Scratch × 機械学習（ML2Scratch）に挑戦する

作る作品のテーマを決める

何をする：まず、Scratch × 機械学習(きかいがくしゅう: 例から判断のしかたを学ぶ技術)で何を判定するかを決めます。たとえば、「手の形をグー・チョキ・パーに分ける」「明るい場所・暗い場所を分ける」「短い音の種類を分ける」など、2〜3種類に分けられるテーマを選びます。テーマをしぼる理由は、分類(ぶんるい: ものを種類ごとに分けること)が多すぎると、初めての実験では正しく判定しにくくなるからです。

どうやる：

なぜ：

使うデータの種類と数を決める

何をする：次に、画像・音・文字のどれを使うかを決め、各分類10〜20個ずつ集める計画を立てます。画像を使う場合は、背景や明るさを少し変えて撮影します。音を使う場合は、同じ長さの音を10〜20回ずつ記録します。データ数を決める理由は、AIの判定結果が、学習に使ったデータの量や種類に影響されることを確かめるためです。

どうやる：

なぜ：

個人情報が入らないデータだけを用意する

何をする：学習用データを集める前に、顔、名前、住所、学校名、制服、家の外観など、個人が特定される情報が入っていないか確認します。画像は手元の物、文房具、紙に描いた記号などを使うと安全です。個人情報を避ける理由は、AI実験ではデータを扱うため、研究の前にプライバシーを守ることが大切だからです。

どうやる：

なぜ：

ML2Scratch で学習させる

何をする：保護者または先生の見守りのもと、ML2Scratch を開き、用意したデータを分類ごとに登録します。たとえば「グー」「チョキ」「パー」のようにラベル(らべる: 分類名を示す名前)をつけ、各分類に10〜20個のデータを入れます。その後、モデル(もでる: データをもとに判断するしくみ)を作成します。学習させる理由は、コンピューターに分類の例を示し、似たものを判断できるようにするためです。

どうやる：

なぜ：

Scratch とつなげて判定結果を表示する

何をする：Scratch を開き、ML2Scratch と連携できる状態にします。判定結果によってキャラクターが「これはグーです」「これはチョキです」のように話すプログラムを作ります。イベント、条件分岐(じょうけんぶんき: 条件によって動きを変えるしくみ)、変数(へんすう: 数や文字を入れておく箱)を使うと整理しやすくなります。Scratch とつなぐ理由は、AIの判定を見える形の作品にするためです。

どうやる：

なぜ：

テスト用データで正解率を調べる

何をする：学習に使っていないデータを各分類5〜10個用意し、AIが正しく判定するかを試します。結果は「番号」「本当の分類」「AIの判定」「正解・不正解」の4列で表にします。正解率(せいかいりつ: 全体のうち正しく答えた割合)は、「正解数 ÷ テスト数 × 100」で計算します。学習用ではないデータで試す理由は、本当に新しいデータにも対応できるかを調べるためです。

どうやる：

なぜ：

間違えた例をくわしく観察する

何をする：AIが間違えたデータだけを集め、明るさ、角度、背景、音の大きさ、文字の長さなどに共通点がないか調べます。たとえば、暗い画像だけ間違える、背景が白でない時に間違える、似た音を混同するなどを記録します。間違いを観察する理由は、AIの苦手な条件を見つけることで、ただ作品を作るだけでなく、研究として考察できるからです。

どうやる：

なぜ：

データを増やして再実験する

何をする：間違いが多かった条件のデータを各分類5〜10個ずつ追加し、もう一度モデルを作り直します。その後、ステップ6と同じ方法で正解率を調べ、改善前と改善後を比べます。データを増やして再実験する理由は、機械学習では、学習データの質や量を変えることで結果が変わるかを確かめられるからです。

どうやる：

なぜ：

作品として仕上げる

何をする：最後に、Scratch の画面にタイトル、使い方、判定結果、注意書きを表示します。たとえば「カメラに手の形を見せてください」「判定結果は100%正しいとは限りません」のように書きます。作品として仕上げる理由は、見る人が実験の目的と使い方を理解しやすくなり、発表しやすくなるからです。

どうやる：

なぜ：