得益於各種套件，今天的機器學習的門檻已經越來越低。但Google顯然並不滿足於此，其最新推出了Teachable Machine項目，讓用戶無需編程就可以用手機、平板、計算機等設備的攝像頭採集數據進行機器學習。這一項目是Google的A.I. Experiment的一部分，源代碼已經公佈在Github上。
簡單的說，Teachable Machine是一個基於瀏覽器的機器學習演示實驗，用一個叫做Deeplearn.js的庫構建，網頁開發者可以編寫一個簡單的視覺輸入，並設定輸出和三個訓練分類器，來在瀏覽器中訓練新的神經網絡。雷鋒網發現，在視頻演示中Google沒有詳細說明更深一步的機器學習工作原理，但足以讓大多數人對機器學習有一個最基礎的概念。
如下圖所示，在網頁中可以調用攝像頭獲得不少於30幅的圖像信息，作爲訓練的「輸入」；中間的學習框包括三個分類器，用Green、Purple、Orange表示，機器通過對你做出的動作進行學習，從而「學會」對相應動作進行識別；最後是輸出部分，分類器根據不同的輸入，按照訓練結果進行分類給出最右側的輸出結果。
首先訓練Green分類器，如圖所示，訓練者擡起手，按下「Train Green」按鈕，攝像頭自動生成了一個包含若干個擡手圖片的訓練集。我們可以看到，分類器可以100%識別出擡手的動作並將其與貓關聯。
類似可以訓練其他分類器，例如放下手訓練Purple分類器並對應到狗的輸出。
然後我們就可以開始調戲機器了：如果你半舉手，機器認爲你有64%的可能是擡手，35%的可能是不擡手，對應仍然輸出貓；
如果我們舉起另一邊手呢？機器雖然沒有見過你舉起另一邊手的圖片，但是還是能100%確定應該輸出貓。
輸出可設定爲圖片、聲音或者語音，開發者可以很方便將這些輸出調換稱自己所需要的素材。
對於那些對機器學習一無所知的雷鋒網(公衆號：雷鋒網)讀者來說，該實驗可以直觀的展示解機器學習的基本概念。這一項目運行在基於Java的deeplearn.js框架上，可以在大多數硬件（據反饋目前不支持iPad Pro）的大多數瀏覽器中順暢運行。
完整的視頻演示在這裏：
看了那麼多，你是否已經迫不及待要去試一下了呢？感興趣的雷鋒網讀者可以在Github上查看開源代碼：https://github.com/googlecreativelab/teachable-machine，自己動手試一下吧！
