nodejs_ai_basics

使用 nodejs 開發 AI 基礎應用的範例程式碼。

node.js 網址

• node.js 官方網站
• NVM for Windows (上課會用到)
• NVM for Mac/Linux

套件安裝

npm i --save

上課使用到的模型 (optional)

• Google Drive
  • 下載 @huggingface.zip 之後，解壓縮到 nodejs_ai_basics 當中的 node_modules 資料夾裡面，有同樣資料夾名稱沒關係，直接覆蓋過去就行了。

提問

• 通則
  • 「結業前」可提問、討論，要把多餘時間和資源，留給當前上課的學員。
• 寫信
  • E-mail: darren@darreninfo.cc
  • 信件標題寫上你的班別和姓名，或是在哪裡參與我的課程，例如 [資展 <班別和代號> / 臺大計中 / 聯成] 你的主旨 ○○○。
  • 提問的內容要與本專案有關，其它課程的部分，去請益原本授課的老師。
  • 不要把程式碼寄給我，可能沒時間看，討論儘量以解決問題的方向為主。
  • 不符合以上幾點，將直接刪除，敬請見諒。

範例程式碼

• 上課的範例程式碼都放在 examples 資料夾裡面，可以用來參考。
• 我們將上課資料夾 nodejs_ai_basics 當作根目錄。每次都會讓學員們在 nodejs_ai_basics 資料夾裡，手動新增一個 .js 程式檔案，例如 1-1.js，不會直接用到 examples 資料夾裡的程式碼。

大綱

• AI 基礎概論與演進
• AI 應用概論
  • 電腦視覺
    • 圖片特徵擷取與相似度計算
    • 物件偵測
    • 圖片分類
  • 自然語言處理
    • 文字特徵擷取與相似度計算
    • 文字分類
    • 情感分析
    • 文字生成
    • 翻譯
  • 語音處理
    • 音訊特徵擷取與相似度計算
    • 語音轉文字
    • 文字轉音樂
    • 文字轉語音
  • 知識挖掘
    • 建立向量資料庫
    • 向量檢索 (使用文字描述)
    • 向量檢索 (使用音訊檔案)
  • 智慧文件處理
    • 圖片內容檢視
    • 語音內容檢視
• 生成式 AI (optional)
  • 文字生成 (一次性回應、串流回應與多輪對話)
  • 圖片生成
  • 語音生成
  • 文件解讀
  • 圖像解讀

課程目標

• 體驗 AI 應用的基本概念與技術，建立基本的 AI 應用開發能力。
• 整合一到多個 AI 應用範例，成為專案的主要或次要功能。

補充 transformers.js

• 學過 react，可以參考這個 連結，裡面有一些使用 transformers.js + react 的範例程式碼。
• 有些範例教學也值得一看 Transformers.js - State-of-the-art Machine Learning for the Web --> Building a Vanilla JavaScript Application。

將 Hugging Face 模型轉換成 ONNX

覺得有些 hugggingface 上的模型很有趣，但沒有 onnx 可以用，可以考慮使用 Export a model to ONNX with optimum.exporters.onnx 來將常見模型轉換成 onnx 格式（也可能讀取特定資料夾裡的模型 連結），但是你要學習如何使用 python 指令，並且安裝 optimum 套件，當然～你可以請 ChatGPT 教你如何解決前述的問題。

可能會碰到的問題

• 原則上安裝 64 位元的 Node.js nvm install <LTS version> 64 (不寫 64，預設 64)。
  • 有些課可能需要用到 32 位元的版本，可以考慮使用 nvm install <LTS version> 32 來安裝 32 位元的 Node.js。
  • 同個版本的 Node.js，64 位元和 32 位元無法並存，需要分成不同版本安裝。例如 nvm install 22.17.1 64 和 nvm install 22.17.0 32。
• 自行輸入的程式碼無法執行或持續報錯，可以先複製 examples 資料夾當中的範例程式碼，執行看看 (有些同學會用 Diffchecker 來比對自己和上課範例的差異)。

作業說明

• 僅限授課學員。
• 同學之間可以互相討論，但千萬不要抄襲。
• 依興趣選擇至少 1 個 AI 應用，開發一個 Node.js 的 Web 應用程式，例如過去的學員曾經開發：
  • 文字
    • 取得圖書館的問答集，之後將資料轉換成向量資料庫，並使用向量檢索技術，實現問答系統。
      • 使用者輸入「請問要如何辦理借閱證呢？」(Q)，系統會使用文字向量檢索技術，從向量資料庫中找到相似的問題（Q），例如第一筆是「如何申請借閱證？」，再用這個問題的答案（A）中作為回覆，回傳給使用者，顯示資料列表或表格在網頁上。
    • 取得景點描述和圖片，之後將資料轉換成向量資料庫，並使用向量檢索技術，實現景點推薦。
      • 使用者輸入「我想去看海」，系統會使用文字向量檢索技術，從向量資料庫中找到相似的描述，例如第一筆是「這裡有美麗的海灘」，再用這個描述的圖片和圖片介紹作為回覆，回傳給使用者，顯示圖片和介紹在網頁上。
  • 語音
    • 將語音人聲抽出來
      • 製作成逐字稿，之後交由文字生成模型將逐字稿重點整理成會議記錄。
      • 將中文語音的文字翻譯成英文，再交給處理英文的情緒分類模型（當然也可以找直接處理中文的模型），將你的情緒進行分析。
      • 製作成 YouTube 影片的字幕檔，之後再使用文字生成模型將字幕檔重點整理成影片說明。
    • 建立音樂的向量資料庫，之後錄一段 5 ~ 10 秒的音樂片段，然後使用向量檢索技術，找出相似的音樂片段和資訊（還可以在網頁上播放音樂片段），實現音樂檢索。
  • 圖片
    • 蒐集大量的衣物或家具、家電圖片，之後將資料轉換成向量資料庫，並使用向量檢索技術，實現圖片檢索（以圖搜圖）。
• 可以使用本地端的模型和工具（可能速度較慢），或是使用 Gemini 這類強大的雲端模型（有限的免費額度和存取限制；可能需要付費），評估工具選用的可行性和效能。
• AI 的應用領域太大，可以不受限於課程內容，依照自己的興趣和需求，選擇適合的 AI 應用。
• 如果有向量檢索的機制，可以建立相似度門檻（例如 0.8 或 0.9，依你的經驗而定），當相似度低於這個門檻時，可以回覆「抱歉，找不到類似的問題」。
• 課程結束後，兩個禮拜內繳交作業（可現場討論），不用給我程式碼，只要拍一段網頁操作的影片，展示你的 AI 應用程式的功能，不限制時間長度，不一定要口頭說明，可以將用到哪些功能寫在網頁上，例如在本地端、雲端用到的 AI 工具或模型有哪些，他們做了些什麼等等：
  • 70 分: 1 個 AI 應用功能。
  • 80 分: 2 個 AI 應用功能，可以單獨展示，或是串接起來，成為一個整合應用功能。
  • 90 分: 3 個 AI 應用功能，可以單獨展示，或是串接起來，成為一個整合應用功能。
  • 100 分: 4 個（含以上）AI 應用功能，而且功能有整合性，同時包含一些團隊或個人的創意。
    • 例如：
      • 心情點播機
        • 使用者透過瀏覽器錄製自己的語音，系統將語音轉換成文字。
        • 生成模型判斷文字的意圖和情境，生成一段文字，同時讓系統產生一段符合情境的音樂（秒數自定）。
        • 系統將音樂片段與文字內容結合，輸出成類似廣播節目主持人邊講邊播音樂的效果，使用者可以隨時在網頁上播放系統生成的內容。