AWS Deep Racer, ein ernstzunehmendes Spielzeug zum Erlernen von Machine Learning

AWS DeepRacer ist ein Rennwagen im Maßstab 1:18, der von Amazon Web Services (AWS) entwickelt wurde, um Entwicklern das komplexe Gebiet des maschinellen Lernens (ML) näher zu bringen, das in der Vergangenheit Data Scientists vorbehalten war.

Der DeepRacer-Service ist eine Plattform für Entwickler und Enthusiasten gleichermaßen, um sich mit Reinforcement Learning zu beschäftigen. Dies ist ein großartiger Ausgangspunkt, um mit verschiedenen Machine Learning-Verstärkungsmodellen zu experimentieren, sie auf dem DeepRacer 3D-Rennsimulator zu trainieren und diese trainierten Modelle auf DeepRacer einzusetzen, um ein Gefühl für die reale Welt zu bekommen.

Viele würden auf den ersten Blick denken, dass es sich um ein neuartiges Spielzeug handelt, das nach einiger Zeit nutzlos wird. Im Gegenteil, es handelt sich um einen innovativen Ansatz, der von AWS initiiert wurde, um die Lücke zu schließen, die durch den Mangel an Data Scientists entstanden ist. Die Einführung der Technologie der künstlichen Intelligenz in einem breiteren kommerziellen Bereich leidet, da die Kosten für die Einstellung von Experten aufgrund des Mangels an geschulten Mitarbeitern zu hoch sind. Die nächstbeste Lösung ist daher, die Wissenschaft zugänglicher zu machen, indem man den Entwicklern Tools zur Verfügung stellt. Diese Tools können von Entwicklern verwendet werden, um Prognosen zu erstellen, zu verbessern und effektiv in verschiedene Geschäftsmodelle zu integrieren, ohne dass sie über einen umfassenden datenwissenschaftlichen Hintergrund verfügen müssen.

Künstliche Intelligenz, eine kurze Einführung

Der Begriff Künstliche Intelligenz (AI) wurde erstmals 1956 am Dartmouth College in Hanover, New Hampshire, geprägt. Künstliche Intelligenz ist ein Teilgebiet der Informatik, das sich damit befasst, digitale Computer oder computergesteuerte Roboter in die Lage zu versetzen, Aufgaben auszuführen, die im Allgemeinen mit intelligenten Wesen in Verbindung gebracht werden. Seit seinen Anfängen im Jahr 1956 hat sich das Gebiet der KI im Laufe der Jahre immer weiter entwickelt. Obwohl die KI erst in den letzten 15 Jahren populär geworden ist, verdankt sie ihre Popularität den Verbesserungen bei den Computern (Rechenleistung, Grafikprozessoren und Speichermedien) und ihrer Zugänglichkeit über Cloud-basiertes Computing, den riesigen Mengen an zugänglichen Daten und den fortgeschrittenen Algorithmen zum Trainieren und Testen dieser Modelle.

Maschinelles Lernen, eine Teilmenge der KI

Maschinelles Lernen (ML) ist eine Untergruppe des viel umfassenderen Bereichs der Künstlichen Intelligenz. Maschinelles Lernen beruht auf der Idee, dass Maschinen aus vergangenen Datenpunkten lernen können, indem sie analytische Modelle verwenden, um das zukünftige Verhalten des Systems, für das sie trainiert wurden, vorherzusagen. Dies geschieht durch das Erkennen von Mustern mit einem Minimum an menschlicher Interaktion.Innerhalb des maschinellen Lernens gibt es das Konzept des Verstärkungslernens, das im Wesentlichen ein Lernen durch positive Verstärkung ist. Es ist die gleiche Art und Weise, wie Sie Ihr Haustier trainieren würden, indem Sie gutes Verhalten durch positives Feedback verstärken, wenn ein bestimmtes Ziel erreicht ist.

Schematische Darstellung der Beziehungen zwischen KI, ML und Deep Learning

Das ernsthafte Ziel des Deepracer

Im Fall von DeepRacer besteht das Ziel darin, autonom und ohne Abweichungen durch die Strecke zu fahren und diese Aufgabe in der kürzest möglichen Zeit zu erledigen. Das Spannende daran ist, dass die Aufgabe, das Modell zu erstellen und es für das autonome Fahren zu trainieren, von einem einzigen AWS-Service aus orchestriert werden kann.

Der AWS DeepRacer verknüpft verschiedene AWS-Services, um eine zentrale Kontrolle zu ermöglichen:

• -Das Verstärkungsmodell wird trainiert in AWS Sagemaker über eine simulierte Rennstrecke trainiert. Die simulierte Rennstrecke hat die gleichen Abmessungen wie die Strecke in der realen Welt.
• Dieser Rennsimulator wird bereitgestellt von AWS Robomaker.
• Amazon Kinesis Video-Stream bietet Echtzeit-Aufnahmen von virtuellen Simulationen und den Auswirkungen von positiver Verstärkung.
• AWS CloudWatch erfasst die Protokolle in Bezug auf die verschiedenen trainierten Modelle und die verschiedenen Metriken, die ein Entwickler sehen möchte.
• Und nicht zuletzt Amazon Simple Storage Service (S3) ist der Ort, an dem das Modell gespeichert wird, und die Versionierung kann aktiviert werden, um die verschiedenen Versionen des Modells zu verfolgen.

Der DeepRacer kann in zwei Konfigurationen betrieben werden:

- Manueller Fahrmodus, bei dem das Auto über einen Computer über lokales Wifi gesteuert werden kann und über die AWS DeepRacer-Steuerungsseite gesteuert werden kann.

- Und einen autonomen Fahrmodus, bei dem ein Modell für eine Strecke trainiert wird und DeepRacer dann um die Strecke steuert. Dieser erwartete Service wurde im Mai 2019 eingeführt und ist online verfügbar.

Für die Liebhaber des maschinellen Lernens hat AWS die DeepRacer Liga gestartet, in der die Spieler im autonomen Fahrmodus gegeneinander antreten werden. Das Team von Xebia freut sich sehr darauf, die trainierten Modelle in der Liga gegen andere auszuprobieren und zu lernen, wie wir mit AWS in den nächsten Bereich des Cloud-basierten Computings vorstoßen.

Ich persönlich werde meine Zeit in die Erstellung komplexer Verstärkungsmodelle investieren und versuchen, Wege zu finden, diese Modelle mit DeepRacer zu trainieren und zu testen. Andererseits könnte es sehr interessant sein, ein Modell für die Erkennung von Hindernissen zu trainieren und eine alternative Route um das besagte Hindernis herum zu finden. Die Möglichkeiten sind endlos und die Zukunft des maschinellen Lernens ist aufregend.