Scratch AI 機器學習入門：用 Teachable Machine 做手勢控制遊戲

什麼是機器學習？用小朋友聽得懂的方式解釋

你有沒有想過，手機上的「人臉解鎖」是怎麼認出你的臉的？或者 Google 相簿為什麼能自動把你家的貓咪照片歸在一起？這些背後都用到了一種叫做機器學習（Machine Learning）的技術。

簡單來說，機器學習就像是在教電腦「看圖認東西」。我們人類小時候，爸媽指著狗狗說「這是狗狗」，看了很多次之後我們就學會認狗了。機器學習也是一樣的道理：我們餵給電腦很多張照片，告訴它「這些是貓、這些是狗」，看夠多之後，電腦就能自己分辨了。

聽起來很厲害對不對？但其實你不需要會寫複雜的程式碼，也不需要很厲害的電腦。今天我們要用兩個免費工具 — Google Teachable Machine 和 Scratch，就能做出一個用手勢控制的小遊戲！

認識 Google Teachable Machine

Teachable Machine 是 Google 做的一個免費網站工具，任何人都能用它來訓練自己的 AI 模型。不用安裝軟體，打開瀏覽器就能用。它支援三種訓練類型：

• 圖片辨識：教電腦分辨不同的圖片（例如分辨石頭、剪刀、布）
• 姿勢辨識：教電腦認得不同的身體動作（例如舉手、蹲下）
• 聲音辨識：教電腦聽懂不同的聲音（例如拍手、彈指）

今天我們會用到圖片辨識功能，來訓練一個能認出你手勢的模型。

事前準備

在開始之前，確認你有以下東西：

• 一台有網路攝影機的電腦（筆電內建的就可以）
• Chrome 或 Edge 瀏覽器（建議用 Chrome）
• 一個 Scratch 帳號（到 scratch.mit.edu 免費註冊）

如果你還沒玩過 Scratch，建議先去看看Scratch 接球遊戲教學，熟悉一下基本操作再回來。

第一步：訓練你的 AI 模型

打開 Teachable Machine 的網站（搜尋「Teachable Machine」就能找到），選擇「Image Project」，然後選「Standard image model」。

建立分類

你會看到畫面上有兩個分類（Class）。我們要做手勢控制遊戲，所以需要三個分類：

• Class 1：改名叫「左」— 等一下用來拍你的手往左比的照片
• Class 2：改名叫「右」— 拍你的手往右比的照片
• 按「Add a class」新增 Class 3：改名叫「停」— 拍你雙手放下的照片

收集訓練資料

這個步驟是最好玩的部分！點每個分類下面的「Webcam」按鈕，然後長按錄製按鈕，對著攝影機做出對應的手勢。

小技巧：每個分類至少拍 50 張以上的照片。而且拍的時候要：

• 稍微移動一下位置（不要每張都一模一樣）
• 手的角度可以稍微變化
• 試試不同的光線條件（這樣模型才會更準確）

想像你是一個老師，要教一個完全沒看過「左」和「右」的學生。你給他看的例子越多、越多元，他就學得越好。AI 模型也是一樣的道理！

訓練與測試

三個分類都拍好之後，按下「Train Model」按鈕。等個幾十秒，你的 AI 模型就訓練好了！

訓練完成後，右邊會出現即時預覽。試試做不同的手勢，看看模型能不能正確辨識。如果某個手勢常常被認錯，回去多拍一些照片再重新訓練就好。

第二步：匯出模型

模型測試沒問題後，點選「Export Model」。選擇「Tensorflow.js」分頁，然後點「Upload my model」。上傳完成後，你會得到一串網址，像是 https://teachablemachine.withgoogle.com/models/xxxxx/。

把這串網址複製下來存好，等一下在 Scratch 裡面會用到。

第三步：在 Scratch 中載入 AI 擴充功能

這裡要用到一個特別的 Scratch 版本。原版的 Scratch 不支援 Teachable Machine，但社群開發了擴充功能讓我們可以串接。

前往 Stretch3（搜尋「Stretch3 Scratch」）或使用支援 TM2Scratch 擴充的 Scratch 修改版。開啟後：

1. 點左下角的「擴充功能」按鈕
2. 找到「TM2Scratch」擴充並加入
3. 你會看到新的積木出現在左邊的積木區

接著用「set classification interval」積木設定辨識頻率，再用「set image classification model URL」積木把剛才複製的模型網址貼進去。

第四步：製作手勢控制遊戲

現在來做一個簡單但超酷的遊戲：用手勢控制角色左右移動來接住掉下來的星星！

設定角色

我們需要兩個角色（Sprite）：

• 一個接球角色：可以用 Scratch 內建的角色，像是碗或是籃子
• 一個星星角色：用 Scratch 內建的星星就好

遊戲邏輯

接球角色的程式積木這樣組：

• 當綠旗被按下：把角色移到畫面底部中間
• 當「image classification 的結果 = 左」：x 座標改變 -15（往左移動）
• 當「image classification 的結果 = 右」：x 座標改變 15（往右移動）
• 當「image classification 的結果 = 停」：什麼都不做（角色停住）

星星角色的程式：

• 當綠旗被按下：重複執行 — 移到畫面頂端隨機 x 位置，然後慢慢往下滑
• 如果碰到接球角色：播放音效、加分、重新回到頂端
• 如果碰到底部邊緣：扣一條命

如果你做過Scratch 接球遊戲，這個邏輯應該很熟悉。差別只在於我們把鍵盤控制換成了 AI 手勢辨識，是不是很酷？

除錯與優化小技巧

做的過程中可能會遇到一些問題，這裡列出常見的解決方法：

• 辨識不準確：最常見的原因是訓練資料不夠多。每個分類至少要 80-100 張照片，而且要有足夠的變化。
• 角色移動太快或太慢：調整 x 座標改變的數值就好。建議從 10 開始試，再慢慢調整到你覺得順手的速度。
• 攝影機沒有啟動：確認瀏覽器有給攝影機權限。通常網址列旁邊會有一個攝影機圖示可以點。
• 延遲很嚴重：把 classification interval 設大一點（例如 500 毫秒），減少運算負擔。

延伸挑戰

基本遊戲完成之後，可以試試這些進階挑戰：

• 加入第四個手勢（例如「跳」），讓角色可以跳起來
• 加入計分板和關卡系統，星星掉落速度越來越快
• 把圖片辨識改成姿勢辨識，用全身動作來控制角色
• 試試看做一個Scratch 迷宮遊戲，用手勢控制上下左右

如果孩子對 AI 和程式設計產生了興趣，也可以考慮看看學完 Scratch 下一步，了解之後可以怎麼繼續學習。Scratch 是很棒的起點，但程式的世界還有好多好玩的東西等著探索！

另外，如果想讓遊戲角色更生動，可以參考Scratch 動畫角色教學來幫角色加上走路或跳躍的動畫效果。

結語：AI 沒有想像中那麼難

回頭看看今天做的事情：我們訓練了一個能辨識手勢的 AI 模型，還把它串進 Scratch 做成了一個遊戲。整個過程不用寫任何一行「真正的」程式碼，但你已經體驗了機器學習最核心的概念 — 用資料來教電腦學會新能力。

這就是 AI 的基本原理。那些看起來很厲害的人臉辨識、語音助手、自動駕駛，背後的核心概念其實都一樣：收集資料、訓練模型、拿來用。當然真實世界的 AI 複雜得多，但你已經跨出最重要的第一步了。繼續玩、繼續試，說不定下一個改變世界的 AI 就是你做出來的！