從養蜂場到海洋測繪圖，任何人都可以使用Lobe輕鬆訓練機器學習模型
2021/03/16 @國際
摘要
微軟的免費APP—Lobe，可從Windows或Mac電腦上下載，並使用開放原始碼機器學習架構，輕鬆將學習模型輸出，在用戶的機器上訓練自定義機器學習模型，且訓練為自動進行，用戶只要導入希望Lobe辨別的事物之圖像便能開始運作。Lobe建立APP可幫助蜂農即時測知天敵，以及應用於群眾外包數據庫，完善海洋測繪的缺漏以制定更理想的政策等。
示意圖
資深蜂農Sean Cusack與昆蟲學家設法建立預警系統，以警告蜂農潛在的天敵威脅，入侵者可能在幾個小時內就會毀滅蜂巢，但若蜂農可以在10分鐘內知道狀況便可及時處理，降低損失。Cusack計畫在蜂巢的入口處安裝動態感應相機，並使用機器學習以遠距辨識蟎蟲、胡蜂或大虎頭蜂等入侵者的侵入。
微軟提供免費APP—Lobe，可從Windows或Mac電腦上下載，它使用開放原始碼(open-source)機器學習架構，沒有數據科學背景的用戶可將圖像導入Lobe，並輕鬆地標記圖片以建立機器學習資料庫，Lobe會自動選擇正確的機器學習架構，無需任何裝置也不須編寫程式碼，即可開始訓練模型。用戶可以藉由即時視覺結果評估模型的優缺點，與模型互動並提供反饋以提高性能；此外，所有數據均保障隱私，不需要互聯網連接或登錄。Lobe讓用戶使用PC或Mac以簡單、快速的方法進行機器學習，不需依賴雲端，為希望利用雲端計算功能的用戶提供微軟Azure AI服務。訓練完成後，可以輕鬆將模型輸出，在業界標準平台上運作，並應用於APP、網站或設備，用戶就可以在家裡或工作場所建立端對端的機器學習方案。
Cusack使用動態感應相機，拍攝蜜蜂及入侵者飛入蜂巢的照片。(由於在野外看見大黃蜂的情況少見，因此Cusack將大黃蜂的圖片黏在木棍上，然後插入蜂箱中模仿大黃蜂入侵。) Lobe使用這些圖像建立了一個機器學習模型，可以區分不同的昆蟲，並在蜂巢入口處設置小型樹莓派(Raspberry Pi)，以警示蜂農。
另一個案例是，大自然保護協會(The Nature Conservancy)將Lobe應用在「海洋財富測繪計畫」，該計畫旨在繪製旅遊、漁業行為和其他活動影響潛在重要海洋資源的地點與行為之圖譜，目的是幫助五個加勒比海沿岸國家制定更理想的保護與經濟決策。有許多好的補魚與航運地圖顯示海洋生物不同棲息地的位置，但實際上很難解析遊客活動的行為、地點及強度的空間分布型態，利用群眾外包(crowdsourcing)資料庫則能協助填補缺漏。使用Lobe標示渡假照片，這些照片描述了各國遊客上傳到熱門旅遊網站的鯨豚觀賞活動，但照片去除了所有個資，只保留地理數據，這可以幫助決策者大致了解自然旅遊活動在不同地點的受歡迎程度。
其他使用Lobe建立APP的應用案例如：幫助辨識毒橡樹等有害植物、當車庫門被打開或屋外的停車位開放時發出警報、浣熊拿取居民的垃圾時送出警示，或者當工人在危險環境沒有戴安全帽時發出警鈴等。
Lobe專案經理Jake Cohen期許讓更多人能夠嘗試並利用機器學習，希望用戶能以前所未有或意想不到的方式運用它。微軟表示，現今Lobe可支援圖像分類，未來計劃拓展到其他模型和數據類型。 【延伸閱讀】新型感測器可改善昆蟲監測和作物管理
資料來源
文章摘譯
