Editions ENI Livres | Vidéos | e-Formations
Machine Learning for Kids
Introduction
Machine Learning for Kids (MLFK) est une plateforme développée par Dale Lane pour faire découvrir l’apprentissage machine aux enfants. Gratuit, MLFK permet d’entraîner des modèles basés sur le texte, l’image, les nombres et les sons. En ce qui concerne la programmation, plusieurs langages sont proposés : Scratch, Python et App Inventor.
Pour cela, MLFK utilise les interfaces de programmation d’applications (API) Watson développées par IBM.
Présentation
1. Un peu de vocabulaire
Machine Learning, Deep Learning sont des termes utilisés quand on aborde le sujet de l’intelligence artificielle (IA). Mais que signifient ces termes ?
L’intelligence artificielle fait référence à la capacité d’une machine, ou d’un programme informatique, à effectuer des tâches propres à l’intelligence humaine (compréhension, reconnaissance, apprentissage, résolution de problèmes, etc.).
Différentes techniques, comme le Machine Learning et le Deep Learning, sont mises en œuvre pour permettre aux machines d’imiter une forme d’intelligence réelle. Une intelligence artificielle doit être capable d’apprendre, de s’adapter et de modifier son comportement.
Le Machine Learning (apprentissage automatique) est un domaine de l’intelligence artificielle. Il consiste à "instruire" les machines en leur fournissant des données qui leur permettent d’apprendre et de développer leurs propres modèles d’intelligence. Toute création d’une IA nécessite, au préalable, de passer par l’étape de l’apprentissage !
Les algorithmes de Machine Learning cherchent à relier, ou à prédire, un certain nombre de données entre elles. Le but étant d’améliorer...
Reconnaissance d’images
MLFK offre la possibilité de réaliser des projets d’apprentissage machine basés sur du texte, des images, des nombres ou des sons. Nous allons voir comment créer un modèle de reconnaissance d’images et l’utiliser notamment avec la webcam.
Depuis la page Projet (accessible
en sélectionnant 
ou le menu Projet), sélectionnez Ajouter un nouveau projet.
Dans la page de création, renseignez le nom du projet et le type de Reconnaissance utilisé.
Tout programme basé sur du Machine Learning comporte trois étapes :
-
Entraîner : c’est-à-dire créer la base de données.
-
Apprendre & Tester : la machine utilise les données pour élaborer un modèle.
-
Faire : création d’un programme qui utilise le modèle élaboré.
1. Entraîner le modèle
Cette première étape consiste à alimenter la machine en données. Les données sont classées dans des catégories, appelées étiquettes dans MLFK.
Par exemple, pour entraîner la machine à faire la différence entre un robot et un humain, deux catégories (étiquettes) doivent être créées : l’étiquette Robots et l’étiquette Humains. Le nombre d’étiquettes dépend de votre projet.
Pour créer des étiquettes :
Sélectionnez Ajouter une nouvelle étiquette.
La fenêtre de création s’ouvre.
Nommez cette étiquette de manière explicite de façon à l’utiliser facilement dans...
Reconnaissance sonore
Les étapes pour créer un modèle basé sur la reconnaissance sonore sont identiques à celles pour créer un modèle basé sur la reconnaissance d’images.
Créez le projet en le nommant et en spécifiant le type de reconnaissance.
1. Entraîner le modèle
Par défaut, une étiquette est déjà présente pour l’entraînement. Elle a pour nom background noise.
En effet, un modèle basé sur la reconnaissance sonore nécessite d’effectuer un enregistrement de l’environnement sonore dans lequel le projet sera utilisé. Cet enregistrement permettra d’enlever des bruits parasites des échantillons.
Pour effectuer l’enregistrement :
Cliquez sur Ajouter un exemple.
Une fenêtre s’affiche pour autoriser l’utilisation du micro de l’ordinateur.
Cliquez sur l’icône représentant un micro.
L’enregistrement terminé, sélectionnez AJOUTER.
Une fois ajoutés les échantillons des bruits de fond, créez les différentes étiquettes nécessaires au projet et effectuez l’enregistrement des données.
Le projet Commandes sonores nécessite la création de quatre autres étiquettes qui contiennent chacune dix enregistrements.
-
Avancer : est enregistré...
Modèles et modèles préentraînés
Machine Learning for Kids propose deux types de modèles d’apprentissage utilisables dans vos projets.
Les modèles accessibles depuis le menu Projets peuvent être modifiés avant d’être entraînés.
Les modèles accessibles dans le menu Préentraîné sont déjà entraînés. Ils sont intégrés dans la bibliothèque des extensions de Scratch, et leurs données ne sont ni accessibles ni modifiables.
1. Utiliser des modèles
Lors de la création d’un projet, il est possible d’utiliser des modèles pour lesquels les étiquettes et les données ont au préalable été créées. Les modèles d’apprentissage proposés sont basés sur l’image, les nombres ou le texte.
Comme pour les exemples précédents, l’utilisation de ces modèles nécessite de passer par les trois étapes : Entraîner, Apprendre & Tester et Faire.
Depuis la page d’accueil, ouvrez le
menu Projets ou cliquez sur 
.
Sélectionnez Copier le modèle.
La bibliothèque des modèles s’ouvre.
Sélectionnez le modèle de votre choix, par exemple le modèle Images Pokémon.
Validez en cliquant...
Conclusion
Facile d’utilisation et riche en exemples et extensions, Machine Learning for Kids est un outil adapté pour aborder l’intelligence artificielle. Le Machine Learning est en effet une étape indispensable pour comprendre ce domaine de plus en plus présent dans notre quotidien et d’usage devenu courant (et incontournable) par la mise à disposition d’outils populaires comme ChatGPT.