飙着车学「机器学习」？要不是380万人围观我都不敢相信

韩智 边策 丰色 发自 凹非寺
量子位 报道 | 公众号 QbitAI

“秋名山上行人稀，常有车手较高低。如今无人车当道，全是 AI 老司机。”

且问 AI 老司机表现如何？

可灵活转弯，控速自如：

可行云流水，沿最优路线过弯：

更可多次打圈，绕多少下也不在话下：

这场竞速赛事，主角确实是一群 AI 老司机，人类全程只能看，也没有什么遥控器参与。

更准确地说，它们是历经千万次虚拟练车训练出来的人工智能模型。这些模型所角逐的赛事也在业内颇具盛名，这就是亚马逊云科技举办的——

Amazon DeepRacer League。

作为全球最多开发者参与的自动驾驶赛车联赛，Amazon DeepRace 不拼谁更有钱买跑车，更不拼谁有资源搞场地，只拼选手们写的强化学习算法和训练水平——

堪称全球智力水平选秀综艺，充分诠释“ Smart is the new sexy ”的真正奥义。

开办至今， Amazon DeepRacer 在 AI/ML 圈已有相当名气，14万开发者参与其中，知乎上还有铁粉晒经历、Po证书。

大众影响力水涨船高，仅一部预告片就有380万播放量。

随着赛事越办越破圈，去年，Amazon DeepRacer League 更与 F1 官方搞起联名，举办了一场虚拟“巴塞罗那站”比赛，坐实自动驾驶界 F1 名头。

所以，这个 Amazon DeepRacer 什么来头？为什么让技术爱好者们如此上头？

最多开发者参与的自动驾驶联赛

2018年，亚马逊云科技萌生举办 AI 算法大赛念头，让更多人了解相关技术，甚至入门成为从业者，Amazon DeepRacer League 应运而生。

活动一开始就面向非业内群体，官方提供了几乎所有参赛软件资源，甚至有教程攻略，参与者甚至无需花钱购买实体小车，可以先在云平台上 3D 赛车模拟器，训练自己的自动驾驶算法。

入门后，参与者即可报名参加每个月的线上预选赛。如果你冲入全球前64强，就能获得线下联赛参赛资格——

和世界各路高手实地 PK 你的模型。

虽说门槛低，比赛奖金也却很高。

冠军将获得10000美元的奖金，亚军则奖励5000美元，季军2000美元。

低门槛加上高额奖金，玩的还是前沿技术，比赛自打举办，吸引了全球不同背景的人们关注。

参与者中，既有硅谷全栈开发人员、飞行员，来自新加坡、加拿大银行员工，还有中国大学生……

不同背景参与者加入，不仅体现比赛多元性，让机器学习技术为更多人所知，同时，也为比赛增添许多有意思的小片段。

比如 Amazon DeepRacer TV 2019年决赛中，一位中国台湾小哥逆转获胜后，赢得冠军，但发表获奖感言时，他却用了中文表达自己的心情，整得英语主持人一时不知道怎么接话…

值得一提的是，今年DeepRacer也开始在国内举办面向中国开发者的中国挑战赛，奖品同样丰厚，值得关注与期待。

如何驯服一只无人车？

从赛场回顾技术理论，实际上，Amazon DeepRacer 活动背后的基础即简单又前沿。

如何理解这句话？

不妨先从一辆自动驾驶小车构造展开。

Amazon DeepRacer 的自动驾驶小车有代际区分。一代车是参赛主力，核心包括一个 Intel Atom® 处理器，一个四百万像素1080p分辨率摄像头，一个高速 WiFi 以及 Intel OpenVino 计算机视觉工具套件。一代车主要用于竞速比赛，通过视觉识别判定赛道，完成比赛。

更高阶的是二代车 DeepRacer Evo ，配备立体摄像头和激光雷达，可用于可进行追逐赛与避障赛。

如果熟悉自动驾驶，你可能也能看出这一配置可谓“朴素”，却足够体验自动驾驶的乐趣——

这是因为 真正赋予小车自动驾驶灵魂的，是算法与模型。

同当今马路上的自动驾驶车一样，Amazon DeepRacer 同样使用到机器学习门类下的一门技术：

强化学习（RL）。

该项技术兴起不过数年，却算得上是近些年人类最重要的技术突破之一。2016年战胜李世石的 AlphaGo 背后就是该技术发挥作用。

强化学习原理不难理解，就是一种“驯兽师”机制，也可以理解为「巴浦洛夫的狗」原理。

以“小鸡啄纸”为例：

如果我们想训练一只鸡啄粉色纸片，那么，每当它啄到粉色纸片时，就奖励给食物。

经过一番训练后，这只鸡就一直能正确找到粉色纸片了。

△ 来自Twitter用户@YAWScience

当然，奖励无人小车和电脑不能用食物，而是用它们能懂的“奖励函数”（ Reward Function ）。

对于 Amazon DeepRacer 来说，开发者可以设置一个超级简单的奖励函数，它只有两个参数：all_wheels_on_track 表示四个轮子是否全在赛道内， progress 代表当前完成进度。

具体到代码上，如果有车轮不在赛道上发生一次，就扣除奖励函数，反之，就一直以小车走过的进度来奖励它。

奖励函数的值越大，就说明训练越成功，当奖励函数为负值时，任务失败。

def reward_function(params):
    if not params["all_wheels_on_track"]:
        reward = -1
    else:
        reward = params["progress"]
    return reward

如果想让小车更聪明，不要在跑道上拐来拐去，我们还可以把函数设置得稍微复杂一点，以小车偏离跑道中心虚线的距离作为一个参数。距离越小，则奖励越大。

训练过程中，小车通过摄像头等记录自己的位置，不断调整车速和行驶方向，当奖励函数最大化且稳定后——

“驯兽”就完成了，恭喜，你已掌握强化学习的根本原理。

如何参赛？

比赛热血好玩，还有奖金可拿，原理易懂，现在，你是不是迫不及待想玩玩？

参与方式很简单：只需注册一个亚马逊云科技账户就行。

登陆账号进入 Amazon DeepRacer 控制台。

在构建模型之前，先在车库配置一辆自己的虚拟赛车。

给它起一个炫酷的名字（名字不可以更改，千万不要取个“ test ”就完事了），选个你喜欢的颜色并根据你要参加的比赛类型配置摄像头。

创建好专属虚拟小车后，按照提示一步步创建模型：

官方还提供虚拟环境，降低上手门槛，让小车在虚拟世界中训练，完成后，就可提交模型选一场比赛参加了！

参与线上竞赛不需要实体小车，直接参与即可。

等你在虚拟练车领域崭露头角后，也能可以获得亚马逊云科技免费赠送的实体小车，价值300美元。

当然，不差钱的话，也可直接在官网购买：

买小车虽说要花点钱，不过确实更添玩乐趣味，你可以在家里复刻赛道，随时进行练习。

据说，还有人为了拿个好成绩直接换了大房子，在自家地下车库里复刻了赛道练习（手动狗头）——

官网也贴心地提供了在家搭建赛道的教程：

最后，划重点，提供一些薅官方羊毛机会。

如果你是新用户首次参加 Amazon DeepRacer 项目，第一个月可以获得10小时的免费训练时长以及5GB的存储空间。

除了免费时长，Amazon DeepRacer 还提供了免费的视频教程教你强化学习的基础知识、比赛入门指导。

比赛技巧也是重点，官方网页上连单圈记录保持者写的攻略都要来了：

所以，不论你是技术小白还是有经验的机器学习从业人员，都可以放心大胆地参与进来。

赛车游戏让更多人入门 AI

如前面所说，亚马逊云科技2018年就想以游戏活动方式推广 AI 算法，后来才有 Amazon Deepracer ，此举目的，在于面对 AI/ML 发展势头汹涌，这家大厂期望让更多人了解相关技术，进而参与其中。

就拿 Amazon Deepracer 来说，为扩大参赛人群，亚马逊云科技还发起一项针对16岁以上高中生和大学生的学生比赛，注册无需信用卡即可参与。

此外，如果完成所有学习模块，在所有课程测试中获得至少80%分数，又在学生联盟中单圈成绩优异，还可以获得一份奖学金。前500名的学生，还将获得亚马逊云科技和英特尔的技术专家指导，为期12个月。

不止于 Amazon DeepRacer ，亚马逊云科技为让不同背景的人都可以了解并入门机器学习，在方方面面都有所动作。

比如，提供1000万美金的亚马逊云科技 AI&ML 奖学金计划；

比如，发布无代码机器学习图形界面 Amazon SageMaker Canvas ，帮助零机器学习经验的企业级用户解决业务问题，让各个业务背景的人都能上手。

再比如，面向更多开发者，提供免费算力的机器学习“实验室” Amazon Sagemaker Studio Lab ……

相信只有越来越多人了解并上手 AI/ML 相关技术和产品，这一兴起不过10年的浪潮才能真正释出价值。

更多关于亚马逊云科技的新发布，长按下方图片了解：

最后的最后，你想试试 Amazon DeepRacer 么？

添加官方小助手了解更多详情，传送门在这：

— 完 —