Teachable Machine

GitHub Repository

Ist das Glas halb voll oder halb leer?

In diesem Projekt sollten wir eine interaktive Website entwickeln, die mithilfe von Künstlicher Intelligenz (KI), trainiert mit Googles Teachable Machine, auf kreative und unterhaltsame Weise auf die Nutzer*innen reagieren kann.
Teachable Machine ist ein kostenloses Online-Tool von Google, mit dem man KI ganz einfach selbst trainieren kann – ohne Programmierkenntnisse oder Code. Dazu lädt man eigene Beispiele wie Bilder, Geräusche oder Posen hoch. Die Teachable Machine erstellt daraus ein KI-Modell, das man anschließend testen und exportieren kann – zum Beispiel für Websites, Apps oder Arduino-Projekte.

Ein besonderer Fokus bei unserer interaktiven Website sollte auf UX (User Experience) und UI (User Interface), also dem Nutzererlebnis und dem Interface-Design, liegen. Außerdem sollten wir darauf achten, dass die „Magie“ erhalten bleibt – die Nutzer*innen sollen nicht direkt sehen, wie genau der Prozess funktioniert. Das Projekt begann mit dem Experimentieren mit der Teachable Machine, wobei ich ausprobierte, welche Eingabetypen (Posenerkennung, Geräuscherkennung oder Bildklassifikation) am besten funktionieren, und lernte, wie man die Ergebnisse mit JavaScript oder p5.js darstellen kann.
Nach einer kurzen Ideenfindung entschied ich mich für ein Projekt, das herausfinden sollte, ob die KI optimistisch oder pessimistisch „denkt“. Dafür bot sich die klassische Frage an: „Ist das Glas halb voll oder halb leer?“ Vielleicht liefert die KI ja die endgültige Antwort auf diese ungeklärte Frage – sie muss es doch wissen, oder?

Ich habe einige verschiedene Gläser gezeichnet und dabei mit der Wassermenge und der Glasform variiert. Diese Bilder habe ich dann in zwei Kategorien klassifiziert: halb leer und halb voll. Beide Klassen erhielten die gleiche Anzahl und identische Bilder, um möglichst objektive Ergebnisse zu erhalten.
Überraschenderweise zeigte sich eine klare Tendenz: Die KI erkennt in den meisten Fällen das Glas als halb leer. Ist die KI also pessimistisch? So eindeutig lässt sich das natürlich nicht sagen – vielleicht ist mir irgendwo ein Fehler unterlaufen –, aber es war auf jeden Fall ein unterhaltsamer Versuch. Mit einer höheren Anzahl an Referenzbildern ließe sich womöglich ein genaueres Ergebnis erzielen.

Der Reiz liegt darin, dass Nutzer*innen nach vielen Versuchen, bei denen das Glas als halb leer erkannt wurde, irgendwann gezielt versuchen, ein halb volles Ergebnis zu erzielen – und dabei die „Grenze“ suchen, an der das Ergebnis kippt. Denkbar wäre, die KI zusätzlich darauf zu trainieren, auch ein volles oder leeres Glas zu erkennen. Mit dem Interface-Design bin ich insgesamt zufrieden – leider ist die Website aber nur bedingt responsive. Die Anzeige der Wahrscheinlichkeit hätte rückblickend nicht unbedingt sein müssen, da sie das Ergebnis nicht wirklich unterstützt und eher für Verwirrung sorgt.
Insgesamt war es spannend, sich mit dem Tool auseinanderzusetzen. Auch die Ergebnisse der anderen aus dem Kurs waren interessant – es hat Spaß gemacht, ihre Projekte auszuprobieren.