當(dāng)人們信任未經(jīng)證明的100%可靠的AI技術(shù)時(shí)，后果可能很慘。致命的自動(dòng)Uber事故及其后果已向公眾強(qiáng)調(diào)了這一點(diǎn)。但是，某些游戲，玩具和低風(fēng)險(xiǎn)實(shí)驗(yàn) 是幫助生產(chǎn)黃金時(shí)間，現(xiàn)實(shí)生活中使用的AI的好方法。
亞馬遜網(wǎng)絡(luò)服務(wù)公司(Amazon Web Services Inc.)人工智能設(shè)備總監(jiān)邁克·米勒(Mike Miller)說：“一點(diǎn)點(diǎn)的競(jìng)爭(zhēng)確實(shí)可以使開發(fā)人員受益。”
以AWS的DeepRacer(一種內(nèi)置了可訓(xùn)練的機(jī)器學(xué)習(xí)技術(shù)的1/18比例的汽車)為基礎(chǔ)。所有技能水平的開發(fā)人員都對(duì)該產(chǎn)品表現(xiàn)出了極大的熱情。他們喜歡定期比賽，在那兒他們可以展示如何訓(xùn)練小型自動(dòng)駕駛汽車，使其在賽道上更快，更安全地行駛。根據(jù)Miller的說法，他們的發(fā)現(xiàn)和成就可能會(huì)進(jìn)入真正的人所依賴的AI。
在拉斯維加斯舉行的AWS re：Invent活動(dòng)期間， Miller與 SiliconANGLE Media的移動(dòng)直播工作室CUBE的聯(lián)合主持人John Furrier 和Dave Vellante進(jìn)行了交談。他們討論了AI開發(fā)的游戲化。
DeepRacer采用一種稱為強(qiáng)化學(xué)習(xí)的ML形式，可通過獎(jiǎng)勵(lì)功能改善模型。開發(fā)人員可以選擇獎(jiǎng)勵(lì)模型，以實(shí)現(xiàn)目標(biāo)或在特定上下文中表現(xiàn)出特定方式。這樣，他們可以訓(xùn)練汽車使其更靠近軌道的中心線，轉(zhuǎn)彎次數(shù)更少等。(在賽道上最快行駛的記錄(7.44秒)是由DeepRacer比賽的首位女性獲勝者sola @ DNP創(chuàng)造的。)
AWS已在更新的DeepRacer Evo中添加了傳感器，以提供新的方式來訓(xùn)練汽車。引擎蓋上有激光雷達(dá)(激光技術(shù)，用于距離檢測(cè))，正面有立體攝像頭，用于深度感應(yīng)。
Miller說：“現(xiàn)在，將深度感測(cè)，避免物體進(jìn)入和直接競(jìng)爭(zhēng)納入開發(fā)人員的機(jī)器學(xué)習(xí)模型中，可能會(huì)給開發(fā)人員帶來挑戰(zhàn)。”
在AWS DeepComposer鍵盤中，AI通過生成的對(duì)抗網(wǎng)絡(luò)來代替AI。神經(jīng)網(wǎng)絡(luò)互相作用以產(chǎn)生原創(chuàng)音樂。
米勒指出，這些產(chǎn)品的休閑使用與科技公司的認(rèn)真研發(fā)之間架起了一座橋梁。DeepRacer開發(fā)可能會(huì)進(jìn)入機(jī)器人技術(shù)。DeepComposer致力于產(chǎn)品開發(fā)等等。