สอน AI
ให้รู้จักเสียง Teach AI
to Hear

ฝึก AI จำเสียงได้เอง แล้วให้ micro:bit ตอบสนอง
ด้วย Teachable Machine + Teachable Micro:Bit Train AI to recognize your recorded sounds, then let micro:bit respond
with Teachable Machine + Teachable Micro:Bit

⏱ 2–3 ชั่วโมง⏱ 2–3 hours

👦 อายุ 9–12 ปี👦 Age 9–12

🤖 ทักษะ AIAI Literacy

🎤 ไม่ต้องเขียนโค้ด AI🎤 No AI coding needed

จดจำ
เสียงSound
Recognition

💡 Big Idea 💡 Big Idea

เด็กๆ จะฝึก AI ให้จำเสียงที่ตัวเองบันทึกเอง เช่น เสียงปรบมือ เสียงนกหวีด หรือชื่อของตัวเอง — แล้วให้ micro:bit ตอบสนอง ด้วยแสง เสียง หรือการเคลื่อนที่ ผ่าน Teachable Micro:Bit (jmdigitallab.app/teachable-microbit/) โดยไม่ต้องเขียนโค้ด AI แม้แต่บรรทัดเดียว — ถ้าไม่มี micro:bit ใช้ Emulator ในตัวแอปได้เลย Students will train AI to recognize sounds they record themselves — like clapping, whistling, or their own name — then let micro:bit respond with lights, sounds, or movement through Teachable Micro:Bit (jmdigitallab.app/teachable-microbit/), without writing a single line of AI code. No micro:bit? Use the built-in Emulator.

⚙️ ระบบทำงานยังไง? ⚙️ How does it work?

🎤

Input

บันทึกเสียง
ตัวอย่างRecord
samples

→

🧠

Train

Teachable
Machine เรียนรู้Teachable
Machine learns

→

🔗

Connect

Copy TF.js URL
→ Paste ในแอปCopy TF.js URL
→ Paste in app

→

💡

Output

micro:bit
ตอบสนองmicro:bit
responds

📦 อุปกรณ์ที่ต้องเตรียม 📦 Materials Needed

🔌

micro:bit v2 (ไมค์ในตัว) — 1 ตัว/คน micro:bit v2 (built-in mic) — 1 per student
💻

คอมพิวเตอร์ที่มีไมโครโฟน + Chrome browser Computer with microphone + Chrome browser
🌐

เปิดเว็บ teachablemachine.withgoogle.com และ jmdigitallab.app/teachable-microbit/ Open teachablemachine.withgoogle.com and jmdigitallab.app/teachable-microbit/
🔗

สาย USB สำหรับ flash โปรแกรมลง micro:bit USB cable to flash the program to micro:bit
📶

อินเทอร์เน็ต (ใช้ช่วง Train + Connect) Internet connection (needed during Train + Connect)

🤖 AI Concepts ในบทเรียนนี้ 🤖 AI Concepts in this lesson

📊

Concept 1

Training Data

AI เรียนรู้จากตัวอย่างที่เราให้ — ยิ่งมากยิ่งแม่น AI learns from the examples we give — more examples = more accurate

🏷️

Concept 2

Classification

AI แยกแยะว่าเสียงนี้คือ "class" ไหน AI identifies which "class" a sound belongs to

📉

Concept 3

Confidence

AI บอกว่า "แน่ใจแค่ไหน?" เป็น % เสมอ AI always says "how sure am I?" as a %

⏱ ตารางเวลา Workshop ⏱ Workshop Timeline

15นาทีmin

Phase 01 · Hook

AI ฟังเสียงแล้วทำอะไรได้บ้าง? What can AI do after hearing a sound?

วิทยากรสาธิต model สำเร็จรูป — ปรบมือ 1 ครั้ง LED ติด / 2 ครั้ง LED ดับ เด็กๆ เห็นผลแล้วถามว่า "อยากสร้าง AI เองไหม?" Instructor demos a finished model — 1 clap = LED on / 2 claps = LED off. Kids see the result, then ask: "Want to build your own AI?"
20นาทีmin

Phase 02 · Understand

AI รู้จักเสียงได้ยังไง? How does AI recognize sound?

อธิบาย Training Data, Class, Confidence — ใช้ตัวอย่างง่ายๆ เช่น "ถ้าเราไม่เคยได้ยินภาษาญี่ปุ่น เราก็ฟังไม่ออก AI ก็เหมือนกัน" Explain Training Data, Class, Confidence — use simple examples: "If you've never heard Japanese, you can't understand it. AI is the same."
60นาทีmin

Phase 03 · Build

บันทึกเสียง → Train → เชื่อม micro:bit Record → Train → Connect micro:bit

บันทึกเสียง 2–3 class → Train บน Teachable Machine → Export TF.js URL → โหลด Model ใน Teachable Micro:Bit app → เชื่อม micro:bit (หรือใช้ Emulator) → เขียน MakeCode ให้ตอบสนองแต่ละ class Record 2–3 sound classes → Train on Teachable Machine → Export TF.js URL → load model in Teachable Micro:Bit app → connect micro:bit (or use Emulator) → write MakeCode to respond to each class
20นาทีmin

Phase 04 · Demo & Reflect

โชว์ผลงานและทดสอบขีดจำกัด AI Demo results and test the AI's limits

เด็กๆ ทดสอบว่า AI ของตัวเองสับสนกับเสียงไหน ลองส่งเสียงแปลกๆ แล้วดูผล Confidence — เรียนรู้ว่า AI ไม่สมบูรณ์แบบ Students test which sounds confuse their AI, try unusual sounds and watch Confidence scores — learn that AI is never perfect.

🛠 ขั้นตอน Build (สำหรับเด็ก) 🛠 Build Steps (for students)

สร้าง Project ใน Teachable Machine Create a project in Teachable Machine

เลือก "Audio Project" → ตั้งชื่อ class เช่น "ปรบมือ", "ฮัม", "Background" Select "Audio Project" → name your classes, e.g. "Clap", "Hum", "Background"

บันทึกเสียงตัวอย่าง Record sound samples

บันทึกอย่างน้อย 20 ตัวอย่าง/class กดค้างแล้วส่งเสียงซ้ำๆ ให้หลากหลาย Record at least 20 samples per class — hold to record, repeat with variety

Train Model Train the Model

กด "Train Model" รอจนเสร็จ ทดสอบใน Preview ก่อนส่งออก Click "Train Model", wait until done, test in Preview before exporting

เชื่อมกับ Teachable Micro:Bit + MakeCode Connect to Teachable Micro:Bit + MakeCode

Export เป็น TensorFlow.js → อัปโหลดขึ้น cloud → Copy shareable model URL → เปิด jmdigitallab.app/teachable-microbit/ → วาง URL → Load → Flash BLE template → Connect Bluetooth (หรือเลือก 🖥️ Emulator ถ้าไม่มี micro:bit) Export as TensorFlow.js → Upload to cloud → Copy shareable model URL → open jmdigitallab.app/teachable-microbit/ → Paste URL → Load → Flash BLE template → Connect Bluetooth (or choose 🖥️ Emulator if no micro:bit)

💬 คำถามสะท้อนคิด 💬 Reflection Questions

1

ทำไม AI ของเราถึงบางทีฟังผิด? เราต้องแก้ไขที่ขั้นตอนไหน? Why does our AI sometimes mishear? Which step would you fix?
2

ถ้าเพื่อนอีกคนมาพูดคำเดียวกัน AI ของเราจำได้ไหม? ทำไม? If a classmate says the same word, can our AI recognize it? Why or why not?
3

Confidence 70% กับ 99% ต่างกันยังไง? แบบไหนน่าเชื่อถือกว่า? What's the difference between 70% and 99% confidence? Which is more trustworthy?
4

ถ้าจะนำ AI ตัวนี้ไปใช้จริงในชีวิตประจำวัน อยากให้มันทำอะไร? If you could use this AI in real life, what would you have it do?

สอน AIให้รู้จักเสียง Teach AIto Hear

สอน AI
ให้รู้จักเสียง Teach AI
to Hear