當人們信任未經(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調了這一點(diǎn)。但是，某些游戲，玩具和低風(fēng)險實(shí)驗 是幫助生產(chǎn)黃金時(shí)間，現實(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.)人工智能設備總監邁克·米勒(Mike Miller)說(shuō)：“一點(diǎn)點(diǎn)的競爭確實(shí)可以使開(kāi)發(fā)人員受益。”

以AWS的DeepRacer(一種內置了可訓練的機器學(xué)習技術(shù)的1/18比例的汽車(chē))為基礎。所有技能水平的開(kāi)發(fā)人員都對該產(chǎn)品表現出了極大的熱情。他們喜歡定期比賽，在那兒他們可以展示如何訓練小型自動(dòng)駕駛汽車(chē)，使其在賽道上更快，更安全地行駛。根據Miller的說(shuō)法，他們的發(fā)現和成就可能會(huì )進(jìn)入真正的人所依賴(lài)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(kāi)發(fā)的游戲化。

DeepRacer采用一種稱(chēng)為強化學(xué)習的ML形式，可通過(guò)獎勵功能改善模型。開(kāi)發(fā)人員可以選擇獎勵模型，以實(shí)現目標或在特定上下文中表現出特定方式。這樣，他們可以訓練汽車(chē)使其更靠近軌道的中心線(xiàn)，轉彎次數更少等。(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(lái)訓練汽車(chē)。引擎蓋上有激光雷達(激光技術(shù)，用于距離檢測)，正面有立體攝像頭，用于深度感應。

Miller說(shuō)：“現在，將深度感測，避免物體進(jìn)入和直接競爭納入開(kāi)發(fā)人員的機器學(xué)習模型中，可能會(huì )給開(kāi)發(fā)人員帶來(lái)挑戰。”

在A(yíng)WS DeepComposer鍵盤(pán)中，AI通過(guò)生成的對抗網(wǎng)絡(luò )來(lái)代替AI。神經(jīng)網(wǎng)絡(luò )互相作用以產(chǎn)生原創(chuàng )音樂(lè )。

米勒指出，這些產(chǎn)品的休閑使用與科技公司的認真研發(fā)之間架起了一座橋梁。DeepRacer開(kāi)發(fā)可能會(huì )進(jìn)入機器人技術(shù)。DeepComposer致力于產(chǎn)品開(kāi)發(fā)等等。