CHƯƠNG 1 Học máy với Google - Teachable Machine 1 Giới thiệu Trong thời đại bùng nổ của cuộc cách mạng công nghệ 4.0, chắc hẳn chúng ta đã nghe nói nhiều về khái niệm Trí tuệ nhân tạo, hay còn gọi là AI (Artificial Intelli- gence). Tuy nhiên để có thể hiểu nó một cách cơ bản và trực quan không phải là một điều dễ dàng. Vì vậy, từ năm 2017 Google đã xây dựng một công cụ trực tuyến, có tên gọi là Teachable Machine, để mang lại cho mọi người một cái nhìn tổng quan nhất về trí tuệ nhân tạo. Chỉ cần rất ít thao tác, ở mọi lứa tuổi, chúng ta có thể cảm nhận được trí tuệ nhân tạo gồm có những khái niệm cơ bản nào, nó có thể làm được gì.
Teachable Machine ban đầu chỉ là một trang web trực tuyến, với mục đích chính là cho người dùng trải nghiệm với các sản phẩm của trí tuệ nhân tạo, như nhận diện hình ảnh hay nhận diện âm thay. Tuy nhiên hiện nay, với phiên bản 2.0, Teachable Machine đã trở thành một công cụ trong việc thiết kế một ứng trí tuệ nhân tạo cho chúng ta. Công cụ này đã hỗ trợ nhiều nền tảng lập trình khác nhau, như Scratch (ngôn ngữ cho học sinh) và Python, ngôn ngữ lập trình rất mạnh mẽ cho các ứng dụng thời đại mới. Ngoài ra, rất nhiều các nền tảng AI khác đang dựa trên lõi trung tâm là Google Teachable Machine.
Trong bài hướng dẫn này, chúng tôi sẽ giới thiệu các thao tác cơ bản trên Teachable Machine, trước khi chúng ta bắt đầu việc lập trình kết nối giữa Python và Teachable Machine. Chúng tôi cũng tập trung vào hướng dẫn công cụ đầu tiên, là nhận diện bằng hình ảnh (Image Classifier). Các công cụ khác sẽ được trình bày trong những bài tiếp theo. Các mục tiêu chính trong bài đầu tiên được liệt kê như sau: • Hiểu được các thành phần cơ bản của AI • Sử dụng được công cụ Teachable Machine của Google • Trải nghiệm Học Máy với Google trên trang web • Lưu dự án AI trên công cụ Google Drive Trong phần còn lại của hướng dẫn, chúng tôi sẽ xài thuật ngữ việt hóa cho Teach- able Machine là "Học Máy Google" cho thuận tiện với bạn đọc.
2 Bắt đầu với Học Máy Google Học Máy Google đã được xây dựng thành một công cụ trực tuyến. Chúng ta bắt đầu bằng việc vào đường dẫn https://teachablemachine.com/, giao diện sau đây sẽ hiện ra: Trang 10 The Dariu Foundation Hình 1.1: Trang web online của Học máy Google Tại trang web này, chúng ta có thể xem trước một số hình ảnh cũng như video giới thiệu của Google về công nghệ Học máy. Tiếp theo, nhấn vào nút Get Started để bắt đầu, giao diện của công cụ học máy với Google được hiện ra như sau: Hình 1.2: Công cụ Học máy với Google - Image Project Chúng ta chọn tiếp vào Image Project, công cụ để phân nhận diện hình ảnh. Hai công cụ còn lại (Nhận dạng âm thanh và Nhận dạng dáng người) sẽ được trình bày sau.
Giao diện sau đây sẽ được hiện ra: Hình 1.3: Giao diện để huấn luyện hình ảnh Để mô hình AI có thể hoạt động, chúng ta phải huấn luyện (train) nó trước. Bạn có thể đặt tên cho đối tượng mà bạn muốn nhận diện bằng cách nhấn vào biểu tượng thay đổi bên cạnh tên mặc định Class1 và Class2. Thao tác này còn có một tên gọi khác là gán nhãn cho đối tượng. Bước tiếp theo là cung cấp dữ liệu cho từng đối tượng.
Google hỗ trợ 2 phương pháp khác nhau để cung cấp dữ liệu hình ảnh. Chúng ta sẽ bắt đầu trước với việc Trí tuệ nhân tạo - Khoa học dữ liệu Trang 11 sử dụng webcam để cung cấp hình ảnh. Khi nhấn vào biểu tượng webcam, giao diện sau đây sẽ hiện ra: Hình 1.4: Chụp hình ảnh từ webcam Chúng ta sẽ nhấn nút Hold To Record để bắt đầu chụp hình, như minh họa ở Hình 1. Càng có nhiều hình cho đối tượng, việc nhận diện sẽ càng chính xác, tuy nhiên thời gian huấn luyện sẽ lâu hơn.
Ở đây, chúng tôi chọn mẫu khoảng 10 hình, nhưng bạn hoàn toàn có thể tăng lên 50 hình nếu muốn. Khi muốn xóa một hình mà bạn không ưng ý, chỉ cần rê chuột vào tấm hình, biểu tượng xóa sẽ xuất hiện để bạn có thể nhấn vào. Trong một số trường hợp, việc chụp ảnh từ webcam của máy tính không thuận tiện, chúng ta có thể chọn công cụ thứ 2 để cung cấp hình ảnh cho hệ thống trí tuệ nhân tạo. Tắt công cụ webcam đi (nhấn vào dấu X ở góc bên phải khung hình).
Khi chọn vào công cụ Upload, giao diện sau đây sẽ hiện ra: Hình 1.5: Tải thêm hình ảnh từ máy tính Chọn vào công cụ đầu tiên, bạn đã có thể tải hình ảnh từ máy tính lên hệ thống huấn luyện của Google. Chúng ta sẽ làm tương tự cho nhóm thứ 2, như minh họa ở hình sau đây: Trang 12 The Dariu Foundation Hình 1.6: Tải dữ liệu cho nhóm thứ 2 Cuối cùng, chúng ta nhấn vào nút Train Model để hệ thống bắt đầu quá trình huấn luyện dựa trên tập dữ liệu hình ảnh mà chúng ta cung cấp. Ngay sau khi quá trình huấn luyện kết thúc, hệ thống AI sẽ bắt đầu chạy để nhận dạng. Kết quả của việc nhận dạng là xác suất trùng với các đối tượng đã được huấn luyện, như minh họa ở hình bên dưới: Hình 1.7 : Huấn luyện và chạy thử AI 3 Huấn luyện dữ liệu sai Đây là một khái niệm vô cùng quan trọng trong hệ thống trí tuệ nhân tạo.
Bên cạnh việc huấn luyện nhận đúng, bạn cũng phải cần huấn luyện các ngữ cảnh không thuộc các đối tượng nhận dạng mong đợi. Ví dụ như trong hình Hình 1.7, mặc dù hình ảnh thực tế hoàn toàn khác xa với tập dữ liệu, hệ thống AI vẫn đang nhận diện là đối tượng "Phan Phan". Một ví dụ khác cho hiện tượng này là khi chúng ta làm một hệ thống điểm danh tự động. Trong hệ thống đã được huấn luyện trước 10 người thật chẳng hạn.
Tuy nhiên trong quá trình vận hành, camera có thể quay vào một khoảng không và hệ thống AI vẫn nhận dạng đây là một ai đó. Một kĩ thuật đơn giản để khắc phục hiện tượng này là huấn luyện thêm các ngữ cảnh không mong muốn.7, nhấn vào lựa chọn Add a class để thêm một đối tượng mới và cũng cung cấp hình ảnh cho đối tượng này như bình thường. Ở đây, chúng tôi thêm dữ liệu gọi là Ảnh nền, như minh họa bên dưới: Trí tuệ nhân tạo - Khoa học dữ liệu Trang 13 Hình 1.8: Thêm đối tượng ảnh nền cho hệ thống Trong trường hợp muốn xóa một đối tượng, chúng ta nhấn vào biểu tượng option ở góc bên phải (bước 1), và chọn tiếp Delete class (bước 2), như minh họa ở hình bên dưới: Hình 1.9: Xoá một đối tượng khỏi hệ thống AI Lưu ý: Mỗi khi thay đổi hình hoặc hoặc thêm/bớt đối tượng, phải huấn luyện lại hệ thống. 4 Xuất kết quả huấn luyện Đây là bước cuối cùng, để chúng ta có thể tích hợp kết quả của việc huấn luyện vào các ngôn ngữ lập trình khác như Scratch hay Python.
Bằng cách nhấn vào nút Export Model, giao diện sau đây sẽ hiện ra: Trang 14 The Dariu Foundation Hình 1.10: Xuất kết quả huấn luyện Chúng ta sẽ chọn vào mục Upload my model, và chờ cho đến khi tác vụ này hoàn tất. Khi việc tải dữ liệu lên server của Google hoàn tất, chúng ta sẽ có một đường dẫn trong mục Your sharable link. Bạn hãy sao chép đường dẫn này lại để dùng trong việc lập trình trên Scratch 3. Chuyển sang tab Tensorflow, chúng ta tải về một file được mã hóa cho dữ liệu nhận dạng, gọi là file h5, bằng cách nhấn vào nút Download my model, như minh họa ở hình bên dưới.
Đây sẽ là file cần thiết cho việc lập trình trên Python trong những bài hướng dẫn tiếp theo.11: Xuất kết quả huấn luyện ra file h5 Trí tuệ nhân tạo - Khoa học dữ liệu Trang 15 5 Lưu dự án vào Google drive Với những hỗ trợ toàn diện từ phía Google, hệ thống AI của bạn có thể được lưu lại trực tuyến trên Google drive. Bằng các trở lại màn hình chính và làm theo 4 bước hướng dẫn ở hình bên dưới như: Chọn Save project to Drive, Đặt tên cho project và cuối cùng nhấn nút Next.12: Lưu dự án vào Google drive 6 Mở dự án từ Google drive Trong trường hợp muốn mở lại dự án cũ để cập nhật hoặc làm tiếp, từ trang chủ của Học Máy Google, chúng ta chọn Open existing project from Drive rồi lựa chọn trong danh sách các dự án đã lưu, như minh họa ở hình bên dưới.13: Mở một dự án từ Google drive Trang 16 The Dariu Foundation 7 Câu hỏi ôn tập 1. Công cụ Học máy với Google có tên là gì? A. Hiện tại có bao nhiêu công cụ AI đang được hỗ trợ sẵn bởi Google? A.
Tất cả đều sai 3. Dữ liệu để huấn luận cho hệ thống nhận dạng bằng ảnh có thể được lấy từ nguồn nào? A. Trực tiếp từ webcam B. Tải ảnh từ máy tính lên C.
Ảnh từ Google Drive của người dùng D. Tất cả các nguồn ảnh trên 4. Sau khi huấn luấn luyện, kết quả thực thi của hệ thống trí tuệ nhân tạo là gì? A. Một hình ảnh dưới dạng xem trực tiếp (live view) B.
Xác suất tính theo phần trăm tỉ lệ nhận dạng được C. Một định danh (ID) cho đối tượng nhận dạng D. Tất cả đều đúng 5. Để loại bỏ việc nhận dạng ảnh nền thành một hình nào đó trong danh sách các đối tượng, chúng ta cần: A.
Thêm nhiều đối tượng hơn để loại bỏ ảnh nền B. Huấn luyện thêm một đối tượng là ảnh nền C. Huấn luyện lại ảnh cho đối tượng nhiều lần D. Không cần xử lý vì Google đã hỗ trợ 6.
Mô hình huấn luyện của Học máy Google hỗ trợ cho những môi trường lập trình nào sau đây? A. Để có thể sử dụng mô hình Học máy Google trên môi trường lập trình trên Python, chúng ta cần: A. Lưu lại đường dẫn trực tuyến của mô hình B. Lưu lại file Tensorflow C.
Tất cả các bước trên Đáp án 1. C Trí tuệ nhân tạo - Khoa học dữ liệu Trang 17 Trang 18 The Dariu Foundation CHƯƠNG 2 Học máy Google trên Python 1 Giới thiệu Trong phần hướng dẫn này, chúng ta sẽ sử dụng kết quả huấn luyện ở bài trước và hiện thực một chương trình nhận dạng bằng ngôn ngữ Python.