得益于各种套件，今天的机器学习门槛越来越低。但 Google 显然不满足，新推出 Teachable Machine 专案，让用户无需程式设计就可用手机、平板、电脑等装置的镜头采集资料来机器学习。这专案是 Google 的 A.I. Experiment 一部分，来源码已公布在 Github。
简单的说，Teachable Machine 是一个基于浏览器的机器学习示范实验，用一个叫 Deeplearn.js 的程式库构建，网页开发者可编写一个简单的视觉汇入，并设定汇出和 3 个训练分类器，在浏览器训练新的神经网络。示范影片里 Google 没有详细说明更深的机器学习工作原理，但足以让大多数人对机器学习有最基础的概念。
如下图所示，网页中可呼叫镜头获得不少于 30 幅的影像资讯，作为训练的“汇入”；中间的学习框包括 3 个分类器，用 Green、Purple、Orange 表示，机器透过你做的动作学习，进而“学会”辨识相应动作；最后是汇出部分，分类器根据不同汇入，按照训练结果分类出最右侧的结果。
首先训练 Green 分类器，如图所示，训练者抬起手，按下“Train Green”按钮，镜头自动生成一个包含若干个抬手图的训练集。我们可以看到，分类器可 100% 辨识抬手的动作并与猫关联。
类似可训练其他分类器，例如放下手训练 Purple 分类器并对应到狗的汇出。
然后我们就可以开始调戏机器了：如果你半举手，机器认为你有 64% 可能是抬手，35% 可能是不抬手，对应仍然汇出猫；
如果举另一只手呢？机器虽然没有见过你举另一只手的图，但还是能 100% 确定应该汇出猫。
汇出可设定为图片、音档或语音，开发者可方便地将这些汇出调换成自己需要的素材。
对机器学习一无所知的读者来说，该实验可直觉地展示机器学习的基本概念。这专案执行在基于 Java 的 deeplearn.js 框架，可在大多数硬件（据回馈目前不支援 iPad Pro）大多数浏览器顺畅执行。
完整的影片在这：
看了那么多，你是否已迫不及待想试一下？感兴趣的读者可在 Github 检视来源码，自己动手试一下。
（本文由 雷锋网 授权转载；首图来源：Teachable Machine）
延伸阅读：
- 翻转人类未来的 AI 科技：机器学习与深度学习
- 想成为机器学习工程师？这份自学指南值得你收藏
