{the archive}

Teachable machine

Für das Projekt „teachable machine“ arbeiteten wir das erste Mal offiziell mit einer KI. Dabei handelt es sich um die „Google teachable machine“, die mit Bild- , Video- oder Audio- Erkennung arbeitet. Man kann das Programm auf bestimmte Merkmale trainieren, indem zum Beispiel Fotos hochgeladen werden. Je mehr Bilder ich hochlade, desto genauer ist die selbstgebaute KI. Wenn ich beispielsweise die KI darauf trainieren möchte, einen Apfel zu erkennen, sollten möglichst viele Bilder von Äpfeln in verschiedenen Farben und vor unterschiedlichen Hintergründen hochgeladen werden. Wenn das Programm eine Wiederkehrende Form oder Farbe erkennt, speichert es dies als Merkmal ab. Wenn nach dem Training im Livevideo ein Objekt in die Kamera gehalten wird, sollte die teachable machine erkennen, ob es sich um einen Apfel handelt oder nicht. Wir haben mit dem Programm experimentiert und haben schnell Tricks herausgefunden, wie man das Ergebnis treffsicherer machen kann. Man sollte darauf achten, dass der Hintergrund möglichst dieselbe Farbe hat, wie bei den hochgeladenen Fotos. Des Weiteren muss das Objekt gut sichtbar in die Kamera gehalten werden.

Lotr-Charakteranalyse

Unsere Aufgabe war es nun mit teachable machine ein richtiges Projekt zu entwickeln. Bei der Ideenfindung tat ich mich schwer, da ich das Thema noch nicht recht greifen konnte. Ich probierte viele Sachen aus, war jedoch mit keiner Idee zufrieden. Ein Herr-der-Ringe Abend verschaffte mir (wie so oft) wieder Klarheit. Ich beschloss eine Lotr- Charakteranalyse zu entwerfen. Dabei sollte der Benutzer per Livevideo aufgrund seines Aussehens einem Charakter zugeordnet werden. Dazu wählte ich fünf berühmte Personen aus der Filmreihe aus und suchte auf Pinterest und Google Portraits heraus. Ich entschied mich für die Figuren Galadriel, Legolas, Gimli, Aragorn und Ork. Allerdings merkte ich schnell, dass das Programm viel mehr Material zum verarbeiten brauchte. Außerdem war es sehr ungenau und wählte die Charaktere -wie es schien- nur zufällig aus. Ich lernte, wie ich diese Fehler umging, indem ich auch Farben, Lichtverhältnisse und Kleiderwahl zuordnete. Legolas bekam somit die Farbe Grün und das Merkmal „glatte lange Haare“. Aragorn sollte auf Braun und Gimli auf Rot und Orange anspringen. Für die Orks und Galadriel hatte ich jeweils noch eine andere Idee. Wenn beim Livevideo Sonnenstrahlen oder eine Taschenlampe in die Kamera leuchteten, wurde einem als Ergebnis Galadriel angezeigt. Der Ork reagiert nicht nur auf dunkle Lichtverhältnisse, sondern auch auf aufgesetzte Kapuzen. Mit diesen neuen Tricks klappte die Lotr- Analyse schon besser. Ich gestaltete die Website im einem klassischen Elben Design und fügte ein paar nette Features zur Unterhaltung hinzu. Zum Beispiel den Ladebalken oder das Konfetti beim Ergebnis. Als letztes schrieb ich Texte zu den jeweiligen Charaktern und erläuterte deren wichtigste Eigenschaften.

Ich bin sehr zufrieden mit dem Endergebnis und es hat mir wirklich Spaß gemacht mit der teachable machine zu arbeiten. Durch mein selbstgewähltes Thema, hatte ich noch mehr Freude daran, an dem Projekt zu arbeiten. Allerdings weiß ich nicht, inwiefern ich das Tool in der Zukunft benutzen werde. Ich habe die Aufgabe zwar auf eine lustige Art gelöst, jedoch hat meine Lotr- Analyse auch keinen tieferen Sinn als Unterhaltung. Um wirklich nützliche Funktionen mit der teachable machine zu erschaffen, müsste ich mich etwas mehr mit der Thematik auseinandersetzen.

Hier kommen Sie zu meiner Lotr- Charakteranalyse: