2022，这是复杂的一年。
好在如今冬至已过，太阳直射点从地球南回归线逐渐北移。从此日落越来越晚，北半球的冬日渐短，春日可期。
时间的河流从不停止，艰难的生活中，我们还可以看到微光。总有人逆风前行，为梦想也为了那听起来仍旧动人的词汇——希望。
为了一份热爱，他们不惜投入全部精力；为了一份梦想，他们没日没夜奋战。
在人工智能、机器学习的路上，一群人决定置身事内，以爱好者的身份，去开拓、去创造。
今天，我们想讲讲他们的故事。
时间只有12个小时。
2022年10月底，Amazon DeepRacer亚洲外围赛的比赛时间，只剩下12个小时。参赛者李宝生、梁耀锦却刚刚下班，还未准备充分。
在国内Amazon DeepRacer竞赛领域，二人是公认的大牛，被许多爱好者追捧。
Amazon DeepRacer赛车
Amazon DeepRacer是亚马逊云科技推出的1/18比例自动驾驶赛车，能够通过构建强化学习模型，快速学习并掌握人工智能的知识。
它是一种基于机器学习技术，为普通爱好者、开发者提供训练、研究和辅助模型的工具。
它的强大之处，是不需要任何标记的训练数据，就可以让机器自行学习复杂的行为，并可以在优化长期目标的同时，做出短期决策。
通俗地讲，就是让赛车像人一样，可以思考、判断、作出决策和给出行动。比如，通过赛车自己学习如何避障、如何转弯，从而实现赛车安全、平稳、快速地行驶。
每年，亚马逊云科技面向中国开发者，推出中国联赛，以月度积分赛、线下挑战赛为主，并在年度决赛中决出全国冠军。其中也包括亚洲入围赛和在美国拉斯维加斯举办的世界级年终决赛。
对开发者来说，走上世界级舞台，这是Amazon DeepRacer竞技崇高的荣耀。
李宝生（左）和梁耀锦（右）
李宝生和梁耀锦既是同事，又是Amazon DeepRacer比赛中国赛区的常胜将军，吉尼斯全球挑战赛中的佼佼者。梁耀锦曾拿下2022年华东赛、上海赛第一名、2022 China League 7月专业组第一名。李宝生的成绩与此不分伯仲。
对于这次参加亚洲入围赛，二人踌躇满志。在比赛中成绩优异者，可以前往美国拉斯维加斯参加线下决赛，这对所有爱好者都是不小的诱惑。
仅剩的12个小时准备时间，被二人切割成了三份。下班回到家后，李宝生和梁耀锦投入到紧张的准备中。
第一步，根据拿到的赛道信息，重新测试自己之前的策略和赛车的完赛成绩。想要实现赛车平稳、快速完成比赛，开发者编写的机器学习策略，至关重要。
二人拿到赛道之后，根据赛道的弯道、宽度设置等，重新微调之策略的参数，使得赛车更加快速完成比赛。
李宝生和梁耀锦在讨论赛车
机器学习的本质，是人对机器设置奖励函数，以此为赛车的学习、决策给出参考条件。例如转弯角度、是否沿赛道中心行驶、行驶速度等。诸多复杂条件调试完成，赛车便通过自我学习，探索出一条最佳路线行驶。
“像训练动物一样，想让它坐下，就每当它坐下的时候给它一块肉，这样养成习惯，它就学会了坐。”
对于赛车而言，奖励函数中任何参数的变化，都会对最终的成绩产生影响。这会干扰赛车的前进、转弯和速度。
分析完赛道，修改策略代码之后，二人发现想要在如此短的时间内，实现自己想要的结果，测试时间根本不够。为了确保晋级，他们开始分析对手。
在过往的排名中，想要排名达到前三，他们要让赛车最好的成绩达到8秒/圈。但当天晚上，面对全新的赛道，二人一直“折腾”了2个小时，梁耀锦发现，成绩仍然不理想，甚至都不如从前。而此时，时间已经接近深夜12点……
“最后都放弃了，就用最开始我们设定的那个策略了。”放下之后，二人开始休息，为第二天清晨的比赛作准备。
没有充足的体力，无法应对接下来的比赛。
幸运的是，在第二天的清晨的比赛中，二人最终以0.1秒之差，获得亚洲入围赛的第二、第三名。这个成绩让他们很兴奋，代表中国，他们终于拿到了去往拉斯维加斯比赛的入场券！
线上模拟赛车行驶
对Amazon DeepRacer的热爱，李宝生和梁耀锦完全来自于兴趣。过去的几个月，这两个男人，付出了全部周末时间，一头扑到Amazon DeepRacer的比赛、研发中。
二人同在汇丰科技工作，为银行系统的安全、流畅保驾护航。去年9月，接触Amazon DeepRacer后，二人产生了极大兴趣。“当时AI很火、也想多接触接触，就参与进来了。”李宝生介绍。
这一接触，就再没停下来。
从线上的模拟赛道，到线下的实体赛车，过去的一年多时间，二人参加了数不清的赛事，也不断成长为圈内的“大牛”。
让他们感受最深的，是线上赛和线下赛有着巨大的差别。
线上模拟赛道的演练，几乎将参数都调整到了完美，所以奖励函数的设定，也是按照虚拟的完美的模型来测试。
但当赛车真正开上跑道，传感器反应速度、光照强度、赛道平整程度等诸多因素，都要重新考虑进奖励函数中。
赛车
巨大的差别也让二人产生了浓厚的兴趣。“当真的看到一个赛车自动跑完全程，那种震撼还是比线上强烈。”几乎每一个周末，他们都会投入到赛车的测试和模拟、调整练习过程中去。
比赛成绩最终给了他们回报。今年，在大大小小的赛事中，二人不断取得好名次，甚至获得前往拉斯维加斯参加全球总决赛的入场券。
因为疫情，二人最终未能在现场参与角逐，这是他们的遗憾。但在人工智能的路上，脚步并没有停歇，二人仍在努力，向明年的总决赛发起冲击。
任何一项技术的进步，离不开拓荒者、先行者和爱好者，李宝生、梁耀锦属于先行者，潘石属于拓荒者。
在国外读书时，潘石的专业是电子通信，前沿领域的科研发现，技术的更迭他很清楚。但相对于通信，他对人工智能更感兴趣。
早在2018年在国外留学时，他就注意到了人工智能的发展。当围棋领域的AlphaGo战胜世界冠军之后，更是掀起一阵人工智能热潮。
这个谦逊、甚至带一点神秘的男人，也在2018年回国，扑到人工智能的创业领域。
潘石
此前，他接触到的人工智能发展相对缓慢，通过数据的采集，将规定好的程序输入到机器中，机器从而复刻采集到信息汇总处理，输出结果。
相当于，人让机器做什么，机器就只能做什么。
但2018年在国外接触到Amazon DeepRacer之后，情况发生了变化。在他的理解，Amazon DeepRacer的机器学习，是机器基于自己的“意识”进行学习。
例如赛车在跑道上行驶，从前只能设定好程序，以特定的速度在特定的位置实现特定角度的转弯。而如今，仅需要告诉赛车需要在道路上正常行驶，赛车便可以自动判断位置、速度、转弯方向。
“我觉得特别特别好，能学习到很多关于深度学习的知识。”潘石说。
潘石在展示开发板
他的创业项目，也是围绕人工智能进行。几个爱好者凑在一起，他们研发出赛车的开发板。一辆能够实现自动驾驶的赛车，离不开信息采集器、开发板和处理中心。潘石的开发板，可以帮助简化赛车的组装，帮助开发者实现不同功能，降低开发者在硬件上的门槛。
这项开发板的研发，不仅在人工智能互动社区引起不小反响，也帮助了很多专业研发人员测试、工作。
为了拓宽市场，也是为了让开发板更有价值，潘石将目光从专业领域挪开，开始在线下进行推广，举办线下开发者聚会，希望能够将技术普及给更多热爱人工智能的人。
潘石参加社区活动
那时，他还习惯让赛车通过摄像头收集数据，然后在赛车上的电脑中做机器学习、训练，最后导出模型文件，传输到赛车上，开启自动驾驶服务。
到了2021年，他发现事情变得简单。“Amazon DeepRacer的整个功能都已经通过代码封装好了，你可以直接用，很多普通人也可以快速学会。”
听说有线下比赛后，他用了一周的时间，查询相关资料，调整奖励函数，模拟比赛，最终意外拿到了第六名的好成绩。
能拿到好成绩，潘石总将结果归结于运气，但这份运气皆来自付出。
“当时真的是没日没夜地搞这个东西，整个学习的过程，感觉特别有挑战。”回忆当时比赛，潘石仍觉得意犹未尽。他还记得比赛时，最兴奋的不是取得的名次，而是通过比赛结识了太多“同道中人”。
“和前几名的大佬聊，能让自己的技术更上一层楼。”
潘石（左1）和爱好者交流
曾经，这个年轻的人工智能爱好者，希望让更多普通人更便利地学习人工智能。因此创业时，他们做社区活动，吸引更多普通人参与，他投入教育市场，以自己的产品，帮助学生了解编程、了解人工智能、机器学习。
如今这份分享欲依旧没变。疫情过后，他希望更多参与到Amazon DeepRacer的比赛中，做一些社区活动。
“现在操作流程已经很友好了，小白也完全可以操作，按照他们网上的流程，设计一个简单的模型，还能学到python编程。”
人身处于时代洪流，很难置身事外，他希望每个人都能多多少少了解人工智能。
让赛车在赛道上实现自动驾驶，听起来不可思议的事，如今却几乎唾手可得。作为重庆一所职业技术学校的学生，爱好者封磊便是最好的例子。
封磊今年二十岁出头，读大四。即将毕业，同学在为工作惆怅，他却一头钻进电脑里，捣鼓自己的赛车。
因为疫情等各种原因，他没有机会参加一直想参加的线下赛，但在线上，这个年轻人已经拿到不错的成绩。
第一次了解到Amazon DeepRacer，是在2019年，那时候的封磊还在读大二。他参加学校的技能大赛，筹备过程中，偶然发现了Amazon DeepRacer比赛，并迅速被这项赛事吸引。
“如果通过自己的设计、编程，让赛车实现自动驾驶，该是一件多么炫酷的事！”他心里想。“而且那段时间，人工智能、机器学习很火，我却从没有接触过这方面的东西，就非常想学习一下。”
封磊展示的模型数据
详细了解Amazon DeepRacer之后，他发现工具本身已经提供了一些可以使用的规模编程，“做一个最简单的模型，你一直按照界面的提示操作就可以了，然后就可以训练出这样一个模型，直接提交比赛就可以的。”
但想要获得不错的成绩，需要投入大量时间学习和研究。封磊还记得，当时外网有一个大牛一直在写博客分享自己的设计思路、奖励函数编写逻辑，封磊学到很多，也根据他的思路，增加了不少最新的调整。
第一次参加比赛，封磊很紧张，他一直盯着屏幕，看赛车在模拟的轨道上运行的轨迹，不断翻看日志，寻找解决问题的方案。
时间来到今年8月，已经有不少参赛经验和钻研成果的封磊，参加了月赛。那场比赛用的是之前2019年测试的赛道，封磊很熟悉，也调试过无数次。
每次测试结果出来之后，他都会认真分析测试日志，调整相关参数。最终在比赛中，他的赛车，拿到了专业组第二名的好成绩，跟冠军仅仅差了0.1秒！这个成绩让封磊非常意外，也让诸多爱好者震撼。
让他欣喜的还有，自己第二名的奖品，是一台3D打印机。他可以利用这台打印机，做更多有意思、有突破的事了。
封磊线上赛车行驶片段
4年前封磊刚读大学，这个腼腆的男孩选择了“云计算”这门专业就读。即便当时并不能完全理解，这三个字意味着什么，但他隐约觉得，那似乎就是未来科技前进的方向。
4年过去，在经历实验室学习、网课、实习之后，到了就业的时候，他相信自己可以在人工智能领域，贡献自己的一份热情。
工作多年的李宝生和梁耀锦，已经通过实践，将技术用在了工作中。从前工作中的分类，要依靠人工，繁杂、琐碎、容易出错。
如今梁耀锦开始使用机器进行智能分类，解放了生产力。可贵的是，他们仍保持着强烈的好奇心，想要去探索机器学习的更多可能。
潘石（右一）在参加Amazon DeepRacer比赛
潘石对Amazon DeepRacer的发展，有更清晰的认识。他的理解里，这项技术可以在多种场景下，帮助人类完成更多工作。
他认为，未来人工智能会替代很多重复性的工作。
“重复性的工作，我们其实可以通过机器学习来生成模型，取代物理世界中机械的重复。通过机械模型，也能反推结构等等，让机器自己探索出最好的解决办法，完成工作。”
他强调：“这时候，我们人类需要去做更高智慧的一些工作了。”
12月31日13点30分，所有Amazon DeepRacer爱好者，将参加年终总决赛，为大家带来更精彩赛事的同时，也将见证吉尼斯世界纪录证书的颁发。
从今年的盛夏到深秋，经过3个月的全速冲刺，亚马逊云科技Amazon DeepRacer挑战吉尼斯世界纪录称号，圆满完赛。全球近5000人参赛，成功刷新吉尼斯世界纪录，成为史上最大规模的机器学习竞赛。
每一位参赛者都是不可或缺的贡献者和见证者；同时正是因为有他们的加入，再次刷新了各国选手的最快圈速纪录，也让世界看到中国开发者的热情与实力。
