1
00:00:01,240 --> 00:00:04,604
AI アクティビティ タイマーを作成するには、

2
00:00:04,604 --> 00:00:13,080
さまざまな動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
00:00:13,080 --> 00:00:18,960
次に、そのモデルをアクティビティタイマー用の既製のプログラムと組み合わせて

4
00:00:18,960 --> 00:00:25,540
micro:bit にダウンロードして実際に使用します。

5
00:00:26,800 --> 00:00:31,850
「micro:bit CreateAI を開く」をクリックしてプロジェクトを起動します。

6
00:00:33,960 --> 00:00:39,220
このプロジェクトには、歩いている6つの動作データサンプル、

7
00:00:39,220 --> 00:00:47,200
ジャンプしている6つのデータサンプル、
静止している6つのデータサンプルがあります。

8
00:00:47,200 --> 00:00:51,390
自分の動きデータを記録して、サンプルを追加します。

9
00:00:54,050 --> 00:01:02,703
micro:bit CreateAI は、micro:bit 上の加速度センサーによる
動きのデータサンプルを収集します。

10
00:01:05,726 --> 00:01:09,734
micro:bit とバッテリー パックを手首または足首に装着し

11
00:01:09,734 --> 00:01:15,120
自由に動いて自分の運動データサンプルを記録します。

12
00:01:15,120 --> 00:01:20,400
まず、足首に装着する micro:bit を CreateAI に接続します。

13
00:01:20,400 --> 00:01:23,816
これをデータ収集用 micro:bit と呼ぶことにします。

14
00:01:23,816 --> 00:01:31,640
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
バッテリー パックと USBケーブル、micro:bit 1つです。

15
00:01:31,640 --> 00:01:36,420
Bluetooth 接続がない場合は、micro:bit を2つ使用するように求められます。

16
00:01:36,420 --> 00:01:40,560
2 番目の micro:bit は USB ケーブルに接続したままにし、

17
00:01:40,560 --> 00:01:45,580
データ収集用 micro:bit への無線接続として使います。

18
00:01:45,580 --> 00:01:48,592
画面の指示に従って接続します。

19
00:01:50,600 --> 00:01:57,817
micro:bit が接続されると、micro:bit 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。

20
00:01:57,817 --> 00:02:02,297
これで、自分の動きのデータサンプルを追加する準備ができました。

21
00:02:02,297 --> 00:02:06,263
このプロジェクトにはすでにいくつかのデータ サンプルが含まれているため、

22
00:02:06,263 --> 00:02:11,587
今はアクションごとにサンプルを 1 つ追加するだけにして、

23
00:02:11,587 --> 00:02:16,002
後でデータの収集と分析に時間を費やすことをおすすめします。

24
00:02:16,912 --> 00:02:24,800
データ収集用 micro:bit が足首の内側に、
ボタン B が上になるように取り付けられていることを確認してください。

25
00:02:24,800 --> 00:02:29,280
特定のアクションにデータを追加するには、
そのアクションをクリックして選択します。

26
00:02:29,280 --> 00:02:34,440
1 秒の録音が開始される前に、3 秒のカウントダウンが表示されます。

27
00:02:34,440 --> 00:02:40,080
「記録」をクリックしてすぐに移動を開始し、
クリーンなデータ サンプルを確実に取得します。

28
00:02:40,080 --> 00:02:43,960
クリーンなサンプルとは、サンプル全体にわたって動きが記録され、

29
00:02:43,960 --> 00:02:48,593
開始が遅れたり、早く終了したりしないサンプルのことです。

30
00:02:48,593 --> 00:02:55,519
次に、「ジャンプ」データ セットと「静止」データ セットにデータを追加してみます。

31
00:02:55,519 --> 00:03:05,040
アクションをクリックしてそれらを選択し、次に「記録」をクリックして
ジャンプしたり、静止したままにしてください。

32
00:03:05,040 --> 00:03:13,561
「静止」サンプルでは、​​取り付けられた micro:bit の角度に応じて、X、Y、Z ラインの位置が変わることがわかります。

33
00:03:16,521 --> 00:03:19,630
現時点ではデータはあまり多くありませんが、

34
00:03:19,630 --> 00:03:26,080
CreateAI でMLモデルをトレーニングするのに十分です。

35
00:03:26,080 --> 00:03:33,720
[モデルのトレーニング] をクリックして、
現在のデータでML モデルを構築します。

36
00:03:33,720 --> 00:03:41,363
このツールは、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。

37
00:03:41,363 --> 00:03:45,646
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。

38
00:03:45,646 --> 00:03:50,721
次に、データ収集用 micro:bit を使って、モデルがどの程度機能しているかをテストします。

39
00:03:50,721 --> 00:03:52,850
まだツールに接続されているはずなので

40
00:03:52,850 --> 00:03:58,200
CreateAI あなたの動きを推定していることがわかります。

41
00:04:02,360 --> 00:04:09,698
各アクションを試して、推定されるアクションと確実性の棒グラフの変化を確認します。

42
00:04:11,257 --> 00:04:19,126
確実性棒グラフの % は、モデルがそれぞれの動きをどの程度確信しているかを示します。

43
00:04:21,600 --> 00:04:25,520
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。

44
00:04:25,520 --> 00:04:29,120
うまく推定している動きと、そうでないものがあるかもしれません。

45
00:04:29,120 --> 00:04:32,720
そのため、モデルが現在どのように機能しているかを調べたら

46
00:04:32,720 --> 00:04:38,500
[データサンプルの編集] をクリックして改善することをおすすめします。

47
00:04:40,360 --> 00:04:44,260
MLモデルは通常、たくさんのデータがあればあるほど効果的に機能するため

48
00:04:44,260 --> 00:04:47,770
アクションごとにサンプルを追加したり、

49
00:04:47,770 --> 00:04:53,106
テストで問題があったアクションのデータを増やすことに重点を置きます。

50
00:04:54,960 --> 00:05:00,225
一度に 1 つのサンプルを録音することも、10 個のサンプルを連続して録音することもできます。

51
00:05:10,160 --> 00:05:14,550
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。

52
00:05:14,550 --> 00:05:20,651
データ セットを調べて、モデルを混乱させる可能性のある
データ サンプルを特定しましょう。

53
00:05:26,003 --> 00:05:28,350
X を押すと削除できます。

54
00:05:30,840 --> 00:05:33,991
さらにデータを追加してデータ セットを確認したら、

55
00:05:33,991 --> 00:05:38,763
[モデルのトレーニング] を再度クリックして、
修正したデータ セットを使用します。

56
00:05:40,483 --> 00:05:44,322
次に、「モデルのテスト」ページでモデルを再度テストします。

57
00:05:48,555 --> 00:05:51,347
ML モデルが思い通りに動くようになったら、

58
00:05:51,347 --> 00:05:54,640
すでにつくったプログラムと組み合わせてみましょう。

59
00:05:54,640 --> 00:06:01,172
[MakeCode で編集] をクリックすると、
特別なバージョンの Microsoft MakeCode のブロックが表示されます。

60
00:06:02,480 --> 00:06:08,170
画面左上の矢印から、いつでも CreateAI に戻ることができます。

61
00:06:09,560 --> 00:06:15,440
このプログラムブロックは、エクササイズ タイマー内で
作成したモデルを使います。

62
00:06:19,240 --> 00:06:24,485
このプログラムでは 3 つの変数を使って、
各アクションの実行時間を追跡します。

63
00:06:26,160 --> 00:06:32,060
プログラムが最初に実行されるとき、これらのタイマー変数は 0 に設定されます。

64
00:06:33,680 --> 00:06:40,120
「MLの...が開始したとき」ブロックは、ML モデルが特定の動きを
開始したと判断したときに実行します。

65
00:06:40,120 --> 00:06:47,260
推定されたあなたの動きに応じて、micro:bit の LED ディスプレイに
さまざまなアイコンが表示されます。

66
00:06:50,289 --> 00:06:57,650
「MLの...が停止したとき」ブロックは、ML モデルがアクション を終了したと判断したときに実行します。

67
00:06:57,650 --> 00:07:01,280
この場合は歩く、ジャンプする、または静止するといった動きです。

68
00:07:01,280 --> 00:07:04,530
各ブロック内のプログラムは画面をクリアし、

69
00:07:04,530 --> 00:07:11,940
各アクションの合計時間を格納する変数に、終了した ばかりのアクションの継続時間を追加します 。

70
00:07:13,440 --> 00:07:19,440
ML モデルはプログラムと連携して、各アクションに費やされた合計時間を
表示できるようにします。

71
00:07:19,440 --> 00:07:23,040
ボタン A を押すと、歩いた時間が表示されます。

72
00:07:23,040 --> 00:07:28,160
ボタン B を押すと、モデルが推定したジャンプの時間を確認できます。

73
00:07:28,160 --> 00:07:34,080
じっとしていた時間を確認するには、A と B を同時に押します。

74
00:07:34,080 --> 00:07:38,205
タイマーはミリ秒 (1000 分の 1 秒) 単位でカウントするため、

75
00:07:38,205 --> 00:07:44,111
表示される数値を 1000 で割って時間を秒単位で示します。

76
00:07:44,111 --> 00:07:50,710
AI アクティビティ タイマーを micro:bit で実行するには、
このプログラムを micro:bit にダウンロードするだけです。

77
00:07:53,160 --> 00:08:00,642
利用可能な別の micro:bit がない場合は、
データ収集用 micro:bit に現在あるプログラムを置き換えるだけです。

78
00:08:01,646 --> 00:08:05,000
これで、プロジェクトを実際にテストできるようになりました。

79
00:08:05,000 --> 00:08:10,040
運動中または運動していないときに
正しいアイコンが表示されますか?

80
00:08:10,040 --> 00:08:13,739
タイマーのプログラムがモデルでうまく動作しているかどうかを

81
00:08:13,739 --> 00:08:15,800
3 つの簡単なステップでテストしてみましょう

82
00:08:15,800 --> 00:08:17,384
リセット ボタンを押します。

83
00:08:17,384 --> 00:08:19,160
30秒間ジャンプします。

84
00:08:19,160 --> 00:08:21,050
次に、ボタン B を押します。

85
00:08:21,050 --> 00:08:25,540
ディスプレイ上に 30 という数字がスクロールするのが表示されます。

86
00:08:25,540 --> 00:08:28,560
これで、CreateAI に接続し、

87
00:08:28,560 --> 00:08:33,940
自分のデータを収集し、それを使って機械学習モデルをトレーニング、
テスト、改善する準備が整いました。

88
00:08:33,940 --> 00:08:37,270
このモデルをすでにつくったプログラムと組み合わせて、

89
00:08:37,270 --> 00:08:40,600
自分のmicro:bitで試してみることができます。

90
00:08:40,600 --> 00:08:43,759
これをもっとカスタマイズしたいなら、

91
00:08:43,759 --> 00:08:48,379
ランニングやダンスのステップなどのさまざまなアクションを追加してみてください。

92
00:08:48,379 --> 00:08:50,040
楽しんでください！