Proyecto paso a paso que forma parte de los contenidos comunes de Inteligencia Artificial para 1º, 2º y 3º de ESO.
Seguimos avanzando en el campo de la Inteligencia Artificial (IA), en esta ocasión adentrándonos en el increíble mundo del aprendizaje automático. En concreto, vamos a aprender a crear y entrenar un modelo de reconocimiento de objetos utilizando una espectacular herramienta de Google: Teachable Machine.
Tabla de contenidos
- 1. Inteligencia Artificial (IA)
- 2. Aprendizaje Automático
- 3. Modelos de aprendizaje automático: el corazón de la IA
- 4. Google Teachable Machine: una herramienta excepcional para el aprendizaje de la IA
- 5. Desarrollo del proyecto
En primer lugar, y antes de iniciar el paso a paso de cómo construir y entrenar nuestro modelo, repasemos algunos conceptos clave necesarios para aprovechar en profundidad el proyecto que tenemos entre manos.
1. Inteligencia Artificial (IA)
La inteligencia artificial es un campo de estudio que busca crear máquinas y sistemas que puedan imitar la inteligencia humana.
2. Aprendizaje Automático
Nos embarcamos ya en un viaje fascinante a través de un concepto crucial en la tecnología moderna: el Aprendizaje Automático, o «Machine Learning (ML)». Esta es una rama de la Inteligencia Artificial que está impulsando muchos de los avances tecnológicos que vemos hoy en día.
Entonces, ¿qué es exactamente el Machine Learning? En su esencia, el Machine Learning es una forma de enseñar a los computadores a aprender y tomar decisiones de manera similar a como lo hacen los humanos, pero a una escala mucho más grande. Al igual que aprendemos de nuestras experiencias, los algoritmos de Machine Learning aprenden de los datos.
Imagina que tienes miles de fotos y quieres clasificarlas en dos categorías: fotos de gatos y fotos de perros. Podrías pasar días, semanas o incluso meses haciendo esto manualmente. Pero con el Machine Learning, puedes enseñar a un computador a hacer esta tarea por ti. Le proporcionas un conjunto de fotos etiquetadas de gatos y perros, y el programa aprende a distinguir las características que diferencian a los gatos de los perros. Después de un tiempo, puedes darle una nueva foto y el programa podrá decirte si es probable que sea un gato o un perro.
Esto es solo un ejemplo de cómo se puede utilizar el Machine Learning.
3. Modelos de aprendizaje automático: el corazón de la IA
Los modelos de aprendizaje automático son el núcleo de cómo las máquinas aprenden a tomar decisiones y hacer predicciones basadas en los datos.
Primero, aclaremos qué son exactamente estos modelos. En su esencia, un modelo de aprendizaje automático es un sistema que aprende a realizar una tarea específica basándose en ejemplos y experiencias.
Imagina que eres un bebé aprendiendo a reconocer frutas. Tus padres te muestran diferentes fotos de fresas y plátanos, y te dicen qué fruta es. Poco a poco, empiezas a entender la diferencia entre fresas y plátanos. En esta analogía, tú eres el modelo de aprendizaje automático, y tus padres te están «entrenando» con datos etiquetados.
En nuestro caso, trabajaremos en la creación de un modelo de aprendizaje automático para el reconocimiento de objetos en imágenes. Este modelo será capaz de reconocer diferentes objetos o categorías de imágenes basándose en los ejemplos con los que lo entrenemos.
Por ejemplo, podríamos entrenar un modelo para reconocer si una imagen es un retrato de una persona, un paisaje, un animal, etc.
Sin estos modelos, no tendríamos sistemas de recomendación eficientes, asistentes virtuales inteligentes como Siri o Alexa, coches autónomos, o diagnósticos médicos precisos basados en IA. Además, con la cantidad creciente de datos disponibles, la habilidad de las máquinas de aprender de estos datos y hacer predicciones precisas es cada vez más valiosa.
Es importante mencionar que, si bien los modelos de aprendizaje automático pueden ser extremadamente útiles, también deben usarse de manera responsable.
4. Google Teachable Machine: una herramienta excepcional para el aprendizaje de la IA
Para entender mejor qué es todo esto de lo que estamos hablando, no hay mejor manera que verlo funcionando en la práctica. Estás a punto de crear tu primer clasificador inteligente de objetos. Para ello, exploraremos un gran recurso de aprendizaje de Inteligencia Artificial y el aprendizaje automático, llamado Google Teachable Machine.
Esta es una plataforma web desarrollada por Google que permite a usuarios como nosotros crear rápidamente modelos de aprendizaje automático sin necesidad de tener conocimientos de programación. Sí, has leído bien, ¡no se necesita experiencia en programación! La plataforma se basa en un tipo de aprendizaje automático llamado aprendizaje profundo y permite entrenar modelos para reconocer imágenes, sonidos y posturas corporales.
Ahora, pongámonos manos a la obra. ¡Empecemos a enseñar a nuestras máquinas!
5. Desarrollo del proyecto
Empecemos.
📌 PASO 1.
Abre el sitio web de Teachable Machine en tu navegador.
📌 PASO 2.
Haz clic en «Primeros pasos».
📌 PASO 3.
Selecciona «Proyecto de imagen». Y en la ventana que sale, selecciona la primera opción: «Modelo de imagen estándar».
📌PASO 4.
Verás tres categorías: «Class 1», «Class 2» y «Anadir una clase». Las clases son la forma que tenemos de clasificar los objetos. Por ejemplo: si queremos distinguir entre manzanas y peras, Class 1 serían las imágenes de los distintos tipos de manzanas, y Class 2 las imágenes de los distintos tipos de peras. Para añadir la lista de imágenes de cada clase, podemos tomar muchas fotos de forma automática desde nuestra webcam (mostrando distintos tipos de manzanas), o directamente subir nosotros un montón de fotos distintas de manzanas que tengamos guardadas en nuestro equipo (como mínimo 20). En nuestro caso vamos a intentar que nuestro modelo reconozca lo que es un bolígrafo. Así que, pincha sobre «Class 1» y llámale «ES UN BOLI». Igualmente pincha en «Class 2» y llámale «NO ES UN BOLI».
📌PASO 5.
Ahora clica en el botón «Webcam» en la primera clase y comienza a tomar fotos de un objeto específico (en nuestro caso, un bolígrafo). Haz clic en el botón de la cámara para capturar cada foto. Intenta tomar diferentes fotos del objeto con diferentes ángulos y posiciones.
📌PASO 6.
Repite el paso 5 para la segunda clase, pero esta vez con un objeto diferente (por ejemplo, un cuaderno, una goma, un sacapuntas o cualquier otro objeto).
📌PASO 7.
Una vez que hayas capturado suficientes fotos para cada clase (al menos 30 para cada una), haz clic en el botón «Preparar modelo».
📌PASO 8.
Espera a que Teachable Machine entrene el modelo. Este proceso puede tardar unos minutos.
📌PASO 9.
Una vez que el modelo esté entrenado, puedes probarlo utilizando la cámara web. Coloca uno de los objetos en frente de la cámara y observa cómo el modelo es capaz de identificarlo.
📌PASO 10.
Finalmente, puedes exportar el modelo para usarlo en otras aplicaciones o compartirlo con tus compañeros de clase. Simplemente en la vista previa pulsa sobre el botón «Exportar modelo».
En la página que nos sale, seleccionamos «Subir» y pulsamos sobre el botón que aparece a la derecha. Una vez hecho, se actualizará el enlace y podremos copiarlo para enviarlo a un compañero, un amigo o el profesor para que evalúe tu trabajo.
Finalmente, si quieres seguir trabajando otro día con tu proyecto, puedes subirlo a tu Drive e incluso descargar el proyecto como archivos. Más tarde siempre podrás volver a abrir el proyecto con independencia del método que eligieras para guardarlo. Las opciones que te permiten realizar todo esto las puedes encontrar en el menú principal de la herramienta.
Recuerda que la calidad de tu modelo depende de la calidad de las imágenes de entrenamiento. Si el modelo no está funcionando bien, puedes volver a entrenarlo con más imágenes o con imágenes más claras.
Si tu modelo es capaz de distinguir claramente tu objeto de entrenamiento, te felicito, ya has creado y entrenado tu primer modelo de Inteligencia Artificial.
Te recomiendo que juguetees un poco con la herramienta, modifica los parámetros del modelo y prueba las demás opciones disponibles. ¡Se pueden hacer cosas alucinantes!