Teachable Machine

Esta reseña de Teachable Machine aborda las funciones de esta herramienta web, sus características, su coste, cómo entrenar un modelo paso a paso y cómo se sitúa frente a otras herramientas de aprendizaje automático. Teachable Machine es un experimento de Google Creative Lab: le muestras ejemplos al ordenador, este aprende a reconocer patrones y tú pruebas el modelo en tiempo real con tu cámara web o micrófono. En lugar de programarse de forma explícita, el modelo aprende a partir de los ejemplos que le proporcionas. La versión 2.0, lanzada en noviembre de 2019, añadió proyectos de sonido y de posturas al clasificador de imágenes original de 2017.

¿Para qué se utiliza Teachable Machine?

Teachable Machine se utiliza para crear modelos de aprendizaje automático destinados a la clasificación: distinguir entre imágenes, sonidos o posturas corporales. Los proyectos típicos clasifican objetos frente a una cámara web, detectan sonidos sencillos como un aplauso o un silbido, reconocen gestos con las manos o movimientos corporales, o distinguen un gato de un perro. Los profesores lo utilizan en clase para mostrar a los alumnos cómo la inteligencia artificial aprende a partir de datos, y los creadores lo emplean para controlar juegos, páginas web y proyectos físicos, como un robot Arduino.

Al tratarse de una herramienta basada en la web que no requiere instalación, cualquier persona con un navegador puede acceder a ella, lo que facilita la creación de proyectos con amigos o en clase. También es una herramienta de investigación. Un artículo de Google de 2020 señala que más de 182 000 usuarios de 201 países crearon más de 125 000 modelos de clasificación con esta herramienta, y que instituciones como la d.school de Stanford, el ITP de la NYU y el MIT Media Lab la utilizaron en la enseñanza (Google Research).

Características principales

• Tres tipos de proyectos para modelos personalizados de aprendizaje automático: proyectos de imagen, audio y postura, cada uno de ellos entrenado con ejemplos que grabas con una cámara web o un micrófono, o que subes como archivos.
• Entrenamiento en el navegador: el entrenamiento se realiza en tu propio ordenador, por lo que los datos permanecen en el dispositivo a menos que guardes el proyecto en Google Drive (blog de Google).
• Pruebas en tiempo real: la vista previa muestra la predicción del modelo y su nivel de confianza para cada clase a medida que te mueves o emites sonidos.
• Exportación: los modelos se exportan como TensorFlow.js para sitios web, y los modelos de imagen también como TensorFlow y TensorFlow Lite, incluida una versión Edge TPU para placas Coral (incidencia de GitHub n.º 66).
• Enlace compartible: puedes subir un modelo y cargarlo desde una URL alojada con las bibliotecas de código abierto, que incluyen fragmentos de código para JavaScript, Java y Python (GitHub).

Precios de Teachable Machine

El uso de Teachable Machine es gratuito. No hay que crear una cuenta, suscribirse ni contratar ningún plan de pago: basta con abrir la página web y empezar a crear. Para guardar proyectos en Google Drive se necesita una cuenta de Google. Las bibliotecas auxiliares son de código abierto bajo la licencia Apache 2.0. El único coste a tener en cuenta es el soporte técnico: Google describe el proyecto como «un experimento, no un producto oficial de Google» y solo se compromete a hacer todo lo posible por mantenerlo (GitHub).

Guía paso a paso: entrenar un modelo de aprendizaje automático

1. Abre la herramienta web y elige un proyecto de imagen, audio o pose.
2. Asigna un nombre a cada clase, como «pulgar hacia arriba» y «pulgar hacia abajo».
3. Añade ejemplos a cada clase mediante la cámara web, el micrófono o imágenes subidas. Cuanto más variados sean los ejemplos, mejores serán los resultados.
4. Haz clic en «Entrenar modelo». El entrenamiento se ejecuta en el navegador.
5. Prueba el modelo en la vista previa y añade ejemplos en los casos en que se equivoque.
6. Exporta el modelo o súbelo para obtener un enlace que puedas compartir en tus aplicaciones y sitios web.

¿Qué ocurre después de subir imágenes? Se utilizan como ejemplos de entrenamiento en tu sesión del navegador y no se envían a Google a menos que guardes el proyecto en Drive o subas el modelo entrenado.

Teachable Machine para niños y aulas

Teachable Machine es muy popular entre los niños y los profesores porque convierte conceptos abstractos en un juego. Los alumnos recopilan sus propios datos de entrada, como imágenes, poses o sonidos de instrumentos musicales, entrenan un modelo y ven al instante cómo lo interpreta la tecnología. Esto facilita explicar en qué se diferencia enseñar a los ordenadores de programarlos, y evaluar por qué un modelo se equivoca. Las clases suelen empezar con una idea divertida, como un juego de piedra, papel o tijera o un juego controlado por gestos, y terminan con un debate sobre el sesgo en los datos de entrenamiento. El equipo de diseño de Google describe el objetivo como «entrenar con ejemplos en lugar de crear reglas» (Google Design).

En qué destaca Teachable Machine — y en qué se queda corto

Puntos fuertes:

• Gratuito, rápido y sencillo: se crea un primer modelo en cuestión de minutos, sin necesidad de programar.
• Los datos se almacenan en el navegador de forma predeterminada.
• Ideal para clases, prototipos y experimentos creativos.
• Exporta modelos de aprendizaje automático a la web, a dispositivos móviles y a dispositivos periféricos, por lo que puedes entrenar fácilmente un modelo y utilizarlo en un proyecto completo.

Limitaciones:

• Solo clasificación; no admite detección de objetos, regresión ni modelos de texto.
• Conjuntos de datos pequeños y modelos sencillos; no está diseñado para ofrecer precisión en entornos de producción.
• Se trata de un experimento con soporte técnico «en la medida de lo posible», no es un producto oficial de Google.
• Control limitado sobre los ajustes de entrenamiento en comparación con una plataforma de aprendizaje automático real.

Comparación de Teachable Machine

• Create ML: el entrenador de modelos sin código de Apple para Mac, con más tipos de modelos y salida Core ML para aplicaciones de Apple.
• H2O.ai: AutoML de código abierto y para empresas, destinado a datos tabulares y modelos de producción.
• DataRobot: AutoML empresarial y operaciones con modelos para datos empresariales.
• Obviamente AI: predicciones sin código a partir de datos de hojas de cálculo; la empresa ha cambiado desde entonces su nombre por el de Zams.

¿Merece la pena Teachable Machine?

Sí, para aprender, enseñar y crear prototipos rápidos. Es la forma gratuita más rápida de mostrar a estudiantes o compañeros cómo un ordenador aprende a reconocer imágenes, sonidos y poses, y las opciones de exportación son suficientes para una demostración web o un proyecto de Coral. No es una plataforma para el aprendizaje automático en producción: los modelos son pequeños, la asistencia técnica se presta en la medida de lo posible y las tareas más complejas requieren una herramienta de aprendizaje automático propiamente dicha. Si quieres convertir un prototipo de Teachable Machine en un producto, las agencias de «low-code» y los desarrolladores de LowCodeDevs pueden ayudarte a crearlo.

Fuentes

• Teachable Machine 2.0, blog de Google: lanzamiento, tipos de proyectos, entrenamiento en el navegador y privacidad.
• Repositorio de la comunidad de Teachable Machine, GitHub: bibliotecas, fragmentos de código, licencia y estado de los experimentos.
• Artículo sobre Teachable Machine, Google Research: diseño y cifras de uso.
• Diseño de Teachable Machine, Google Design: entrenamiento mediante ejemplos y decisiones de diseño.
• Teachable Machine, Experimentos con Google: la página del proyecto de Google Creative Lab.
• Formatos de exportación, incidencia n.º 66 de GitHub: exportaciones a TensorFlow, TF Lite y Edge TPU para modelos de imágenes.