Identificador de astros (Machine Learning)

Durante el mes de octubre, se realizó la “Feria de Ciencias y Tecnología” en mi escuela. La propuesta de la directora me había encantado dado que, a diferencia de otros años en donde yo había intentado mostrar todo lo trabajado durante el año en apenas 45 minutos de exposición, ella me propuso que hagamos una clase abierta con las familias de nuestra comunidad escolar. “Fascinante”, pensé. Los padres se involucran más, se da una visión mucho más realista de lo que pasa dentro del aula cada semana, se puede invertir más tiempo en una sóla propuesta (y, por ende, que salga mejor), etc. Me cerró en todos los aspectos y, les juro, ahora esta es mi primera opción a la hora de planificar una feria. Gracias, Paulita. Me hiciste ver algo que no estaba viendo.

Con ustedes, la clase abierta que planifiqué y dicté para las familias de 5to año de primaria durante la "Feria de Ciencias y Tecnología".

CANVA

“Identificador de astros” es un modelo de inteligencia artificial (entrenado y desarrollado en la “Teachable Machine” de Google mediante la tecnología de Machine Learning) que tiene como objetivo reconocer los diferentes astros de nuestro sistema solar. Para ello, necesitamos entrenarlo con muestras etiquetadas de los diferentes astros que queremos que él aprenda. Entonces, por ejemplo, podríamos subirle 10 imágenes de Marte (con diferentes ángulos, iluminaciones, calidades, etc.) y decirle “Mirá, IA de mi corazón, esto es Marte. Apréndetelo”. Y solito él irá identificando patrones en las diferentes imágenes (color, forma, manchas, etc) que luego le servirán para conseguir diferenciar a Marte del resto de los astros que le enseñemos.

Aquí armando y entrenando el modelo:

Una vez con el modelo listo y entrenado, es momento de empezar a testearlo. ¿Cómo? Con nuevas imágenes que no hayan pertenecido a la muestra inicial. En mi caso, utilicé hasta imágenes de memes como la “vaca saturno saturnita” para no presentarles un modelo “forzado” a siempre responder bien (osea, con imágenes muy similares a las de la muestra). Veamos qué pasó… Se van a sorprender.

Puesta a prueba N°1 (imágenes como input):

¿Qué loco, no? La “vaca saturno saturnita” pasó perfecto y Júpiter no 😂 (querría creer que fue por los colores azulados de la foto, además de la reducida muestra de 10 imágenes; lo cual nos hizo perder precisión). Tuvimos 9/10 aciertos. Osea, una efectividad del 90%. Bastante bien. Ahora… quiero hacer una prueba un poco más loca. ¿Qué tal si pintamos pelotitas de telgopor, lo más parecido a un astro que elijamos, y las ponemos frente a la webcam? ¿Será que el modelo reconoce, en tiempo real, el astro que pintamos? 🤯 ¡Yo pinté al Sol y la Tierra!

Momento de la verdad...

Puesta a prueba N°2 (webcam como input):

¡Ey! ¡Súper bien! Teniendo en cuenta que son pelotitas de telgopor pintadas a mano, y que además no están en un fondo oscuro como lo es el espacio, me voy MUY CONFORME. La actividad es una excelente aventura de “Machine Learning” y arte. No dejen pasar esta experiencia, profes. ACÁ les dejo el link del modelo por si lo quieren probar.

« Tengan en cuenta que factores como la intensidad y el tono de luz del espacio en donde estén usando la webcam puede influenciar en los resultados. Lo ideal, bajo mi punto de vista, es hacerlo en un ambiente iluminado con luz fría (también llamada blanca/azul), dado que ésta refleja los colores con mayor precisión »

Acá con los peques probando nuestro modelo

Con dos alumnos muy cracks

Les mando un abrazo y muchos éxitos. Después me cuentan cómo les fue.

~ Marcos.