怎样从零开始训练一个AI车手？

允中 发自 凹非寺
量子位 | 公众号 QbitAI

如何快速理解强化学习的概念？

驯只猫就行。

比如下面这位爷，巨皮。

整天就是跑酷、尿炕、抓沙发，搞到人头皮发麻、心态爆炸。

直到你忍不了了，决定对它进行残酷的猫德教育。方案是：

以后在家，每当它表现出一次守猫德的行为，就奖励一根猫条；

而每当它皮一次，你就立刻扑过去，咬它的头……

这样反复拉扯两个月之后，你的猫再也不敢皮了——

这个过程里发生的事情，就是“强化学习”：

一个智能体（你的猫）在与环境（有你的你家）互动的过程中，在奖励（猫条）和惩罚（咬头）机制的刺激下，逐渐学会了一套能够最大化自身收益的行为模式（安静，躺平）。

所以其实，养猫跟搞人工智能，道理是一样的。

强化学习最著名的代表当然是AlphaGo：几万盘棋，左右互搏，最后无师自通成了独步天下的围棋之神。

如果把AlphaGo看作上面例子里的猫，那在训练里，决定它能否获得“猫条”的每盘棋最终的对弈结果——赢了就有好东西吃，输了就要被吃（bushi）。

另外，DeepMind开发出过一个能在57款雅达利游戏上都超越人类玩家的智能体，背后依靠的同样是强化学习算法。

不过这里的奖励和惩罚机制就要根据不同的游戏来具体设计了。比如玩最简单的吃豆人，就可以对每次吃到豆子的行为进行奖励，对撞到幽灵gg的状况给予惩罚。

而除了在游戏领域天空海阔之外，强化学习，其实还能拿来搞自动驾驶。

如何训练AI司机

为了更方便地说明这件事怎么实现，这里我们借用一个道具：来自亚马逊云科技的Amazon DeepRacer。

一辆看上去很概念的小车，跟真车的比例是1比18。车上安装了处理器、摄像头，甚至还可以配置激光雷达，为的就是实现自动驾驶——

当然，前提就是我们先在车上部署训练好的强化学习算法。

算法的训练需要在虚拟环境中进行，为此Amazon DeepRacer配套了一个管理控制台，里面包含一个3D赛车模拟器，能让人更直观地看到模型的训练效果。

有了这套东西，我们就能自己尝试从零开始训练一个AI司机。

具体怎么做呢？重点来了：

假设这是模拟器里的一条完全笔直的赛道，以及虚拟环境里的Amazon DeepRacer赛车。

我们的目标是让赛车以最短的时间冲刺到终点——那么对于这条赛道而言，最好的选择就是让车尽量沿着中线跑，避免因绕路或出界而导致增加时长。

为此，我们可以把赛道切分成多个网格，然后给这些网格赋予不同的分数：

靠近中间的，给更高的分；在两侧的，稍微意思一下；超出赛道范围的部分属于无效区域，如果碰到，就要从头再来。

开跑之后，一开始，赛车并不知道哪一条是最佳路线，只是在像无头苍蝇一样四处乱撞，很多时候还会冲出赛道。

但后面，随着试错的次数越来越多，在奖励函数的“指挥”下，赛车会逐渐探索出一条能够获得最高累积分数的路线。

理想状况下，一段时间的训练、迭代之后，算法就会学会“直线”最快这条真理。

而再把算法部署到车上，我们就能收获一辆会跑直线的赛车。

当然跑直线只是一种最简单的情形，实际的赛道一般都更加复杂，很多时候沿中心线跑也并不是最快的路线，为此我们就需要调整训练的策略和奖励函数的设计。

实际操作中，具体函数的编写同样通过Amazon DeepRacer的管理控制台完成。

在写函数之前，我们可以在上面调整模型的超参数，然后定义它的行动空间，规定赛车行驶的速度和转向时的角度，甚至……还能选择赛车的皮肤，等等。

Amazon DeepRacer这一整套服务，蛮像一套入门强化学习的可视化教学工具，新手跟着提示也能一步步做下来，大家如果有兴趣，不妨自己试试。

挑战吉尼斯？

当然，既然说了是赛车，自然要追求速度，越快越好。

而如果你想测试一下，自己“培养”出来的AI司机到底够不够快的话……

亚马逊云科技官方还搞了比赛，让把大家训练的AI司机全都拉出来，比一比，看看谁才是真正的秋名山车神。

这个联赛是一个全球范围内的正经比赛。18年开始办第一届，办到现在，总共有超过10万人参加。从线上模拟到线下实体比赛，都有。

比赛在全球的机器学习开发者圈子里已颇有名气。去年，还跟F1搞过联名，喊来了当时雷诺车队的车手里卡多，跟大伙一块开车。

而中国区也为中国的开发者建立了专门的Amazon DeepRacer联赛。

今年中国区联赛分为了两个赛季，每个赛季的月赛根据赛道的难易程度和模型训练难度的不同，分成了大众组和专业组。月赛组别排名靠前的选手，会有机会晋级到下一组别或参加线下比赛。

当然，比赛都有奖品。耳机、键盘、音箱……什么乱七八糟的都有；

而如果你一不小心拿了个赛季总冠军的话，那恭喜你，你可以白嫖一张去拉斯维加斯的机票（还有酒店、大会门票）。

Amazon DeepRacer联赛的报名是免费的，也没有职业要求。只不过如果你没满16周岁就来卷，就得需要监护人允许了……

今年的比赛还在进行中，现在在官网上注册了账号，就会自动获得亚马逊云服务上10个小时的训练时间，并且可以申请价值30美元的“点卡”。

与之同时，亚马逊云科技官方还在搞一个“挑战吉尼斯世界纪录”的活动，目标是突破4387这个参赛人数数字，申请成为全世界“最大规模的机器学习竞赛”。

今年的每个参赛选手都会成为纪录的一部分——甚至，每人都有机会得到一张吉尼斯世界纪录的挑战证书。

至于这次挑战的最终结果，会在十月份公布。

到时，今年的亚马逊云科技线上中国峰会将在10月开启，会上除了公布Amazon DeepRacer吉尼斯挑战结果，还会有云计算领域的众多大咖做分享，以及相关的技术成果展示。

目前，线上峰会已经开启报名，海报和链接在此：

报名链接（或点击阅读原文）：

https://summit.awsevents.cn/2022/signin?source=gh/ZsR4xii4TX2Vs20QVMuBJ8myz/eb2C54wsCCG96M=&tab=1&type=2