WEBVTT 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、 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。 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 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。 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。 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、 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。 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。 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。 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 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。 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。 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。 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。 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。 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、 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。 00:01:45.580 --> 00:01:48.592 画面の指示に従って接続します。 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。 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。 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、 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、 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。 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。 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。 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。 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。 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、 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。 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。 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。 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。 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、 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。 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。 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。 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。 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。 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 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。 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。 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。 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。 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。 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 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。 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 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、 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。 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。 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。 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。 00:05:26.003 --> 00:05:28.350 X を押すと削除できます。 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、 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。 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。 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、 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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、 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 。 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。 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。 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。 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。 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、 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。 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。 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。 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。 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? 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 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 00:08:15.800 --> 00:08:17.384 リセット ボタンを押します。 00:08:17.384 --> 00:08:19.160 30秒間ジャンプします。 00:08:19.160 --> 00:08:21.050 次に、ボタン B を押します。 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。 00:08:25.540 --> 00:08:28.560 これで、CreateAI に接続し、 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。 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、 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。 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、 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。 00:08:48.379 --> 00:08:50.040 楽しんでください！