飆著車學「機器學習」？要不是380萬人圍觀我都不敢相信
“秋名山上行人稀，常有車手較高低。如今無人車當道，全是 AI 老司機。”
且問 AI 老司機表現如何？
可靈活轉彎，控速自如：
可行云流水，沿最優路線過彎：
更可多次打圈，繞多少下也不在話下：
這場競速賽事，主角確實是一群 AI 老司機，人類全程只能看，也沒有什么遙控器參與。
更準確地說，它們是歷經千萬次虛擬練車訓練出來的人工智能模型。這些模型所角逐的賽事也在業內頗具盛名，這就是亞馬遜云科技舉辦的——
Amazon DeepRacer League。
作為全球最多開發者參與的自動駕駛賽車聯賽，Amazon DeepRace 不拼誰更有錢買跑車，更不拼誰有資源搞場地，只拼選手們寫的強化學習算法和訓練水平——
堪稱全球智力水平選秀綜藝，充分詮釋“ Smart is the new sexy ”的真正奧義。
開辦至今， Amazon DeepRacer 在 AI/ML 圈已有相當名氣，14萬開發者參與其中，知乎上還有鐵粉曬經歷、Po證書。
大眾影響力水漲船高，僅一部預告片就有380萬播放量。
隨著賽事越辦越破圈，去年，Amazon DeepRacer League 更與 F1 官方搞起聯名，舉辦了一場虛擬“巴塞羅那站”比賽，坐實自動駕駛界 F1 名頭。
所以，這個 Amazon DeepRacer 什么來頭？為什么讓技術愛好者們如此上頭？
最多開發者參與的自動駕駛聯賽
2018年，亞馬遜云科技萌生舉辦 AI 算法大賽念頭，讓更多人了解相關技術，甚至入門成為從業者，Amazon DeepRacer League 應運而生。
活動一開始就面向非業內群體，官方提供了幾乎所有參賽軟件資源，甚至有教程攻略，參與者甚至無需花錢購買實體小車，可以先在云平臺上 3D 賽車模擬器，訓練自己的自動駕駛算法。
入門后，參與者即可報名參加每個月的線上預選賽。如果你沖入全球前64強，就能獲得線下聯賽參賽資格——
和世界各路高手實地 PK 你的模型。
雖說門檻低，比賽獎金也卻很高。
冠軍將獲得10000美元的獎金，亞軍則獎勵5000美元，季軍2000美元。
低門檻加上高額獎金，玩的還是前沿技術，比賽自打舉辦，吸引了全球不同背景的人們關注。
參與者中，既有硅谷全棧開發人員、飛行員，來自新加坡、加拿大銀行員工，還有中國大學生……
不同背景參與者加入，不僅體現比賽多元性，讓機器學習技術為更多人所知，同時，也為比賽增添許多有意思的小片段。
比如 Amazon DeepRacer TV 2019年決賽中，一位中國臺灣小哥逆轉獲勝后，贏得冠軍，但發表獲獎感言時，他卻用了中文表達自己的心情，整得英語主持人一時不知道怎么接話…
值得一提的是，今年DeepRacer也開始在國內舉辦面向中國開發者的中國挑戰賽，獎品同樣豐厚，值得關注與期待。
如何馴服一只無人車？
從賽場回顧技術理論，實際上，Amazon DeepRacer 活動背后的基礎即簡單又前沿。
如何理解這句話？
不妨先從一輛自動駕駛小車構造展開。
Amazon DeepRacer 的自動駕駛小車有代際區分。一代車是參賽主力，核心包括一個 Intel Atom® 處理器，一個四百萬像素1080p分辨率攝像頭，一個高速 WiFi 以及 Intel OpenVino 計算機視覺工具套件。一代車主要用于競速比賽，通過視覺識別判定賽道，完成比賽。
更高階的是二代車 DeepRacer Evo ，配備立體攝像頭和激光雷達，可用于可進行追逐賽與避障賽。
如果熟悉自動駕駛，你可能也能看出這一配置可謂“樸素”，卻足夠體驗自動駕駛的樂趣——
這是因為 真正賦予小車自動駕駛靈魂的，是算法與模型。
同當今馬路上的自動駕駛車一樣，Amazon DeepRacer 同樣使用到機器學習門類下的一門技術：
強化學習（RL）。
該項技術興起不過數年，卻算得上是近些年人類最重要的技術突破之一。2016年戰勝李世石的 AlphaGo 背后就是該技術發揮作用。
強化學習原理不難理解，就是一種“馴獸師”機制，也可以理解為「巴浦洛夫的狗」原理。
以“小雞啄紙”為例：
如果我們想訓練一只雞啄粉色紙片，那么，每當它啄到粉色紙片時，就獎勵給食物。
經過一番訓練后，這只雞就一直能正確找到粉色紙片了。
△ 來自Twitter用戶@YAWScience
當然，獎勵無人小車和電腦不能用食物，而是用它們能懂的“獎勵函數”（ Reward Function ）。
對于 Amazon DeepRacer 來說，開發者可以設置一個超級簡單的獎勵函數，它只有兩個參數：all_wheels_on_track 表示四個輪子是否全在賽道內， progress 代表當前完成進度。
具體到代碼上，如果有車輪不在賽道上發生一次，就扣除獎勵函數，反之，就一直以小車走過的進度來獎勵它。
獎勵函數的值越大，就說明訓練越成功，當獎勵函數為負值時，任務失敗。
- def reward_function(params):
- if not params["all_wheels_on_track"]:
- reward = -1
- else:
- reward = params["progress"]
- return reward
如果想讓小車更聰明，不要在跑道上拐來拐去，我們還可以把函數設置得稍微復雜一點，以小車偏離跑道中心虛線的距離作為一個參數。距離越小，則獎勵越大。
訓練過程中，小車通過攝像頭等記錄自己的位置，不斷調整車速和行駛方向，當獎勵函數最大化且穩定后——
“馴獸”就完成了，恭喜，你已掌握強化學習的根本原理。
如何參賽？
比賽熱血好玩，還有獎金可拿，原理易懂，現在，你是不是迫不及待想玩玩？
參與方式很簡單：只需注冊一個亞馬遜云科技賬戶就行。
登陸賬號進入 Amazon DeepRacer 控制臺。
在構建模型之前，先在車庫配置一輛自己的虛擬賽車。
給它起一個炫酷的名字（名字不可以更改，千萬不要取個“ test ”就完事了），選個你喜歡的顏色并根據你要參加的比賽類型配置攝像頭。
創建好專屬虛擬小車后，按照提示一步步創建模型：
官方還提供虛擬環境，降低上手門檻，讓小車在虛擬世界中訓練，完成后，就可提交模型選一場比賽參加了！
參與線上競賽不需要實體小車，直接參與即可。
等你在虛擬練車領域嶄露頭角后，也能可以獲得亞馬遜云科技免費贈送的實體小車，價值300美元。
當然，不差錢的話，也可直接在官網購買：
買小車雖說要花點錢，不過確實更添玩樂趣味，你可以在家里復刻賽道，隨時進行練習。
據說，還有人為了拿個好成績直接換了大房子，在自家地下車庫里復刻了賽道練習（手動狗頭）——
官網也貼心地提供了在家搭建賽道的教程：
最后，劃重點，提供一些薅官方羊毛機會。
如果你是新用戶首次參加 Amazon DeepRacer 項目，第一個月可以獲得10小時的免費訓練時長以及5GB的存儲空間。
除了免費時長，Amazon DeepRacer 還提供了免費的視頻教程教你強化學習的基礎知識、比賽入門指導。
比賽技巧也是重點，官方網頁上連單圈記錄保持者寫的攻略都要來了：
所以，不論你是技術小白還是有經驗的機器學習從業人員，都可以放心大膽地參與進來。
賽車游戲讓更多人入門 AI
如前面所說，亞馬遜云科技2018年就想以游戲活動方式推廣 AI 算法，后來才有 Amazon Deepracer ，此舉目的，在于面對 AI/ML 發展勢頭洶涌，這家大廠期望讓更多人了解相關技術，進而參與其中。
就拿 Amazon Deepracer 來說，為擴大參賽人群，亞馬遜云科技還發起一項針對16歲以上高中生和大學生的學生比賽，注冊無需信用卡即可參與。
此外，如果完成所有學習模塊，在所有課程測試中獲得至少80%分數，又在學生聯盟中單圈成績優異，還可以獲得一份獎學金。前500名的學生，還將獲得亞馬遜云科技和英特爾的技術專家指導，為期12個月。
不止于 Amazon DeepRacer ，亞馬遜云科技為讓不同背景的人都可以了解并入門機器學習，在方方面面都有所動作。
比如，提供1000萬美金的亞馬遜云科技 AI&ML 獎學金計劃；
比如，發布無代碼機器學習圖形界面 Amazon SageMaker Canvas ，幫助零機器學習經驗的企業級用戶解決業務問題，讓各個業務背景的人都能上手。
再比如，面向更多開發者，提供免費算力的機器學習“實驗室” Amazon Sagemaker Studio Lab ……
相信只有越來越多人了解并上手 AI/ML 相關技術和產品，這一興起不過10年的浪潮才能真正釋出價值。
