汤姆休想把杰瑞叼回家！ML识别器将口含小动物的猫猫拒之门外

客厅里传来一阵蹦蹦跶跶的声响，沉静的夜晚被打破，名叫Ben Hamm小哥从酣睡中被惊醒，他看了一眼时间，凌晨三点。

迷迷糊糊地走到客厅，一场正在上演的“猫鼠游戏”使Ben带着怒火清醒过来，他养的喵星人Metric正与从屋外叼回来的猎物嬉戏打闹。

这已经不是Metric第一次在凌晨带着猎物回家了——有时它的猎物已经死了；有时它会将受了重伤的猎物当作玩具带回家，在这种情况下，Ben不得不在半夜对一只小动物实施安乐死，然后试着回去睡觉。

Ben还有其他不堪回首的经历，一天醒来，他发现Metric乖乖地趴在他的床头，正用那双可爱的又大又圆的眼睛盯着他枕边带着血的小雏鸟——那可能是Metric为他准备的礼物。

Ben可以接受他的小猫咪在外面“蹦野迪”到凌晨，但是叼着死的或半死的小动物回家——“No！”

小哥为此尝试了许多办法来管教Metric，比如项圈上挂铃铛、把它赶出去过夜，或是实施宵禁，但还是无法避免不时出现在家里的不明小动物。

面对如此屡教不改顽皮猫，小哥不得不采用特别手段了。Ben于是决定设计一道“智能猫门”，选择性地将口含猎物的猫猫拒之门外。

通过几个月的信息采集和模型搭建，Ben的新发明成功“落地”，多次成功地将Metric和它的猎物挡在家门口。

No！小动物不能带回家！

Ben花了几个月的时间收集并手工标注了23,000张图片，对一个机器视觉算法模型进行了三个阶段的训练。

第一步：识别是否有猫；

第二步：如果是猫，判断它想要进来还是离开；

第三步：如果这只猫要进来，识别猫的嘴里是否“夹带私货”

Ben在猫门旁安装了摄像头亚马逊的AWS DeepLens AI摄像头，在猫门的锁上连接一个Arduino微型控制器。通过摄像头上面装载着训练的机器视觉算法，对拍摄到的图像进行识别，从而决定是否上锁，这整个筛选过程不到两秒钟。

当猫门检测到Metric嘴里叼着小动物时，将会触发门上的控制器，猫咪将被锁在门外长达15分钟，这段时间可被它用来处理口中的猎物——干干净净，清清白白的猫咪才能回家！

除了将猫门上锁，这个系统还将进行后续的两步操作。

当把猫咪和猎物被锁在门外后，智能系统将给Ben发送“发现猎物！”的短信——没错，随时随地都能知道猫猫是不是又“犯事”了。

接下来系统还会自动给奥杜邦协会捐一笔款，该协会专门保护猫喜欢猎杀的鸟类。这就是所谓的“血钱”啊，Ben要为自家的猫咪犯下的“血债”进行一定的“赔偿”。（小编：可惜猫猫没有“金钱观念”啊~）

智能猫门大大减少了Ben凌晨起床处理小动物尸体的麻烦。Ben使用了这个系统五个星期，Metric通过猫门200次左右，仅有一次被系统错误地挡在了门外，而Metric进行了6次企图将小动物带回家的尝试，系统成功地阻止了5次。

Ben在西雅图的活动上展示了这个智能猫门，一群深有体会的猫奴们对此纷纷点赞。但一名软件工程师提出，与其训练电脑模型，不如教他的猫改变行为方式更容易。

Ben为自己的工作的必要性进行了解释:“惩罚带来的负面强化对猫不起作用，我希望你能想出一种方法，利用奖励来防止猫发生平均每10天就会在凌晨3点出现一次的行为!”

来！让我们一起机器学习！

事实上，在设计智能猫门之前，Ben对于机器学习一窍不通，他是Amazon的产品经理，是一个不会写代码的非程序员。但通过他的坚持和努力，从网上视频、资料和其他程序员那里得到的大量指点，Ben利用机器学习实现了自己的想法。

Ben使用了Amazon的在线机器学习服务Sagemaker对模型进行训练。该服务允许客户购买第三方算法，或建立自己的算法，然后用自己的数据对其进行培训和调整，最后将其投入使用。

他所使用的摄像头也是自家公司的产品，AWS DeepLens。这是一款完全可编程的视频摄像头，用户可以在摄像头上运行深度学习模型，以便分析和采取行动。

Ben表示构建ML模型的过程并不容易，光是收集图片数据库就耗费了好几个月。他说：“每当我想要放弃制作这个系统时，Metric就会带来一些新鲜的、可怕的东西，这会重新燃起我继续工作的决心！”

另外，Ben在担任项目经理期间产生了对机器学习的兴趣，他也希望通过这个猫门项目获得机器学习相关的技能。Ben认为在构建ML模型的过程中最重要大概还是耐心，他相信任何好想法都能凭借耐心和毅力来实现。他希望自己成功的小发明经历能够引发更多人对机器学习的兴趣。

机器学习基于这样一种思想：系统可以从数据中学习，识别模式，并在最少的人工干预下做出决策。机器学习不仅仅帮助工程师们完成宏伟的大项目，它也可以用来解决生活周边的小问题，或是制造一些小乐趣。