新科技速遞
全球開發人工智能（AI），學習機會不斷增加；AI利用深度學習建立模型，最簡單是監督式學習（Supervised Learning），利用大量標記數據，透過算法訓練AI模型，不過一般人對AI比較抽象，親手實作AI玩具，就更容易明白。
為了推廣AI，AWS推出了多項學習工具，最初推出視覺運算攝影機DeepLens，訓練視覺運算。去年，AWS推出了DeepRacer，以「增強學習」（Reinforcement Learning）訓練賽車。
「增強學習」是建立AI模型的一種方法，一般以監督式學習（Supervised Learning），必須有大量數據訓練模型，「增強學習」則是自我產生數據，再訓練AI模型。簡而言之，「增強學習」就是從錯誤中學習（Trial and error），最著名例子是AlphaGo Zero，輸入圍棋規則和策略，電腦開始對弈，電腦可日以繼夜下棋，人類曠古未有的棋局也想出來，終於一舉擊敗了棋王。
「增強學習」適合沒有固定執行方式的任務，例如訓練機械人或者無人駕駛。無人駕駛可以先在虛擬環境下試駕，自行產生大量數據訓練模型，然後才到公路上驗證，節省大量訓練時間。
訓練「增強學習」以軟件的代理人（Agent），安裝到虛擬環境學習，設定執行策略和方針，就目標設定賞罸，然後反饋不斷修正AI模型。Agent和環境互動產生大量數據，訓練了AI模型，就可在現實世界執行作業。
AWS開發了於Sagemaker工具建立、訓練和部署機器學習模型，又利用ROS開發可以在虛擬環境訓練機械人的RoboMaker，兩者結合推出了DeepRacer。
DeepRacer具備視像鏡頭，開發人員可訓練DeepRacer在虛擬環境中，訓練在賽道上，根據不同指令，例如從鏡頭傳回路況，然後設定轉向和車速，以及學習時的賞罸標準，不同學習參數等，先以Agent在虛擬環境訓練AI模型。然後，AI模型下載到DeepRacer實體車試跑。
AI第一手經驗
Mike Miller是AWS的AI設備總監，曾為Amazon開發Fire TV之類Amazon消費電子終端，如今則開發AI設備，以引起開發AI的興趣，開發人員有第一手經驗開發AI，而首項視覺運算就非常成功。
去年，AWS推出了DeepRacer，也舉辦全球比賽。第一代DeepRacer只能獨自在賽道上完成賽事，再計算完成的時間決定勝負。
「DeepRacer是鼓勵更多開發人員學習增強學習，除了AWS舉辦賽事，不少企業內部也舉辦賽事，推動內部學習AI氣氛。」
第一代DeepRacer只有一部鏡頭，沒有距離感，也不可能避障。AWS推出新一代DeepRacer模型車，鏡頭從一部增加至兩部，獲得立體的視覺效果，模仿人眼作深度檢測；並且加上了光達（Lidar）裝置，全名為Light Detection And Ranging，中文稱光達或雷射雷達，以利用激光量測目標物距離，類似自動汽車輔助駕駛。
「DeepRacer人類具有兩只眼睛，可看到深度景物和附近的障礙物，是否有車輛在前方，並訓練出更複雜AI模型避障，多部車亦可能在同一車道比賽，避免碰撞或超車，DeepRacer也會舉辦新賽事，鼓勵大家訓練自動駕駛的AI模型。」
不過，DeepRacer的Lidar只是二維，並且向前傾斜，以探測前方物件。不少工業用的機械人須利用「增強學習」訓練，開發人員可測試不同參數和算法的優劣，掌握計算的原理。DeepRacer也具備HDMI介面，並且利用Ubuntu的Linux作業系統，一般人亦可登入，甚至加入新應感器。
AWS為了增加學習AI的樂趣，又推出了DeepComposer，以Generative AI方式，透過大量學習相同的音樂風格，
DeepComposer透過簡單的鍵盤創作出4種不同風格音樂，包括有搖、流行、爵士、古典音樂，透過Generational Adversarial Neural Network（GANN）神經網絡進行訓練。Generative AI原理是透過機器學習內容，例如文字、繪畫風格、音樂的例子，再創作出新的內容。
例如以某一畫家風格訓練的機器學習模型，可按照同一風格創作。DeepComposer可按照開發人員在音樂鍵盤彈奏的音樂，演變出新樂章。DeepComposer的GANN包含了兩個AI模型，一個稱之為Generator，另一則是Discriminator。
「前者根據用戶輸入的MIDI音效，創作出音樂的段落和音符，而Discriminator則會促使樂章切合某一種音樂風格。打個比喻，Generator有如樂團，Discriminator則有如指揮。」
Miller說，DeepRacer具備了全球的賽車，AWS也考慮舉辦全球的音樂比賽，以推廣DeepComposer。「AWS發現開發人員喜歡從玩樂學習，競賽也可以刺激起大家對於AI的興趣。」