
ChatGPT im Telefon – ein Retro-Sprachassistent
In diesem Projekt baust du ein Telefon so um, dass du mit ihm mit ChatGPT telefonieren kannst: Du stellst eine Frage, die mit einem Mikrofon
In diesem Projekt baust du ein Telefon so um, dass du mit ihm mit ChatGPT telefonieren kannst: Du stellst eine Frage, die mit einem Mikrofon
ChatGPT im Browser oder als App zu verwenden, hat sich mittlerweile bei einer Vielzahl von Menschen etabliert. Aber selbstverständlich stellt OpenAI auch eine ChatGPT API
Bilder, die von einer künstlichen Intelligenz wie DALL-E oder DeepAI “gemalt” werden, sind in aller Munde. In diesem Tutorial erfährst du, wie du KI Bilder
Ein Babyphone ist eine praktische Sache, sollte das eigene Kleinkind mal außer Hörweite sein. Im Prinzip ist solch ein Gerät nichts anderes als ein Sender
In diesem Projekt lädst du dir mit einem ESP32 aktuellen Schlagzeilen aus dem Internet und findest mit einer Sentimentanalyse heraus, ob sie positiv oder negativ
Denkst du beim Schlagwort Künstliche Intelligenz an AlphaGo, Unsupervised Learning und komplizierte Statistik? Dann hast du zwar Recht, aber das heißt nicht, dass der Einstieg
In diesem Projekt entwickelst du ein KI-Modell, das Gesten wie Kreisbewegungen und Winken erkennen kann. Anschließend lädst du es auf deinen Arduino Nano 33 BLE
Wenn du mit Edge Impulse per maschinellem Lernen KI-Modelle entwickeln möchtest, benötigst du vor allem eines: Daten. Viele Daten. In diesem Tutorial lernst du, wie
Mit Edge Impulse sammelst du ganz einfach Sensordaten, entwickelst daraus KI-Modelle und spielst diese wieder zurück auf einen Microcontroller. Der perfekte Kompagnon hierfür ist der
Die Einsatzgebiete von künstlicher Intelligenz scheinen ja unbegrenzt zu sein: Einige befinden sich im Bereich der praktischen Zukunftstechnologie, wie z.B. das autonome Fahren. Andere, wie
Künstliche Intelligenz ist ein Thema, das seit einigen Jahren enormen Aufschwung erfahren hat – und uns sicherlich nie wieder verlassen wird. Maschinelles Lernen und KI-Modelle schiene bislang Großrechnern, Laboren und Tech-Firmen vorbehalten gewesen zu sein. Aber das stimmt nicht: Auch du kannst auf deinem Arduino Projekte mit künstlicher Intelligenz umsetzen!
Natürlich hat dein Arduino nicht die Power, komplexe Modelle zu berechnen. Deshalb lagerst du diesen rechenintensiven Job am besten aus. Hierfür eignet sich der Service von Edge Impulse, den du für deine Hobby-Projekte gratis verwenden kannst.
Edge Impulse funktioniert mit einer Reihe von Microcontrollern, darunter auch der Arduino Nano 33 BLE Sense.
Auf Pollux Labs lernst du, wie du z.B. deinen Arduino Nano 33 BLE Sense mit Edge Impulse verbindest und ihn zum Sammeln von Daten verwendest.
Sobald du die Daten für deine künstliche Intelligenz bei Edge Impulse gespeichert hast, kannst du dort ein KI-Modell berechnen (lassen), das du optimieren und wieder zurück auf deinen Arduino spielen kannst. Dort kannst du es dann wie gewohnt für dein Projekt verwenden.
Wie erwähnt, eignet sich der Arduino Nano 33 BLE Sense perfekt für deine ersten Schritte in das Thema künstliche Intelligenz.
Er besitzt eine Reihe von Sensoren, z.B. für Temperatur, Druck, Farben, Gesten. Zwei weitere kannst du derzeit bei Edge Impulse verwenden: Den Beschleunigungssensor und das Mikrofon.
Dies ermöglicht dir, z.B. ein KI-Modell zu entwickeln, das komplexe Gesten und Bewegungen erkennt. Ebenso kannst du das Mikrofon des Arduinos nutzen, um Geräusche aufzunehmen und direkt bei Edge Impulse zu speichern. Auch hieraus kannst du im Handumdrehen ein neuronales Netz entwickeln, das z.B. Husten oder ein schreiendes Baby erkennt.
Eine besonders einsteigerfreundliche Lösung kommt von Google: Mit Teachable Machine kannst du hier im Handumdrehen Modelle entwickeln. Zur Auswahl stehen hierbei die Erkennung von Bildern, Tönen und Posen bzw. Gesten.
Du trainierst die künstliche Intelligenz einfach mit Bildern und Tönen von deiner Festplatte oder direkt mit deiner Webcam bzw. dem Mikrofon. Das Training selbst ist bewusst einfach gehalten – allerdings kannst du auf Wunsch einige Parameter verändern, um deine Ergebnisse zu verbessern.
Wenn du fertig und zufrieden bist, kannst du dir dein KI-Modell für TensorFlow oder TensorFlow Lite herunterladen und in deinen Projekten weiterverwenden. Einfacher geht es kaum.
Neue Projekte, Tutorials und Angebote in deinem Postfach.