Lobe：超小白的机器学习平台，让你不懂编程也能自造数据集

机器学习的理论并不难掌握。如果你要在软件中添加人脸识别功能，首先要收集大量图片，然后，在软件进行了无数次学习之后，就能在众多照片中识别出人脸了。问题是，虽然理论好理解，但是相应的软件却很难操作，更不要说精通了。你必须创建各种自定义的代码位，然后将其复制到软件的多个位置上，除此之外，你还要对数据分析有着非常直观的认识，如此才能顺利地开发相关功能。

但是 Lobe 的出现改变了这一切，这个平台似乎成了目前最人性化的机器学习平台。在收集了大量图像或音频之后，把它们拖放到 Lobe 的网站上，基于此，Lobe 将自动创建学习机器。这个过程不需要编程，你甚至可以将现成的 AI 代码堆叠到自己的项目中。而你创建和输出的全部内容都基于目前通行的 Tensorflow 人工智能学习系统标准，也就表示，你设计的功能与 Web、iOS 和 Android 上的应用程序是兼容的。

Lobe 是一家由风投支持的初创企业，在发展近两年后，它逐渐展现在世人眼前。该公司设计方面的负责人麦克·马特斯（Mike Matas）表示，他是个不会编程的设计师，他又提到，机器学习的风潮让很多设计师也望尘莫及。马特斯希望 Lobe 能促进同行的发展，至少也能在机器学习方面提供快速原型。

马特斯说：“作为 UI 设计师，我用的主要是 Photoshop，我的设计也都是走静态接口。也就是说，我的每个解决方案都是屏幕上的一个按钮。后来我学会了 UX，就开始设计迭代原型，突然之间，我们可以利用运动、交互和手势来解决问题了。” 具体是如何实现的呢？马特斯展示了一款来自图像识别系统的工具，它可以把人的手势翻译成 emoji 表情。

首先，马特斯创建了一个训练集，其中创建的文件夹以各种 emoji 表情为标签。然后，他往每个文件夹里放满了手势照片。为了训练机器，他把这整组文件夹拖到了 Lobe 的浏览器窗口中。当服务器试着将手势转化为 emoji 表情时，Lobe 也清晰地反映了这一流程。Lobe 做的绝不仅仅是系统图像分类，平台会自动对照片进行模糊或提亮处理，以此显现训练集照片的差异性。这表示 Lobe 可以从少量照片中学到大量内容，也节约了很多时间。

Lobe 的仪表板盘还能实时显示图像识别模型的准确度，你可以点开图片样本，就可以看到计算机针对每个实例给出的结论。在照片模块中，你可以调整参数，观察极值下的分析结论。你还可以访问视图，从计算机的视角查看图像，借此明晰机器学习背后的道理。在这一趋势下，算法偏差也许会日渐降低。

另外，Lobe 的出彩之处在于，用户可以为 emoji 表情项目寻找“帮手”，也就是直接从 Lobe数据库调取相关“lobes”。没错，这就是 Lobe 的插件概念，它可以为用户提供机器学习逻辑方面的帮助，在前人的智慧之上，用户就能轻松创建一个项目了。

而马特斯就在他的 emoji 表情项目上添加了一个 lobe，这个 lobe 帮机器消除了照片噪声，让机器能只关注手部。每张照片将被 lobe 裁剪得只剩手部，所以机器无需再去定位手部位置，因而提高了学习效率。马特斯说：“我们正在让人工智能更加模块化。这也是软件的核心思想。有了平台，就能利用大家的代码来创建更抽象的东西。现在的人工智能，可以说是一招鲜吃遍天。”

Lobe 还能使用音频文件，创建音乐类可视化工具，但马特斯希望平台能继续接入语音功能。基本上，你想要的功能 Lobe 都能满足，而且很多研究机器学习的程序员都测试过 Lobe，表示功能上没有什么局限。

怎么才能试用 Lobe 呢？价格又是多少？该公司目前正在针对小型案例逐个进行 Beta 测试，但尚未披露盈利途径。比起其他前端接口，Lobe 的大部分服务胜在服务器资源，但是，训练机器需要占用大量的计算时间，所以访问 Lobe 的花销可能不小，甚至收费方式不会采用月租模式，而是采用基于电力消耗的定价模型。我们询问了 Lobe 的商业模式，但公司不愿过多透露。但我们目前知道的是，Lobe 不会成为软件，它是一个平台、一种服务，也是能够拥抱机器学习市场的一种商业模式。