Tekoälystä ja koneoppimisesta on puhuttu jo vuosia ja sitä hyödynnetään jo yhä useammilla aloilla. Amazonin AWS-pilvidivisioona järjestää Deepracer-autokisan, jossa kehittäjät pääsevät testaamaan koneoppimismallejaan käytännössä. Kisa näyttää suuntaa tulevaisuuden AI-kehitykselle.
Suomesta Tukholman Deepracer-osakilpailuun osallistui CyberComin Jouni Luoma, joka toissaviikolla lunasti paikan joulukuussa Las Vegasin re:Invent-tapahtumassa järjestettävään loppukilpailuun. Eilen Luoma demosi voittajakilpuriaan yhdessä Cybercomin Rolf Kosken kanssa.
Deepracer-kisassa ”kuskit” opettavat autolle vahvistusoppimismalleja AWS:n SageMaker-työkaluilla. Robomaker-simulaatiotyökalulla luodaan data koneoppimismallin koulutusta varten ja testataan mallia. Valmis malli siirretään kilpuriin verkon yli. Sen jälkeen auto käynnistetään ja auto alkaa ajaa opetetun mallin mukaisesti radalla.
Periaatteessa simppelissä harjoituksessa on kyse todellisesta koneoppimisesta. Autolla ei ole etukäteen muuta tietoa radasta kuin harjoiteltu malli. Se suunnistaa kiihtyvyysanturin, gyroskoopin ja kameran perusteella ja oppii radan pikku hiljaa. Oppiminen on hidasta ja johtaa parempaan tulokseen yrityksen ja erehdyksen kautta, kuten demo osoitti.
Rolf Kosken mukaan Deepracerissa on ennen kaikkea kyse koneoppimisen ohjelmoinnin demokratisoimisesta. AWS:n kautta kaikkien kehittäjien käyttöön tuodaan työkalut, joilla kehittää oppivia järjestelmiä. Aiemmin tämä on ollut harvojen, suuriin investointeihin pystyvien yritysten yksinoikeus.
Itse Deepracer-auto ei ole kovin ihmeellinen laite: periaatteessa tavallinen RC-auto, johon on pultattu kiinni Intelin Atom-prosessoriin pohjaava teollisuustietokone. Työmuistia kortilla on neljä gigatavua ja tallennustilaa 32 gigaa. Kuskin läppäristä sille annetaan aloitus- ja lopetuskomennot wifi-yhteyden yli.
Keskeinen anturi on neljän megapikselin kamera, joka ottaa kuvia 15 ruutua sekunnissa. Käytännössä tämä asettaa rajat auton nopeudella, sillä auto on kulkenut kymmenien senttien matkan aina, kun kukin kuva on prosessoitu ja auto on sen perusteella ”päätellyt”, mihin suuntaan sen pitää mennä.
SageMakerin tuottamat mallit ovat pakattuina tiedostoina parinkymmenen megatavun kokoisia. Deepracer-auton saisi osaavammaksi lisäämällä laskentatehoa, muistia ja kameran erottelukykyä, mutta se ei toisi kovin paljon lisää vahvistusoppimisen työprosessiin tutustumiseen.