1
00:00:00,680 --> 00:00:05,440
AI ストーリーテリングの友達を作るには、

2
00:00:05,440 --> 00:00:11,120
おもちゃがさまざまな方法で動いたときを認識するように 機械学習 (ML) モデルをトレーニングします

3
00:00:11,120 --> 00:00:16,280
。 次に、このモデルをコードと組み合わせて、さまざまなサウンドを作り、

4
00:00:16,280 --> 00:00:20,856
micro:bit の LED ディスプレイにさまざまなアイコンを表示します。

5
00:00:20,856 --> 00:00:28,480
次に、モデルとコードを micro:bit にダウンロードし、それをおもちゃで使用してストーリーを伝えることができます。

6
00:00:28,480 --> 00:00:34,264
私たちの物語はルーシーと呼ばれるクマに関するものですが、自分のプロジェクトに合わせてプロジェクトを変更できます。

7
00:00:34,264 --> 00:00:40,360
[音楽] クマのルーシーです。

8
00:00:40,360 --> 00:00:47,520
彼女は大きくなったら体操選手になりたいと思っているので、毎日朝起きるとジャンプの練習をしています。

9
00:00:47,520 --> 00:00:54,640
彼女は天井ほど高くジャンプします。そして朝食後はローリングの練習をします。

10
00:00:54,640 --> 00:00:59,920
彼女は、世界全体が回転するまで、ぐるぐると転がります。

11
00:01:01,469 --> 00:01:06,490
それから彼女は休憩を取って少し昼寝をします。

12
00:01:10,048 --> 00:01:18,760
AI ストーリーテリングの友達を作り始めるには、「micro:bit CreateAI で開く」をクリックしてプロジェクトを起動します。

13
00:01:18,760 --> 00:01:23,829
このプロジェクトには、ジャンプ、ローリング、スリープという 3 つの異なるアクションの動作データの 8 つのサンプルが付属しています

14
00:01:23,829 --> 00:01:28,959
。

15
00:01:28,959 --> 00:01:38,120
micro:bit CreateAI は、micro:bit の動きセンサーである加速度センサーを使用して動きデータのサンプルを収集します。

16
00:01:38,120 --> 00:01:43,560
独自のデータ サンプルを追加するには、データ コレクション micro:bit を作成する必要があります。

17
00:01:43,560 --> 00:01:50,160
コンピューターで Bluetooth が有効になっている場合、必要なのは 1 micro:bit と USB データ リードだけです。

18
00:01:50,160 --> 00:01:54,840
Bluetooth 接続がない場合は、2 つの micro:bit を使用する必要があります。

19
00:01:54,840 --> 00:01:59,554
画面の指示に従って接続します。

20
00:01:59,554 --> 00:02:06,777
データ収集 micro:bit が接続されたら、このようにおもちゃに取り付けます。

21
00:02:06,777 --> 00:02:15,400
おもちゃを動かすと、ライブ グラフ上の線が変化するのがわかります。このプロジェクトにはすでにかなりの量

22
00:02:15,400 --> 00:02:25,000
のデータ サンプルが含まれているため、今はアクションごとに 1 つのサンプルを追加し、後でさらにデータを収集することをお勧めします。

23
00:02:25,000 --> 00:02:29,440
「ジャンプ」アクションをクリックすると、さらにデータ サンプルを追加できます。

24
00:02:29,440 --> 00:02:33,600
1 秒間の録音が開始される前にカウントダウンが表示されます。

25
00:02:33,600 --> 00:02:39,800
「記録」をクリックしてすぐにおもちゃを動かし始めて、きれいなデータ サンプルを確実に取得できるようにします。

26
00:02:39,800 --> 00:02:43,440
クリーンなサンプルとは、サンプル全体にわたって移動が開始され、

27
00:02:43,440 --> 00:02:50,800
開始が遅くなったり、移動が早く終了したりしないサンプルのことです。次に、追加のデータ サンプルを

28
00:02:50,800 --> 00:02:57,115
「ローリング」アクションと「スリープ」アクションに追加してみます。

29
00:02:57,115 --> 00:03:07,520
おもちゃがスリープ状態になると、micro:bit の向きに応じて x、y、z 線の位置が変わることに気づくでしょう。

30
00:03:07,520 --> 00:03:14,600
[モデルのトレーニング] をクリックして ML モデルを構築します。このツールは、

31
00:03:14,600 --> 00:03:19,960
micro:bit を動かすときのさまざまなアクションを認識する数学的モデルを構築します。

32
00:03:19,960 --> 00:03:25,640
モデルのトレーニングが完了すると、すぐに [モデルのテスト] ページが表示されます。

33
00:03:25,640 --> 00:03:30,760
データ収集 micro:bit を使用して、モデルがどの程度機能しているかをテストできるようになりました。

34
00:03:30,760 --> 00:03:35,880
まだツールに接続されているはずです。ツールを移動すると、CreateAI が

35
00:03:35,880 --> 00:03:40,317
ユーザーが行っているアクションを推定していることがわかります。

36
00:03:40,317 --> 00:03:47,027
おもちゃをさまざまな方法で動かして、推定される動作と確実性の棒グラフの変化を確認します。

37
00:03:47,400 --> 00:03:56,160
パーセンテージは、モデルが各アクションを実行していることをどの程度確信しているか、または確信しているかを示します。

38
00:03:56,160 --> 00:04:00,760
モデルが一部のアクションを正確に推定していないことに気づくかもしれません。

39
00:04:00,760 --> 00:04:07,920
その場合は、[データ サンプルの編集] をクリックしてモデルを改善することをお勧めします。

40
00:04:07,920 --> 00:04:13,960
機械学習モデルは通常、より多くのデータを使用することで最も効果的に機能するため

41
00:04:13,960 --> 00:04:22,400
、アクションごとに追加のサンプルを記録するか、テストで問題があったアクションについてより多くのデータを収集することに重点を置きます。

42
00:04:22,400 --> 00:04:28,360
クリーンなデータ サンプルは、ML モデルの機能を向上させるのにも役立ちます。そのため、データ セットを調べて、

43
00:04:28,360 --> 00:04:38,200
モデルを混乱させる可能性のあるサンプルを特定します。 X を押すとこれらを削除できます。

44
00:04:38,200 --> 00:04:44,920
さらにデータを追加してデータセットを確認したら、[モデルのトレーニング] を再度クリックします。次に、

45
00:04:44,920 --> 00:04:50,003
「モデルのテスト」ページでモデルを再度テストします。

46
00:04:50,003 --> 00:04:57,120
ML モデルの動作に満足したら、それを既製のプロジェクト コードで使用できます。

47
00:04:57,120 --> 00:05:06,120
[MakeCode で編集] をクリックすると、特別なバージョンの Microsoft MakeCode のコード ブロックが表示されます。

48
00:05:06,120 --> 00:05:10,040
画面左上の矢印を使用して いつでも CreateAI に戻ってデータを表示できます

49
00:05:10,040 --> 00:05:19,720
。 これらのブロックは、コードで作成したモデルを使用します。 「on ML… start」ブロックは

50
00:05:19,720 --> 00:05:24,880
、おもちゃが特定の動きやアクションを行っていると

51
00:05:24,880 --> 00:05:31,320
ML モデルが判断したときに反応します 。 アクションに応じて、コードは

52
00:05:31,320 --> 00:05:38,600
micro:bit の LED ディスプレイ出力にさまざまなアイコンを表示し、スピーカーでさまざまなサウンドを再生します。

53
00:05:38,600 --> 00:05:46,360
おもちゃがどのような動作をしているか不明な場合、つまり動作が「不明」の場合は、画面が消去されます。

54
00:05:46,360 --> 00:05:53,320
そして、各アクションが停止すると、コードは micro:bit からの音の発生を停止します。

55
00:05:53,320 --> 00:05:56,640
コードと ML モデルを micro:bit で実行するには、

56
00:05:56,640 --> 00:05:59,640
それを micro:bit にダウンロードするだけです。

57
00:06:00,280 --> 00:06:06,320
「ダウンロード」を押して、画面の指示に従います。

58
00:06:06,320 --> 00:06:10,640
次に、完成したプロジェクトをおもちゃに取り付けられた micro:bit でテストします。

59
00:06:10,640 --> 00:06:16,200
おもちゃが異なる動きをしたときに正しい音が再生され、アイコンが表示されますか?

60
00:06:16,200 --> 00:06:19,800
他の人がおもちゃを動かしても同じように機能しますか?

61
00:06:19,800 --> 00:06:26,880
そうでない場合は、戻ってさらにデータを収集し、モデルを再トレーニングできます。

62
00:06:26,880 --> 00:06:30,960
おめでとうございます。 収集したデータを使用して

63
00:06:30,960 --> 00:06:36,600
さまざまな種類の動きに反応するようにおもちゃをトレーニングし 、AI 機械学習モデルをトレーニングし、それを

64
00:06:36,600 --> 00:06:43,480
コードと組み合わせてインタラクティブなストーリーテリングおもちゃを作成しました。 おそらく物語を伝える一環として、

65
00:06:43,480 --> 00:06:51,795
あなたのおもちゃは他にどのような動作や動きをする可能性がありますか ? micro:bit と CreateAI を使用して追加できますか?