他們沖出了亞洲 -
2022,這是復雜的一年。
好在如今冬至已過,太陽直射點從地球南回歸線逐漸北移。從此日落越來越晚,北半球的冬日漸短,春日可期。
時間的河流從不停止,艱難的生活中,我們還可以看到微光??傆腥四骘L前行,為夢想也為了那聽起來仍舊動人的詞匯——希望。
為了一份熱愛,他們不惜投入全部精力;為了一份夢想,他們沒日沒夜奮戰(zhàn)。
在人工智能、機器學習的路上,一群人決定置身事內(nèi),以愛好者的身份,去開拓、去創(chuàng)造。
今天,我們想講講他們的故事。
時間只有12個小時。
2022年10月底,Amazon DeepRacer亞洲外圍賽的比賽時間,只剩下12個小時。參賽者李寶生、梁耀錦卻剛剛下班,還未準備充分。
在國內(nèi)Amazon DeepRacer競賽領(lǐng)域,二人是公認的大牛,被許多愛好者追捧。
Amazon DeepRacer賽車
Amazon DeepRacer是亞馬遜云科技推出的1/18比例自動駕駛賽車,能夠通過構(gòu)建強化學習模型,快速學習并掌握人工智能的知識。
它是一種基于機器學習技術(shù),為普通愛好者、開發(fā)者提供訓練、研究和輔助模型的工具。
它的強大之處,是不需要任何標記的訓練數(shù)據(jù),就可以讓機器自行學習復雜的行為,并可以在優(yōu)化長期目標的同時,做出短期決策。
通俗地講,就是讓賽車像人一樣,可以思考、判斷、作出決策和給出行動。比如,通過賽車自己學習如何避障、如何轉(zhuǎn)彎,從而實現(xiàn)賽車安全、平穩(wěn)、快速地行駛。
每年,亞馬遜云科技面向中國開發(fā)者,推出中國聯(lián)賽,以月度積分賽、線下挑戰(zhàn)賽為主,并在年度決賽中決出全國冠軍。其中也包括亞洲入圍賽和在美國拉斯維加斯舉辦的世界級年終決賽。
對開發(fā)者來說,走上世界級舞臺,這是Amazon DeepRacer競技崇高的榮耀。
李寶生(左)和梁耀錦(右)
李寶生和梁耀錦既是同事,又是Amazon DeepRacer比賽中國賽區(qū)的常勝將軍,吉尼斯全球挑戰(zhàn)賽中的佼佼者。梁耀錦曾拿下2022年華東賽、上海賽第一名、2022 China League 7月專業(yè)組第一名。李寶生的成績與此不分伯仲。
對于這次參加亞洲入圍賽,二人躊躇滿志。在比賽中成績優(yōu)異者,可以前往美國拉斯維加斯參加線下決賽,這對所有愛好者都是不小的誘惑。
僅剩的12個小時準備時間,被二人切割成了三份。下班回到家后,李寶生和梁耀錦投入到緊張的準備中。
第一步,根據(jù)拿到的賽道信息,重新測試自己之前的策略和賽車的完賽成績。想要實現(xiàn)賽車平穩(wěn)、快速完成比賽,開發(fā)者編寫的機器學習策略,至關(guān)重要。
二人拿到賽道之后,根據(jù)賽道的彎道、寬度設(shè)置等,重新微調(diào)之策略的參數(shù),使得賽車更加快速完成比賽。
李寶生和梁耀錦在討論賽車
機器學習的本質(zhì),是人對機器設(shè)置獎勵函數(shù),以此為賽車的學習、決策給出參考條件。例如轉(zhuǎn)彎角度、是否沿賽道中心行駛、行駛速度等。諸多復雜條件調(diào)試完成,賽車便通過自我學習,探索出一條最佳路線行駛。
“像訓練動物一樣,想讓它坐下,就每當它坐下的時候給它一塊肉,這樣養(yǎng)成習慣,它就學會了坐?!?/p>
對于賽車而言,獎勵函數(shù)中任何參數(shù)的變化,都會對最終的成績產(chǎn)生影響。這會干擾賽車的前進、轉(zhuǎn)彎和速度。
分析完賽道,修改策略代碼之后,二人發(fā)現(xiàn)想要在如此短的時間內(nèi),實現(xiàn)自己想要的結(jié)果,測試時間根本不夠。為了確保晉級,他們開始分析對手。
在過往的排名中,想要排名達到前三,他們要讓賽車最好的成績達到8秒/圈。但當天晚上,面對全新的賽道,二人一直“折騰”了2個小時,梁耀錦發(fā)現(xiàn),成績?nèi)匀徊焕硐?,甚至都不如從前。而此時,時間已經(jīng)接近深夜12點……
“最后都放棄了,就用最開始我們設(shè)定的那個策略了?!狈畔轮?,二人開始休息,為第二天清晨的比賽作準備。
沒有充足的體力,無法應(yīng)對接下來的比賽。
幸運的是,在第二天的清晨的比賽中,二人最終以0.1秒之差,獲得亞洲入圍賽的第二、第三名。這個成績讓他們很興奮,代表中國,他們終于拿到了去往拉斯維加斯比賽的入場券!
線上模擬賽車行駛
對Amazon DeepRacer的熱愛,李寶生和梁耀錦完全來自于興趣。過去的幾個月,這兩個男人,付出了全部周末時間,一頭撲到Amazon DeepRacer的比賽、研發(fā)中。
二人同在匯豐科技工作,為銀行系統(tǒng)的安全、流暢保駕護航。去年9月,接觸Amazon DeepRacer后,二人產(chǎn)生了極大興趣?!爱敃rAI很火、也想多接觸接觸,就參與進來了?!崩顚毶榻B。
這一接觸,就再沒停下來。
從線上的模擬賽道,到線下的實體賽車,過去的一年多時間,二人參加了數(shù)不清的賽事,也不斷成長為圈內(nèi)的“大牛”。
讓他們感受最深的,是線上賽和線下賽有著巨大的差別。
線上模擬賽道的演練,幾乎將參數(shù)都調(diào)整到了完美,所以獎勵函數(shù)的設(shè)定,也是按照虛擬的完美的模型來測試。
但當賽車真正開上跑道,傳感器反應(yīng)速度、光照強度、賽道平整程度等諸多因素,都要重新考慮進獎勵函數(shù)中。
賽車
巨大的差別也讓二人產(chǎn)生了濃厚的興趣。“當真的看到一個賽車自動跑完全程,那種震撼還是比線上強烈。”幾乎每一個周末,他們都會投入到賽車的測試和模擬、調(diào)整練習過程中去。
比賽成績最終給了他們回報。今年,在大大小小的賽事中,二人不斷取得好名次,甚至獲得前往拉斯維加斯參加全球總決賽的入場券。
因為疫情,二人最終未能在現(xiàn)場參與角逐,這是他們的遺憾。但在人工智能的路上,腳步并沒有停歇,二人仍在努力,向明年的總決賽發(fā)起沖擊。
任何一項技術(shù)的進步,離不開拓荒者、先行者和愛好者,李寶生、梁耀錦屬于先行者,潘石屬于拓荒者。
在國外讀書時,潘石的專業(yè)是電子通信,前沿領(lǐng)域的科研發(fā)現(xiàn),技術(shù)的更迭他很清楚。但相對于通信,他對人工智能更感興趣。
早在2018年在國外留學時,他就注意到了人工智能的發(fā)展。當圍棋領(lǐng)域的AlphaGo戰(zhàn)勝世界冠軍之后,更是掀起一陣人工智能熱潮。
這個謙遜、甚至帶一點神秘的男人,也在2018年回國,撲到人工智能的創(chuàng)業(yè)領(lǐng)域。
潘石
此前,他接觸到的人工智能發(fā)展相對緩慢,通過數(shù)據(jù)的采集,將規(guī)定好的程序輸入到機器中,機器從而復刻采集到信息匯總處理,輸出結(jié)果。
相當于,人讓機器做什么,機器就只能做什么。
但2018年在國外接觸到Amazon DeepRacer之后,情況發(fā)生了變化。在他的理解,Amazon DeepRacer的機器學習,是機器基于自己的“意識”進行學習。
例如賽車在跑道上行駛,從前只能設(shè)定好程序,以特定的速度在特定的位置實現(xiàn)特定角度的轉(zhuǎn)彎。而如今,僅需要告訴賽車需要在道路上正常行駛,賽車便可以自動判斷位置、速度、轉(zhuǎn)彎方向。
“我覺得特別特別好,能學習到很多關(guān)于深度學習的知識?!迸耸f。
潘石在展示開發(fā)板
他的創(chuàng)業(yè)項目,也是圍繞人工智能進行。幾個愛好者湊在一起,他們研發(fā)出賽車的開發(fā)板。一輛能夠?qū)崿F(xiàn)自動駕駛的賽車,離不開信息采集器、開發(fā)板和處理中心。潘石的開發(fā)板,可以幫助簡化賽車的組裝,幫助開發(fā)者實現(xiàn)不同功能,降低開發(fā)者在硬件上的門檻。
這項開發(fā)板的研發(fā),不僅在人工智能互動社區(qū)引起不小反響,也幫助了很多專業(yè)研發(fā)人員測試、工作。
為了拓寬市場,也是為了讓開發(fā)板更有價值,潘石將目光從專業(yè)領(lǐng)域挪開,開始在線下進行推廣,舉辦線下開發(fā)者聚會,希望能夠?qū)⒓夹g(shù)普及給更多熱愛人工智能的人。
潘石參加社區(qū)活動
那時,他還習慣讓賽車通過攝像頭收集數(shù)據(jù),然后在賽車上的電腦中做機器學習、訓練,最后導出模型文件,傳輸?shù)劫愜嚿?,開啟自動駕駛服務(wù)。
到了2021年,他發(fā)現(xiàn)事情變得簡單?!癆mazon DeepRacer的整個功能都已經(jīng)通過代碼封裝好了,你可以直接用,很多普通人也可以快速學會?!?/p>
聽說有線下比賽后,他用了一周的時間,查詢相關(guān)資料,調(diào)整獎勵函數(shù),模擬比賽,最終意外拿到了第六名的好成績。
能拿到好成績,潘石總將結(jié)果歸結(jié)于運氣,但這份運氣皆來自付出。
“當時真的是沒日沒夜地搞這個東西,整個學習的過程,感覺特別有挑戰(zhàn)?!被貞洰敃r比賽,潘石仍覺得意猶未盡。他還記得比賽時,最興奮的不是取得的名次,而是通過比賽結(jié)識了太多“同道中人”。
“和前幾名的大佬聊,能讓自己的技術(shù)更上一層樓?!?/p>
潘石(左1)和愛好者交流
曾經(jīng),這個年輕的人工智能愛好者,希望讓更多普通人更便利地學習人工智能。因此創(chuàng)業(yè)時,他們做社區(qū)活動,吸引更多普通人參與,他投入教育市場,以自己的產(chǎn)品,幫助學生了解編程、了解人工智能、機器學習。
如今這份分享欲依舊沒變。疫情過后,他希望更多參與到Amazon DeepRacer的比賽中,做一些社區(qū)活動。
“現(xiàn)在操作流程已經(jīng)很友好了,小白也完全可以操作,按照他們網(wǎng)上的流程,設(shè)計一個簡單的模型,還能學到python編程?!?/p>
人身處于時代洪流,很難置身事外,他希望每個人都能多多少少了解人工智能。
讓賽車在賽道上實現(xiàn)自動駕駛,聽起來不可思議的事,如今卻幾乎唾手可得。作為重慶一所職業(yè)技術(shù)學校的學生,愛好者封磊便是最好的例子。
封磊今年二十歲出頭,讀大四。即將畢業(yè),同學在為工作惆悵,他卻一頭鉆進電腦里,搗鼓自己的賽車。
因為疫情等各種原因,他沒有機會參加一直想?yún)⒓拥木€下賽,但在線上,這個年輕人已經(jīng)拿到不錯的成績。
第一次了解到Amazon DeepRacer,是在2019年,那時候的封磊還在讀大二。他參加學校的技能大賽,籌備過程中,偶然發(fā)現(xiàn)了Amazon DeepRacer比賽,并迅速被這項賽事吸引。
“如果通過自己的設(shè)計、編程,讓賽車實現(xiàn)自動駕駛,該是一件多么炫酷的事!”他心里想。“而且那段時間,人工智能、機器學習很火,我卻從沒有接觸過這方面的東西,就非常想學習一下?!?/p>
封磊展示的模型數(shù)據(jù)
詳細了解Amazon DeepRacer之后,他發(fā)現(xiàn)工具本身已經(jīng)提供了一些可以使用的規(guī)模編程,“做一個最簡單的模型,你一直按照界面的提示操作就可以了,然后就可以訓練出這樣一個模型,直接提交比賽就可以的?!?/p>
但想要獲得不錯的成績,需要投入大量時間學習和研究。封磊還記得,當時外網(wǎng)有一個大牛一直在寫博客分享自己的設(shè)計思路、獎勵函數(shù)編寫邏輯,封磊學到很多,也根據(jù)他的思路,增加了不少最新的調(diào)整。
第一次參加比賽,封磊很緊張,他一直盯著屏幕,看賽車在模擬的軌道上運行的軌跡,不斷翻看日志,尋找解決問題的方案。
時間來到今年8月,已經(jīng)有不少參賽經(jīng)驗和鉆研成果的封磊,參加了月賽。那場比賽用的是之前2019年測試的賽道,封磊很熟悉,也調(diào)試過無數(shù)次。
每次測試結(jié)果出來之后,他都會認真分析測試日志,調(diào)整相關(guān)參數(shù)。最終在比賽中,他的賽車,拿到了專業(yè)組第二名的好成績,跟冠軍僅僅差了0.1秒!這個成績讓封磊非常意外,也讓諸多愛好者震撼。
讓他欣喜的還有,自己第二名的獎品,是一臺3D打印機。他可以利用這臺打印機,做更多有意思、有突破的事了。
封磊線上賽車行駛片段
4年前封磊剛讀大學,這個靦腆的男孩選擇了“云計算”這門專業(yè)就讀。即便當時并不能完全理解,這三個字意味著什么,但他隱約覺得,那似乎就是未來科技前進的方向。
4年過去,在經(jīng)歷實驗室學習、網(wǎng)課、實習之后,到了就業(yè)的時候,他相信自己可以在人工智能領(lǐng)域,貢獻自己的一份熱情。
工作多年的李寶生和梁耀錦,已經(jīng)通過實踐,將技術(shù)用在了工作中。從前工作中的分類,要依靠人工,繁雜、瑣碎、容易出錯。
如今梁耀錦開始使用機器進行智能分類,解放了生產(chǎn)力??少F的是,他們?nèi)员3种鴱娏业暮闷嫘模胍ヌ剿鳈C器學習的更多可能。
潘石(右一)在參加Amazon DeepRacer比賽
潘石對Amazon DeepRacer的發(fā)展,有更清晰的認識。他的理解里,這項技術(shù)可以在多種場景下,幫助人類完成更多工作。
他認為,未來人工智能會替代很多重復性的工作。
“重復性的工作,我們其實可以通過機器學習來生成模型,取代物理世界中機械的重復。通過機械模型,也能反推結(jié)構(gòu)等等,讓機器自己探索出最好的解決辦法,完成工作。”
他強調(diào):“這時候,我們?nèi)祟愋枰プ龈咧腔鄣囊恍┕ぷ髁??!?/p>
12月31日13點30分,所有Amazon DeepRacer愛好者,將參加年終總決賽,為大家?guī)砀寿愂碌耐瑫r,也將見證吉尼斯世界紀錄證書的頒發(fā)。
從今年的盛夏到深秋,經(jīng)過3個月的全速沖刺,亞馬遜云科技Amazon DeepRacer挑戰(zhàn)吉尼斯世界紀錄稱號,圓滿完賽。全球近5000人參賽,成功刷新吉尼斯世界紀錄,成為史上最大規(guī)模的機器學習競賽。
每一位參賽者都是不可或缺的貢獻者和見證者;同時正是因為有他們的加入,再次刷新了各國選手的最快圈速紀錄,也讓世界看到中國開發(fā)者的熱情與實力。
評論
- 評論加載中...