Doe eens gek en verwar de machine door je input ingewikkelder te maken.
  2. De machine heeft veel – heel veel – voorbeelden nodig om van te leren. Varieer jouw input en blijf proberen als de machine even niet meewerkt.
  3. De machine heeft een erg oppervlakkig begrip van de wereld. De machine heeft geen begrip van gezichten of objecten; het leert van jouw voorbeelden. Alles wat de machine ‘weet’ zijn de pixels die de machine ‘ziet’. Extra informatie moet er echt in worden geprogrammeerd.

Machine learning heeft de afgelopen jaren ontzettend veel vooruitgang geboekt. De algoritmes die er nu zijn, zullen echter nooit zo slim worden als we zouden willen. Maar één ding is zeker: ze zijn nog lang niet uitgeleerd!

Meer weten over machine learning? Op deze pagina vind je alles over dit onderwerp. 

Posted on 30 oktober 2017

Share the Story

Back to Top