Teachable Machine Cover

Künstliche Intelligenz für Alle – mit Teachable Machine

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 dieses spannende Thema schwer ist. In diesem Tutorial lernst du Googles Anwendung Teachable Machine kennen, mit der du in wenigen Minuten selbst ein KI-Modell …

Weiterlesen
daten sammeln mit dem arduino nano 33 BLE Sense und Edge Impulse

Daten sammeln in Edge Impulse mit dem Arduino Nano 33 BLE Sense

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 du mit dem Beschleunigungssensor des Arduino Nano 33 BLE Sense Bewegungsdaten sammelst und in Edge Impulse speicherst. Du hast noch keinen Arduino Nano 33 BLE …

Weiterlesen
Arduino Nano 33 BLE Sense und Edge Impulse

Arduino Nano 33 BLE Sense mit Edge Impulse verbinden

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 Arduino Nano 33 BLE Sense – denn hier befinden sich nicht nur passende Sensoren direkt auf dem Board, sondern er ist auch in der Lage, …

Weiterlesen
Contest, um mit Künstlicher Intelligenz Elefanten zu schützen

Mit künstlicher Intelligenz Elefanten retten

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 die Gesichtserkennung im öffentlichen Raum, lassen daran zweifeln, ob in der KI immer etwas Gutes steckt. Wie so oft hängt das von demjenigen ab, der …

Weiterlesen

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!

Maschinelles Lernen mit Edge Impulse

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.

Arduino Nano 33 BLE Sense – künstliche Intelligenz leicht gemacht

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.

Mit Teachable Machine KI-Modelle entwickeln

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.