ВОЗМОЖНОСТИ NO-CODE ИНСТРУМЕНТОВ ДЛЯ ФОРМИРОВАНИЯ МАТЕРИАЛОВ ОЛИМПИАДНЫХ ЗАДАНИЙ В НАПРАВЛЕНИИ «ТЕХНОЛОГИИ И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

POSSIBILITIES OF NO-CODE TOOLS FOR FORMING MATERIALS FOR OLYMPIAD ASSIGNMENTS IN THE DIRECTION OF “TECHNOLOGY AND ARTIFICIAL INTELLIGENCE”

Yana Vetvitskaya

student, Department of Natural Science, Irkutsk state University,

Russia, Irkutsk

Anna Balakhchi

scientific supervisor, Ph.D. of Physico-mathematical Sciences, Irkutsk state University,

Russia, Irkutsk

АННОТАЦИЯ

В статье рассмотрены понятия no-code и low-code платформ, то, какие инструменты существуют для изучения искусственного интеллекта и машинного обучения и их характеристика, а также их практическое применение, возможность интеграции в единый проект и примеры таких проектов.

ABSTRACT

The article discusses the concepts of no-code and low-code platforms, what tools exist for studying artificial intelligence and machine learning and their characteristics, as well as their practical application, the possibility of integration into a single project and examples of such projects.

Ключевые слова: машинное обучение, искусственный интеллект, олимпиада, no-code инструменты.

Keywords: machine learning, artificial intelligence, olympiad, no-code tools.

В современном мире изучение возможностей искусственного интеллекта и машинного обучения стало более доступным, чем когда-либо прежде, благодаря появлению no-code платформ и инструментов. Прежде чем анализировать существующие инструменты, позволяющие создавать модели машинного обучения, не владея навыками программирования, необходимо разобраться, что такое no/low-code инструменты. Модели машинного обучения можно создавать, используя языки программирования. Однако существуют решения, которые не требуют навыков и знаний программирования. Платформа разработки с низким уровнем кода/без кода – это платформа, которая позволяет пользователям создавать приложения с помощью простого и интуитивно понятного пользовательского интерфейса вместо кропотливого написания тысяч строк сложного кода. Пользователям не требуется никаких знаний традиционных языков программирования. Они могут выбирать компоненты приложения, соединять их вместе и создавать полноценные приложения – и все это в визуальной, удобной для пользователя программной среде.

Рассмотрим примеры таких платформ:

Teachable Machine – это веб-инструмент, который облегчает создание моделей машинного обучения. Он позволяет построить модели, которые могут распознавать и классифицировать изображения, звуки и позы. Созданные модели можно использовать для:

1. Разработки интерактивных приложений, например, для создания игры, которая определяет, какие объекты видит пользователь.

2. Автоматизации задач, модель может классифицировать изображения для автоматической сортировки фотографий или документов.

3. Создание умных устройств: модель распознавания звуков для создания устройства, которое реагирует на голосовые команды.

Machine Learning for Kids (ML4K) – это образовательная программа, направленная на то, чтобы познакомить детей с машинным обучением (МО) и искусственным интеллектом (ИИ). Основными и самыми полезными особенностями данной платформы являются методические материалы по созданию моделей машинного обучения, информация о том, какая среда программирования подойдёт лучше для этого, а также возможность прямо там обучить модель, работающую с числами, текстом и изображениями или же найти готовую для этих же целей. Созданную или готовую модель можно легко экспортировать и интегрировать, внедрить в свой проект, разрабатываемый с помощью кода на языке python или с помощью платформы Scratch.

Scratch – это визуально-блочная событийно-ориентированная среда программирования, разработанная для детей и подростков 8-16 лет. Инструмент позволяет создавать интерактивные истории, игры, анимации, модели и другие проекты. Программирование в Scratch осуществляется путем соединения разноцветных блоков, которые представляют собой команды, функции и операции.

Сочетание этих платформ особенно интересно своей интерактивностью школьникам 5-7 классов. Именно поэтому их изучение и практическое применение может послужить материалами для олимпиадных заданий.

Например, в качестве задачи, создать инструменты дополненной реальности (AR - Augmented Reality), которые используют модели машинного обучения для распознавания лиц, жестов и поз тела, а также для наложения виртуальных объектов, таких как маски. Первым этапом будет сбор данных, где участники олимпиады будут фотографировать и записывать видео лиц с различными выражениями, жестами рук и позами тела. Эти данные будут использоваться для обучения модели машинного обучения, которая затем сможет распознавать и классифицировать лица, жесты и позы в реальном времени. Обучение моделей будет проводиться с помощью интуитивно понятных инструментов, таких как Teachable Machine 2.0 и ML4K, что обеспечит высокую точность и адаптивность конечного продукта. Далее, используя интеграцию с Scratch, школьники смогут создать прототип приложения, где можно выбирать из разнообразия виртуальных масок, костюмов и других графических элементов, которые могут накладываться на распознанные лица и тела в реальном времени, а также переключаться или видоизменяться в зависимости от классификации жестов, поз, лиц или даже издаваемых звуков.

Однако необязательно в рамках изучения искусственного интеллекта и машинного обучения работать над таким масштабным проектом. Возможны простые вариации задач, где предлагается создать интерфейс с объектом, распознающим эмоцию человека или видоизменяющимся от того, какую позу принял человек, либо какой жест он показал (Рисунок 1).

Рисунок 1. Проект в Scratch с использованием искусственного интеллекта

Список литературы:

1. IBM – What is low-code?  [электронный ресурс] — Режим доступа. — URL: https://www.ibm.com/topics/low-code (дата обращения 02.07.2024)
2. Machine Learning for Kids [электронный ресурс] — Режим доступа. — URL: https://machinelearningforkids.co.uk (дата обращения 03.07.2024)
3. ClickUp – Make Informed Decisions: 10 First-Class Ai Tools For Data Visualization [электронный ресурс] — Режим доступа. — URL: https://clickup.com/blog/ai-tools-for-data-visualization/#33-7-akkio (дата обращения 03.07.2024)