這裡有一款超極小白的機器學習平台，來了解一下！

編譯 | 楊卟咚

編輯 | 呂夢

微信 | ai_xingqiu

網址 | 51aistar.com

機器學習的理論並不難掌握。如果你要在軟體中添加人臉識別功能，首先要收集大量圖片，然後，在軟體進行了無數次學習之後，就能在眾多照片中識別出人臉了。

問題是，雖然理論好理解，但是相應的軟體卻很難操作，更不要說精通了。你必須創建各種自定義的代碼位，然後將其複製到軟體的多個位置上，除此之外，你還要對數據分析有著非常直觀的認識，如此才能順利地開發相關功能。

但是 Lobe 的出現改變了這一切，這個平台似乎成了目前最人性化的機器學習平台。在收集了大量圖像或音頻之後，把它們拖放到 Lobe 的網站上，基於此，Lobe 將自動創建學習機器。這個過程不需要編程，你甚至可以將現成的 AI 代碼堆疊到自己的項目中。

而你創建和輸出的全部內容都基於目前通行的 Tensorflow 人工智慧學習系統標準，也就表示，你設計的功能與 Web、iOS 和 Android 上的應用程序是兼容的。

Lobe 是一家由風投支持的初創企業，在發展近兩年後，它逐漸展現在世人眼前。該公司設計方面的負責人麥克·馬特斯（Mike Matas）表示，他是個不會編程的設計師，他又提到，機器學習的風潮讓很多設計師也望塵莫及。馬特斯希望 Lobe 能促進同行的發展，至少也能在機器學習方面提供快速原型。

馬特斯說：「作為 UI 設計師，我用的主要是 Photoshop，我的設計也都是走靜態介面。也就是說，我的每個解決方案都是屏幕上的一個按鈕。

後來我學會了 UX，就開始設計迭代原型，突然之間，我們可以利用運動、交互和手勢來解決問題了。」 具體是如何實現的呢？馬特斯展示了一款來自圖像識別系統的工具，它可以把人的手勢翻譯成 emoji 表情。

首先，馬特斯創建了一個訓練集，其中創建的文件夾以各種 emoji 表情為標籤。然後，他往每個文件夾里放滿了手勢照片。為了訓練機器，他把這整組文件夾拖到了 Lobe 的瀏覽器窗口中。當伺服器試著將手勢轉化為 emoji 表情時，Lobe 也清晰地反映了這一流程。

Lobe 做的絕不僅僅是系統圖像分類，平台會自動對照片進行模糊或提亮處理，以此顯現訓練集照片的差異性。這表示 Lobe 可以從少量照片中學到大量內容，也節約了很多時間。

Lobe 的儀錶板盤還能實時顯示圖像識別模型的準確度，你可以點開圖片樣本，就可以看到計算機針對每個實例給出的結論。在照片模塊中，你可以調整參數，觀察極值下的分析結論。你還可以訪問視圖，從計算機的視角查看圖像，藉此明晰機器學習背後的道理。在這一趨勢下，演算法偏差也許會日漸降低。

另外，Lobe 的出彩之處在於，用戶可以為 emoji 表情項目尋找「幫手」，也就是直接從 Lobe資料庫調取相關「lobes」。沒錯，這就是 Lobe 的插件概念，它可以為用戶提供機器學習邏輯方面的幫助，在前人的智慧之上，用戶就能輕鬆創建一個項目了。

而馬特斯就在他的 emoji 表情項目上添加了一個 lobe，這個 lobe 幫機器消除了照片雜訊，讓機器能只關注手部。每張照片將被 lobe 裁剪得只剩手部，所以機器無需再去定位手部位置，因而提高了學習效率。

馬特斯說：「我們正在讓人工智慧更加模塊化。這也是軟體的核心思想。有了平台，就能利用大家的代碼來創建更抽象的東西。現在的人工智慧，可以說是一招鮮吃遍天。」

Lobe 還能使用音頻文件，創建音樂類可視化工具，但馬特斯希望平台能繼續接入語音功能。基本上，你想要的功能 Lobe 都能滿足，而且很多研究機器學習的程序員都測試過 Lobe，表示功能上沒有什麼局限。

怎麼才能試用 Lobe 呢？價格又是多少？該公司目前正在針對小型案例逐個進行 Beta 測試，但尚未披露盈利途徑。比起其他前端介面，Lobe 的大部分服務勝在伺服器資源，但是，訓練機器需要佔用大量的計算時間，所以訪問 Lobe 的花銷可能不小，甚至收費方式不會採用月租模式，而是採用基於電力消耗的定價模型。

未來，Lobe 不會成為軟體，它是一個平台、一種服務，也是能夠擁抱機器學習市場的一種商業模式。

如果你想了解最前沿的AI技術和場景應用

一網打盡AI界前瞻科技和深度報道

如果你想持續拉升逼格

歡迎關注AI星球，並轉發朋友圈為我們打Call~~

你們的支持是我們創造優質內容的不竭動力

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！