迷惑メールのフィルタリングや顔認識、音声アシスタントや無人運転車など、最近では機械学習があらゆるところで活用されています。しかし、マイクロソフトの新しいアプリ「Lobe」のおかげで、このエキサイティングな技術の使い方を学ぶのに修士号は必要ない。

Lobeは、コーディングの知識がなくても誰でもAI（人工知能）モデルを作成できるように、機械学習のプロセスを簡素化しています。Lobeの仕組みと、この賢い新ツールを使い始める方法を説明します。

マイクロソフトの耳たぶ（マイクロソフトローブ）は何ですか？

Lobeは、プログラミングやデータサイエンスの経験がない人でも人工知能を実験できるWindowsとmacOS用の無償デスクトップアプリケーションです。また、開発者が自身のアプリケーションに機械学習機能を追加することも可能です。

2018年9月にマイクロソフトに買収されたLobeは、コードを書くのではなく、シンプルなビジュアルインターフェースを使って機械学習モデルを構築することができます。現在公開中のプレビューでは、画像セットを分類して、Lobeが類似画像の内容を識別できるようにすることができます。

マイクロソフトはAIブログで、耳たぶを学習させて毒のあるベリーを識別したり、写真からクジラを発見して海洋資源を保護したり、駐車場の空き時間を知らせたりする例を挙げている。また、養蜂プロジェクトでは、蜂の巣に侵入した有害な昆虫の検知に使用されました。

マイクロソフトは、将来的にLobeの機能を拡張し、他の種類のモデルを学習させることを計画しています。これは、ターゲット検出（画像内の特定のアイテムの位置を特定）とデータ分類（テーブル内の情報にタグを付ける）を含むものです。

本稿では、葉の画像分類特徴を用いた機械学習モデルの構築方法について説明する。

1 microsoft lobeのダウンロードとインストール

WindowsまたはmacOS用のLobeアプリを入手するには、ホームページまたはLobeウェブサイトの右上にあるダウンロードボタンをクリックしてください。Lobe Betaに参加するには、氏名、メールアドレス、国・地域などの個人情報を入力する必要がありますが、マイクロソフトはこれらの情報を検証していないため、偽造することが可能です。

実際、Lobeの最も優れた点の1つは、プライバシーを損なわないことです。このアプリケーションはオフラインで動作し、インポートしたデータはクラウド（およびマイクロソフト）にアップロードされるのではなく、コンピュータに残ります。

ダウンロード容量はかなり大きく（執筆時378MB）、インストールには数分かかります。完了すると、設定することがないので、すぐにLobeを使い始めることができます。Run Lobeにチェックを入れ、Finishをクリックするだけです。

2 リーフへの画像の追加とラベリング

ローブが開いたら、メイン画面の左下にある「新規プロジェクト」ボタンをクリックします。左上でプロジェクトの名前を入力します。これで、いくつかの画像を追加してラベル付けし、最初の機械学習モデルを作成することができます。

右上の「インポート」ボタンをクリックし、コンピュータから画像を追加するか、ウェブカメラからスナップショットを取り込むか、既存のデータセットを構造化された画像のフォルダとして取り込むかを選択します。最初のAIモデルには、最初で最もシンプルなオプションを使用するのが最適です。

ハードディスクから同じ被写体の画像を5枚以上選び、個別に、またはCtrlやCmdを押しながらクリックします。理想的には、背景、照明、位置が異なるパーツがあると、Yeが重要なパーツを特定しやすくなります。ご近所のキツネの写真を選びました。

最初の画像に説明的なラベルを入力します。この例では「fox」です。Lobeはこのラベルを保存するので、データセットの他の画像にすぐに適用できます。ラベルの編集や画像の削除が必要な場合は、画像の上で右クリックしてください。

次に、異なるが関連する被写体の画像をもう1セット取り込みます。キツネの写真と区別するために、愛犬の写真を耳たぶにして選びました。ここでも、最初の画像に説明的なタグを付けておき、他のスナップショットにも同じタグを適用します。他のセットでもこの作業を繰り返すことができますが、モデルを作成するのに必要なのは2つだけです。

関連：機械学習プロジェクトに必要なデータセットを入手する4つのユニークな方法

機械学習モデルの学習

少なくとも2つのラベルを作成し、少なくとも5つの画像にそれぞれ適用すると、Loopは自動的に機械学習モデルの学習を開始します。処理が完了すると、確認音が鳴ります。

左側の列にある「Train」をクリックすると、結果が表示されます。画像にマウスを合わせると、「正しい予測」というメッセージが表示されます。あなたの肺葉はこの画像を[ラベル名]と正しく予測しました。"

別の画像をインポートして、Lobeが正しいラベルを予測したかどうかを確認することで、モデルが機能するかどうかをテストすることができます。左の「再生」をクリックし、画像をアプリケーションにドラッグ＆ドロップするか、「インポート」をクリックしてください。

Lobeが取り込んだ画像のラベルを正しく予測した場合は、緑のチェックボタンを、そうでない場合は、赤のボタンをクリックします。さらに画像を追加し、AIモデルを訓練して、テーマのさまざまなバリエーションを認識できるようにします。マイクロソフトでは、タスクの複雑さに応じて、ラベルごとに100から1000の画像を使用することを推奨しています。

4 機械学習モデルの最適化

Lobeが間違った予測をし続ける場合、機械学習モデルの信頼性を高める方法がいくつかあります。

列車セクションに移動し、右上の表示ボタンをクリックし、最初に間違っているものを選択します。これにより、どの画像が最も混同されやすいかがわかります。これらの誤ったラベルの画像のバリエーションをインポートして、正しいか間違っているかをマークします。これにより、将来的にはより正確な予測が可能になります。

Loopは、取り込んだ画像に関連するコンテンツが含まれていない場合でも、必ずいずれかのタグを予測します。誤認識を防ぐために、プレースホルダー画像を追加し、「なし」とマークすることで、モデルが不正解の選択を迫られることがないようにします。

大規模なデータセットを使用していて、不正確な予測が大量に発生した場合、Lobeに強制的にモデルを徹底的に学習させることができます。左上の三本線のメニューボタンをクリックし、「モデルの最適化」を選択し、「最適化」をクリックします。

5 アプリケーションで使用するリーフモデルをエクスポートします。

弄ることもできますが、機械学習モデルを業界標準のフォーマットでエクスポートできるので、開発中のアプリケーションで使用することも可能です。

データセットは、AndroidやIoTアプリケーションのためのTensorFlow Liteとして、iOS、iPad、macOSアプリケーションの開発のためのCore MLとして、Pythonで書かれたアプリケーションのためのTensorFlow 1.15 SavedModelとしてエクスポートすることが可能です。.

左上のメニューボタンをクリックし、「エクスポート」を選択し、希望の形式を選択します。lobeには、エクスポートしたモデルをPythonや.NETで実行するための独自のAPI（Application Programming Interface）も用意されており、ファイルやモデルのコードを保存する前にモデルを最適化することができます。

これらのオプションは、LOVEが自動的にプロジェクトを保存するので、あなたのプログラミングのレベルには高度に聞こえるかもしれませんが、心配しないでください。技術的なヘルプやアドバイスが必要な場合は、Leaf Communityのサブレディットをご覧ください。

関連：Google TensorFlowとは？

必要なのは耳たぶだけ

microsoftlobeは、基本的な機械学習モデルを、コードを意識することなく簡単にビジュアルに作成することができます。これを使って好きな画像を分類し、カメラで撮影してみることができます。

Lobeを試してみて、機械学習についてもっと知りたくなったら、スキルや知識の向上に役立つ無料のコースやチュートリアルをオンラインでたくさん見つけることができます。