人工智能并非全是娱乐，游戏和娱乐性小工具。

当人们信任未经证明的100%可靠的AI技术时，后果可能很惨。致命的自动Uber撞车事故及其后果向公众强调了这一点。但是，某些游戏，玩具和低风险实验 是帮助生产用于黄金时段，现实生活中的AI的好方法。

亚马逊网络服务公司(Amazon Web Services Inc.)的人工智能设备总监迈克·米勒(Mike Miller)(如图)说：“一点点的竞争确实可以为开发人员带来帮助 。

以AWS的DeepRacer(一种内置有可训练的机器学习技术的1/18比例的汽车)为例。所有技能水平的开发人员都对该产品表现出了极大的热情。他们喜欢定期比赛，在那儿他们可以展示如何训练小型自动驾驶汽车，使其在赛道上更快，更安全地行驶。根据Miller的说法，他们的发现和成就可能会进入真正的人所依赖的AI。

在拉斯维加斯举行的AWS re：Invent活动中， Miller与 SiliconANGLE Media的移动直播工作室CUBE的联合主持人John Furrier 和Dave Vellante进行了交谈。他们讨论了AI开发的游戏化。 (*以下披露。)

从玩到黄金时段

DeepRacer采用一种称为强化学习的ML形式，通过奖励功能来改进模型。开发人员可以选择奖励模型，以实现目标或在特定上下文中表现出特定方式。这样，他们可以训练汽车使其更靠近轨道的中心线，转弯次数更少等。(最快的一次绕圈记录(7.44秒)是由DeepRacer比赛的首位女性获胜者sola @ DNP创造的。)

AWS已将传感器添加到更新的DeepRacer Evo中，从而提供了新的方式来训练汽车。引擎盖上有激光雷达(激光技术，用于距离检测)，正面有立体摄像头，用于深度感应。

Miller说：“现在，将深度感测，避免物体和正面对抗纳入他们的机器学习模型中，会给开发人员带来挑战。”

在AWS DeepComposer键盘中，AI通过生成的对抗网络来代替AI。神经网络互相作用以产生原创音乐。

米勒指出，这些产品的休闲使用与科技公司的认真研发之间架起了一座桥梁。DeepRacer开发可能会进入机器人技术。DeepComposer致力于产品开发等等。

米勒说：“这实际上是在减少 学习曲线 ，并使 开发人员更容易上手。”