Teachable Machine

Esta análise do Teachable Machine aborda o que esta ferramenta baseada na Web faz, as suas funcionalidades, o custo, como treinar um modelo passo a passo e como se posiciona em relação a outras ferramentas de aprendizagem automática. O Teachable Machine é uma experiência do Google Creative Lab: mostra-se exemplos ao computador, este aprende a reconhecer padrões e testa-se o modelo em tempo real com a câmara web ou o microfone. Em vez de ser explicitamente programado, o modelo aprende com os exemplos que lhe fornece. A versão 2.0, lançada em novembro de 2019, adicionou projetos de som e de poses ao classificador de imagens original de 2017.

Para que serve o Teachable Machine?

O Teachable Machine é utilizado para criar modelos de aprendizagem automática para classificação: distinguir imagens, sons ou poses corporais. Os projetos típicos classificam objetos à frente de uma câmara web, detetam sons simples, como uma palmada ou um assobio, reconhecem gestos com as mãos ou movimentos corporais, ou distinguem um gato de um cão. Os professores utilizam-no nas aulas para mostrar aos alunos como a inteligência artificial aprende a partir de dados, e os criadores utilizam-no para controlar jogos, sites e projetos físicos, como um robô Arduino.

Por ser uma ferramenta baseada na web que não requer instalação, qualquer pessoa com um navegador tem acesso a ela, o que facilita a criação de projetos com amigos ou com a turma. É também uma ferramenta de investigação. Um artigo da Google de 2020 relata que mais de 182 000 utilizadores em 201 países criaram mais de 125 000 modelos de classificação com esta ferramenta, e que instituições como a Stanford d.school, a NYU ITP e o MIT Media Lab a utilizaram no ensino (Google Research).

Principais funcionalidades

• Três tipos de projetos para modelos personalizados de aprendizagem automática: projetos de imagem, áudio e pose, cada um treinado com exemplos que grava com uma webcam ou microfone ou que carrega como ficheiros.
• Treino no navegador: o treino é executado no seu próprio computador, pelo que os dados permanecem no dispositivo, a menos que guarde o projeto no Google Drive (blogue do Google).
• Teste em tempo real: a pré-visualização mostra a previsão do modelo e o seu nível de confiança para cada classe à medida que se move ou emite sons.
• Exportação: os modelos são exportados como TensorFlow.js para sites, e os modelos de imagem também como TensorFlow e TensorFlow Lite, incluindo uma versão Edge TPU para placas Coral (GitHub issue #66).
• Link partilhável: pode carregar um modelo e carregá-lo a partir de um URL alojado com as bibliotecas de código aberto, que incluem trechos de código para JavaScript, Java e Python (GitHub).

Preços do Teachable Machine

O Teachable Machine é gratuito. Não há conta, subscrição nem plano pago: basta abrir o site e começar a criar. Para guardar projetos no Google Drive, é necessária uma conta Google. As bibliotecas auxiliares são de código aberto ao abrigo da licença Apache 2.0. O único aspeto a ter em conta é o suporte: a Google descreve o projeto como «uma experiência, não um produto oficial da Google» e compromete-se apenas a fazer o seu melhor para o manter (GitHub).

Guia passo a passo: treinar um modelo de aprendizagem automática

1. Abra a ferramenta online e escolha um projeto de imagem, áudio ou pose.
2. Dê um nome a cada classe, como «polegar para cima» e «polegar para baixo».
3. Adicione exemplos a cada classe utilizando a câmara web, o microfone ou imagens carregadas. Exemplos mais variados proporcionam melhores resultados.
4. Clique em «Treinar modelo». O treino é executado no navegador.
5. Teste o modelo na pré-visualização e adicione exemplos nos casos em que o modelo falha.
6. Exporte o modelo ou carregue-o para obter um link partilhável para as suas aplicações e sites.

O que acontece depois de carregares imagens: estas são utilizadas como exemplos de treino na tua sessão do navegador e não são enviadas para o Google, a menos que guardes o projeto no Drive ou carregues o modelo treinado.

Teachable Machine para crianças e salas de aula

O Teachable Machine é popular entre crianças e professores porque transforma conceitos abstratos em brincadeiras. Os alunos recolhem os seus próprios dados de entrada, tais como imagens, poses ou sons de instrumentos musicais, treinam um modelo e vêem imediatamente como a tecnologia faz as suas previsões. Isso facilita explicar a diferença entre ensinar computadores e programá-los, bem como avaliar por que razão um modelo comete erros. As aulas começam frequentemente com uma ideia divertida, como um jogo de pedra, papel e tesoura ou um jogo controlado por gestos, e terminam com uma discussão sobre o viés nos dados de treino. A equipa de design da Google descreve o objetivo como treino por exemplo, em vez de criação de regras (Google Design).

Onde o Teachable Machine se destaca — e onde fica aquém

Pontos fortes:

• Gratuito, rápido e fácil: um primeiro modelo demora apenas alguns minutos a criar, sem necessidade de codificação.
• Os dados permanecem no navegador por predefinição.
• Ideal para aulas, protótipos e experiências criativas.
• Exporta modelos de ML para a Web, dispositivos móveis e dispositivos de borda, para que possa treinar facilmente um modelo e utilizá-lo num projeto completo.

Limitações:

• Apenas classificação; sem deteção de objetos, regressão ou modelos de texto.
• Conjuntos de dados pequenos e modelos simples; não foi concebido para precisão em produção.
• Trata-se de uma experiência com suporte «best-effort», não sendo um produto oficial da Google.
• Controlo limitado sobre as definições de treino, em comparação com uma plataforma de ML real.

Como o Teachable Machine se compara

• Create ML: o treinador de modelos sem código da Apple para Mac, com mais tipos de modelos e saída Core ML para aplicações da Apple.
• H2O.ai: AutoML de código aberto e empresarial para dados tabulares e modelos de produção.
• DataRobot: AutoML empresarial e operações de modelos para dados empresariais.
• Obviamente AI: previsões sem código com base em dados de folhas de cálculo; entretanto, a empresa mudou o nome para Zams.

Vale a pena usar o Teachable Machine?

Sim, para aprendizagem, ensino e protótipos rápidos. É a forma gratuita mais rápida de mostrar a alunos ou colegas como um computador aprende a reconhecer imagens, sons e poses, e as opções de exportação são suficientes para uma demonstração na Web ou um projeto Coral. Não é uma plataforma para machine learning de produção: os modelos são pequenos, o suporte é prestado na medida do possível e tarefas mais complexas requerem uma ferramenta de ML a sério. Se quiser transformar um protótipo do Teachable Machine num produto, as agências de low-code e os programadores no LowCodeDevs podem ajudar a desenvolvê-lo.

Fontes

• Teachable Machine 2.0, blogue do Google: lançamento, tipos de projetos, treino no navegador e privacidade.
• Repositório da comunidade do Teachable Machine, GitHub: bibliotecas, trechos de código, licença e estado das experiências.
• Artigo sobre o Teachable Machine, Google Research: conceção e números de utilização.
• Conceber um Teachable Machine, Google Design: treino por exemplo e escolhas de design.
• Teachable Machine, Experiments with Google: a página do projeto do Google Creative Lab.
• Formatos de exportação, issue n.º 66 do GitHub: exportações para TensorFlow, TF Lite e Edge TPU para modelos de imagem.